基于MEA-BPNN-F模型的土壤有机质空间分布预测

作     者：张军 江叶枫 孙凯 郭熙 叶英聪 ZHANG Jun JIANG Ye-feng SUN Kai GUO Xi YE Ying-eong

作者机构：江西省煤田地质局测绘大队江西南昌330001 江西农业大学国土资源与环境学院/江西省鄱阳湖流域农业资源与生态重点实验室江西南昌330045 江西农业大学林学院江西南昌330045 

出 版 物：《江西农业学报》 (Acta Agriculturae Jiangxi)

年 卷 期：2017年第29卷第7期

页      面：79-85页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(41361049) 江西省自然科学基金项目(20122BAB204012) 江西省赣鄱英才"555"领军人才项目(201295) 

主　　题：土壤有机质 思维进化算法 四方位搜索法 BP神经网络 空间分布预测 

摘      要：以江西省万年县为例,根据万年县测土配方数据,构建以思维进化算法、BP神经网络、四方位搜索法三者结合的模型(MEA-BPNN-F模型),同时加入高程和坡度信息来预测万年县耕地土壤有机质的空间分布,并与普通克里金法(OK模型)、以地理坐标为输入的BP神经网络模型(BPNN-G模型)、以高程和坡度作为辅助变量同时利用四方位搜索法加入邻近信息的BP神经网络模型(BPNN-F模型)进行比较。结果表明:4种模型的预测精度表现为MEA-BPNNFBPNN-FBPNN-GOK。应用MEA-BPNN-F模型预测精度最高、效果最好,比较符合土壤有机质地学运动规律及实际情况。该模型克服了BP神经网络全局搜索能力差和收敛速度慢的缺点,提高了BP神经网络的泛化能力。