蓄水坑灌条件下土壤贮水量预测模型对比研究

雷涛　郭向红　孙西欢　马娟娟　赵运革

摘要：为了实现对蓄水坑灌苹果园根区土壤水分的定量监测，基于最小二乘向量机模型、BP神经网络模型和增量逆传播学习算法优化的BP神经网络模型，建立了以土壤初始贮水量、灌水后时段长度、时段内灌水量、时段内降雨量和蒸发蒸腾量为输入项，以蓄水坑灌果园根区贮水量为输出项的LSSVM、BP和IBP-BP模型，对田间土壤贮水量进行预测，并采用田间实测数据对模型进行率定和验证。结果表明：ISSVM、IBP-BP和BP模型的平均相对误差分别为6.53%、3.64%和5.98%。IBP-BP模型的预测精度最高，建议采用该模型进行蓄水坑灌果园土壤贮水量预测。

关键词：土壤贮水量；最小二乘向量机；增量逆传播；BP神经网络模型；t检验

蓄水坑灌法是一种具有节水抗旱优势的果园灌溉方法。该方法需要在距离果树60-90 cm处均匀挖取若干直径为25-35 cm、深度为40-60 cm的圆柱形蓄水坑，灌溉时水分沿坑壁直达根系层，从而达到提高水分利用率的目的。目前，许多学者对蓄水坑灌条件下的灌水技术参数、水分运动分布机理、水分运移数值模拟进行了大量研究，取得了丰硕的研究成果。

土壤水分预测是进行农田土壤水分管理的基础。许多学者通过对土壤水分运动方程进行改进，实现了土壤水分的精准预报。但该方法需测定大量的土壤水分参数。给预报工作带来了不便。随着人工智能算法的發展，最小二乘支持向量机（LSSVM）、BP人工神经网络等数据挖掘算法被提出，并应用于各个领域。最小二乘支持向量机能够有效解决样本容量小、高维维数灾等问题，在降雨径流模型、洪水预报和蒸腾蒸发预测等方面得到了广泛应用。BP人工神经网络具有出色的非线性映射能力、泛化能力和容错能力，在作物耗水和河源来水等方面得到了广泛应用。目前，这两种方法在蓄水坑灌条件下水分预报方面的报道较少，哪种模型更适合于蓄水坑灌水分预报有待进一步研究。因此，本研究采用最小二乘支持向量机、BP神经网络和增量逆传播学习算法优化的BP神经网络（IBP-BP），实现蓄水坑灌土壤贮水量的动态预测，以期为蓄水坑灌土壤水分管理提供支持。