支持向量机的盐碱土壤Philip入渗模型参数预测研究

程诗念，樊贵盛

(太原理工大学水利科学与工程学院，太原 030024)

随着人口的增长和经济的发展，盐碱地的开发利用越来越受到各学者的关注。在广大科技工作者的不断探索与努力下，关于盐碱地的改良已积累了丰富经验，但冲洗方法是主要措施之一。郑普山、郝保平[1]等通过野外试验与室内分析，探究了不同改良剂对盐碱土壤理化性状的影响，进而影响入渗能力或参数。谭丹、谭芳[2]对冲洗条件下盐碱土壤水盐运移进行了模拟得到了盐碱地改良下的优化配水方式。黄圣楠、陈刚[3]等利用一维圆柱形渗流柱，在人为降雨、淋滤条件下，对土壤排盐过程中水盐运移特性进行了研究。目前，关于盐碱地的改良主要分为物理措施、化学措施、生物措施以及相结合的综合措施[4]。其中，因物理方法操作简单、取材容易、投入低下而得到广泛推广，其土壤水动力学原理是通过改变土壤物理性状来调控土壤水盐运移，从而提高入渗淋盐效果，达到降低土壤盐分的目的。因此，盐碱地土壤水分入渗的研究对指导盐碱地的改良意义重大，盐碱土壤入渗参数的准确获取成为改良盐碱地的关键。

支持向量机(Support Vector Machine，SVM)是一种基于结构风险最小化原理的机器学习方法，能在模型的复杂性与学习能力之间找到一个最优折衷，使结构风险最小化，从而获得最佳泛化能力，与模糊逻辑法、人工神经网络等方法相比，在很多方面都表现出其特有的优势，因而备受各学者关注。……