基于支持向量机的冻融土壤入渗参数预测

李昊哲　樊贵盛

摘要：以提高冻融条件下农田土壤灌溉水利用率为目的，基于汾河灌区冻融期内土壤入渗试验，运用支持向量机理论，建立了以冻融条件下土壤含水率、质地、容重、地温和灌溉水温为输入变量，Kostiakov入渗模型参数k、a为输出变量的支持向量机回归预测模型。预测模型误差分析表明：入渗系数k与入渗指数a的训练样本相对误差与检验样本相对误差都控制在10%以内，将k与a代入Kostiakov入渗模型得到的90 min累计入渗量，Ian的相对误差平均值为5.81%。说明冻融土壤条件下，基于支持向量机理论的Kostiakov入渗模型参数的预测是可行的。

关键词：支持向量机；冻融土壤；Kostiakov入渗模型；土壤理化参数

土壤水分入渗是地表水转化为土壤水的途径，是自然界中降水、地表水、土壤水和地下水相互转化过程中的一个重要环节。同时，对土壤入渗特性的分析也是农田灌溉、地表产流和土壤改良等问题的研究核心。冻融土壤的水分入渗是指具有一定温度的雨水、融雪水、灌溉水垂直向下进入冻融土壤的过程。据调查，我国北方大部分地区的春、冬季灌溉都是在土壤冻结的条件下进行的。很多专家学者对冻土进行过研究，如Thunholm等对冻结黏土的土壤水分人渗特性进行了研究分析：彭振阳等通过对季节性冻融土壤水分运动规律的研究，得出冻结期土壤水分向上运动的规律。冻土问题已经成为当前的一个研究热点，冻融条件下土壤水分入渗的研究对于确定合理的灌水技术参数和科学利用水资源有着重要意义。

鉴于水分在土壤中运动的复杂性，人们试图利用土壤传输函数法来预测土壤入渗参数，突破了传统获取入渗参数的方法。土壤传输函数法通过建立以较易获取的土壤常规理化参数为输入变量，土壤入渗参数为输出变量的模型，来预测土壤入渗参数。常用的土壤传输函数模型有分形機理模型、物理经验模型和统计回归模型。其中分形机理模型和物理经验模型都有一定的局限性。目前统计回归模型已经较为成熟，如Vereecken等与Rawls等利用土壤传输函数法，通过建立多元线性函数，得到了土壤水分特征曲线。DUAN等通过对东北黑土的研究，建立了以土壤粉粒含量、黏粒含量、有机质含量、容重为自变量的线性回归模型，预测土壤田问持水量。武雯昱等利用人工神经网络方法对土壤水分入渗Kostiakov模型参数进行了预测。这些研究中所用到的模型以人工神经网络、线性回归拟合、非线性回归拟合、分类回归树等为主，利用支持向量机对冻融土壤水分入渗参数进行预测的还未见报道。支持向量机（Support VectorMachine，简称SVM）是由Corinna Cortes和Vapnik等于1995年提出的，相比其他方法，支持向量机数学推导严密，有着坚实的理论基础，计算量也较小。笔者试图采用支持向量机对冻融土壤Kostiakov入渗模型参数进行预测，以期为冻融土壤入渗参数的获取提供技术支撑。