雷濤　郭向紅　孫西歡　馬娟娟　趙運革

摘要：為了實現(xiàn)對蓄水坑灌蘋果園根區(qū)土壤水分的定量監(jiān)測，基于最小二乘向量機模型、BP神經(jīng)網(wǎng)絡(luò)模型和增量逆?zhèn)鞑W(xué)習(xí)算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型，建立了以土壤初始貯水量、灌水后時段長度、時段內(nèi)灌水量、時段內(nèi)降雨量和蒸發(fā)蒸騰量為輸入項，以蓄水坑灌果園根區(qū)貯水量為輸出項的LSSVM、BP和IBP-BP模型，對田間土壤貯水量進行預(yù)測，并采用田間實測數(shù)據(jù)對模型進行率定和驗證。結(jié)果表明：ISSVM、IBP-BP和BP模型的平均相對誤差分別為6.53%、3.64%和5.98%。IBP-BP模型的預(yù)測精度最高，建議采用該模型進行蓄水坑灌果園土壤貯水量預(yù)測。

關(guān)鍵詞：土壤貯水量；最小二乘向量機；增量逆?zhèn)鞑?；BP神經(jīng)網(wǎng)絡(luò)模型；t檢驗

蓄水坑灌法是一種具有節(jié)水抗旱優(yōu)勢的果園灌溉方法。該方法需要在距離果樹60-90 cm處均勻挖取若干直徑為25-35 cm、深度為40-60 cm的圓柱形蓄水坑，灌溉時水分沿坑壁直達根系層，從而達到提高水分利用率的目的。目前，許多學(xué)者對蓄水坑灌條件下的灌水技術(shù)參數(shù)、水分運動分布機理、水分運移數(shù)值模擬進行了大量研究，取得了豐碩的研究成果。

土壤水分預(yù)測是進行農(nóng)田土壤水分管理的基礎(chǔ)。許多學(xué)者通過對土壤水分運動方程進行改進，實現(xiàn)了土壤水分的精準預(yù)報。但該方法需測定大量的土壤水分參數(shù)。給預(yù)報工作帶來了不便。隨著人工智能算法的發(fā)展，最小二乘支持向量機（LSSVM）、BP人工神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘算法被提出，并應(yīng)用于各個領(lǐng)域。最小二乘支持向量機能夠有效解決樣本容量小、高維維數(shù)災(zāi)等問題，在降雨徑流模型、洪水預(yù)報和蒸騰蒸發(fā)預(yù)測等方面得到了廣泛應(yīng)用。BP人工神經(jīng)網(wǎng)絡(luò)具有出色的非線性映射能力、泛化能力和容錯能力，在作物耗水和河源來水等方面得到了廣泛應(yīng)用。目前，這兩種方法在蓄水坑灌條件下水分預(yù)報方面的報道較少，哪種模型更適合于蓄水坑灌水分預(yù)報有待進一步研究。因此，本研究采用最小二乘支持向量機、BP神經(jīng)網(wǎng)絡(luò)和增量逆?zhèn)鞑W(xué)習(xí)算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)（IBP-BP），實現(xiàn)蓄水坑灌土壤貯水量的動態(tài)預(yù)測，以期為蓄水坑灌土壤水分管理提供支持。