基于BFA-BP神经网络的土壤肥力评价-《江苏农业科学》

文章信息/Info

Title:: Soil fertility evaluation based on BFA-BP neural network

作者:: 赵艳玲; 何厅厅; 侯占东; 刘亚萍; 石娟娟; 王亚云; 李源; 中国矿业大学(北京)土地复垦与生态重建研究所，北京 100083

Author(s):: Zhao Yanling; et al

关键词:: 土壤肥力; BP神经网络; 细菌算法; 阈值; 黑土

Keywords:: -

分类号:: S158

DOI:: -

文献标志码:: A

摘要:: 在BP神经网络的基础上，针对其网络结构中连接权重和阈值难以赋值的问题，引入细菌算法（BFA），寻找连接权重和阈值的最优值，构建了土壤肥力等级的BFA-BP神经网络评价模型。以吉林省黑土为例，选取土壤的养分指标(有机质、全氮、速效磷、速效钾)、环境指标(阳离子交换量、酸碱度、容重、黏粒)和结构性指标(水稳性团聚体、分散率)作为评价指标，应用该模型进行土壤肥力等级评价，并与可拓物元法的评价结果进行比较，表明该模型在土壤肥力评价中适用且更准确反映了土壤综合特性。

Abstract:: -

参考文献/References:

［1］王建国，杨林章，单艳红.模糊数学在土壤质量评价中的应用研究［J］. 土壤学报，2001，38(2)：176-183.
［2］秦焱，王清，张颖，等. 基于可拓评判法的黑土肥力质量评价［J］. 吉林大学学报：地球科学版，2011，41(增刊)：221-226.
［3］侯文广，江聪世，熊庆文，等. 基于GIS的土壤质量评价研究［J］. 武汉大学学报：信息科学版，2003，28(1)：60-64.
［4］李凡修，梅平. 五元联系数模型在土壤肥力评价中的应用研究［J］. 江苏农业科学，2010(6)：529-530.
［5］Jiang S Y，Ren Z Y，Xue K M，et al. Application of BP ANN for prediction of backward ball spinning of Thin-Walled tubular part with longitudinal inner Ribs［J］. Journal of Materials Processing Technology，2008，196：190-196.
［6］李明，李雪铭. 基于遗传算法改进的BP神经网络在我国主要城市人居环境质量评价中的应用［J］. 经济地理，2007，27(1)：99-103.
［7］李丽，张海涛. 基于BP人工神经网络的小城镇生态环境质量评价模型［J］. 应用生态学报，2008，19(12)：2693-2698.
［8］杨娟，王昌全，李冰，等. 基于BP神经网络的城市边缘带土壤重金属污染预测——以成都平原土壤Cd为例［J］. 土壤学报，2007，44(3)：430-436.
［9］郭晓婷，朱岩. 基于遗传算法的进化神经网络［J］. 清华大学学报：自然科学版，2000，40(10)：116-119.
［10］周开利.神经网络模型及其MATLAB仿真程序设计［M］. 北京：清华大学出版社，2009：101-106.
［11］杨忠平，卢文喜，龙玉桥. 改进BP算法在城市土壤环境质量评价模型的应用［J］. 重庆大学学报：自然科学版，2010，32(2)：98-103，109.
［12］易飞. 智能优化算法的研究及其在电网规划中的应用［D］. 北京：华北电力大学，2009.
［13］刘宇颖. 细菌聚类算法及其在图像分割问题中的研究与应用［D］. 哈尔滨：哈尔滨工程大学，2011.

相似文献/References:

[1]施娴,刘艳红,袁玲.奶牛粪与化肥配施对菊苣土壤肥力的影响[J].江苏农业科学,2013,41(05):326.
　Shi Xian,et al.Effects of combination of dairy manure and chemical fertilizer on soil fertility of [WTBX]Cichorium intybus[J].Jiangsu Agricultural Sciences,2013,41(08):326.
[2]武玲,陆雅萍,丁泽华,等.草菇菌糠还田对大棚土壤肥力和黄瓜产量的影响[J].江苏农业科学,2013,41(05):372.
　Wu Ling,et al.Effects of mushroom substrate return to fields on soil fertility and cucumber yield in greenhouses[J].Jiangsu Agricultural Sciences,2013,41(08):372.
[3]刘亚柏.有机水稻—红花草轮作对有机稻产量及土壤肥力的影响[J].江苏农业科学,2014,42(12):72.
　Liu Yabo,et al.Effects of organic rice-clover rotation on yield and soil fertility of organic rice[J].Jiangsu Agricultural Sciences,2014,42(08):72.
[4]翟慧,李纪云.BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用[J].江苏农业科学,2013,41(07):383.
　Zhai Hui,et al.Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus[J].Jiangsu Agricultural Sciences,2013,41(08):383.
[5]钱亚明,吴伟民,赵密珍,等.江苏5个葡萄试验示范基地土壤肥力状况调查分析[J].江苏农业科学,2013,41(09):145.
　Qian Yaming,et al.Investigation and analysis of soil fertility in five grape pilot demonstration bases of Jiangsu Province[J].Jiangsu Agricultural Sciences,2013,41(08):145.
[6]王红君,张梦,赵辉,等.基于BP神经网络的温室黄瓜灌溉预测模型[J].江苏农业科学,2013,41(11):407.
　Wang Hongjun,et al.Irrigation forecast model of cucumber in greenhouse based on BP neural networks[J].Jiangsu Agricultural Sciences,2013,41(08):407.
[7]李子艺,王振锡,岳俊,等.基于BP神经网络的高光谱果树树种识别研究[J].江苏农业科学,2016,44(05):410.
　Li Ziyi,et al.Study on recognition of fruit tree with hyperspectral data based on BP neural network[J].Jiangsu Agricultural Sciences,2016,44(08):410.
[8]李学平,刘萍.深旋耕秸秆还田对内陆盐碱地土壤肥力和作物产量的效应[J].江苏农业科学,2016,44(01):133.
　Li Xueping,et al.Effects of deep rotary tillage and straw returning to field on soil fertility and crop yield of inland saline-alkali land[J].Jiangsu Agricultural Sciences,2016,44(08):133.
[9]马海姣,崔晨风.基于可见-近红外光谱和神经网络的土壤类型鉴别[J].江苏农业科学,2014,42(04):284.
　Ma Haijiao,et al.Identification of soil types based on visible-near infrared spectroscopy and neural networks[J].Jiangsu Agricultural Sciences,2014,42(08):284.
[10]林萍,陈永明.利用可见近红外光谱技术快速鉴别大米品种[J].江苏农业科学,2015,43(12):320.
　Lin Ping,et al.Fast discrimination of rice varieties based on visible near-infrared spectroscopy technology[J].Jiangsu Agricultural Sciences,2015,43(08):320.

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

文章信息/Info

参考文献/References:

相似文献/References:

备注/Memo

常用功能

导航/Navigate

工具/Tools

统计/Statistics