BP所得网络权阈值因子检验

zhantia

BP所得网络权阈值因子检验  盐碱地改良 http://www.yanjiandiw.com
466

                               　　无线墒情与旱情管理系统对各气象要素因子进行回归分析，平均风速和日照时数与土壤墒情呈负相关，平均气温、相对湿度、蒸降差与土壤墒情呈正相关关系，前一旬土壤墒情与后一旬土壤墒情呈正相关关系；与土壤墒情的相关系数（敏感性）大小依次为：前一旬土壤墒情>相对湿度>平均气温>平均蒸降差>日照时数>平均风速。平均气温、平均蒸降差、日照时数和平均风速这4个因素由于相关系数不高，无法准确判别，故以下采用人工神经网络缺省因子检验法，对6个因子进行分析。
　　将无线墒情与旱情管理系统的6个输入因子逐一进行缺省，构建缺少其中任一因子的无线墒情与旱情管理系统。为使无线墒情与旱情管理系统与墒情与旱情管理系统有可比性，在建模过程中所采用的训练样本、检验样本等同于墒情与旱情管理系统，BP网络的学习算法采用前述改进算法。
　　采用缺省因子检验法对不同无线墒情与旱情管理系统分析表明：无线墒情与旱情管理系统的检验误差与墒情与旱情管理系统相比，模型输入因子不同程度地对墒情产生影响。土壤墒情对墒情与旱情管理系统的敏感程度依次为：前一旬墒情>相对湿度>降差>平均风速>气温，其中气温、平均风速和蒸降差（R<1）为冗余因子。
　　为简化无线墒情与旱情管理系统，删除缺省因子检验法中的冗余因子，在MATLAB R2012a环境下，将前一旬土壤墒情、相对湿度、日照时数这3组训练样本输入该BP网络，通过多次假设隐含因子的调试，调整隐含层的数目为5，使训练达到较好效果，无线墒情与旱情管理系统结构为BP所得网络权阈值。