一种基于神经网络的土壤湿度预测方法

杨晓霞， 贾 嵩， 张承明， 程 清， 张 航

(1.山东农业大学信息科学与工程学院，山东泰安 271018； 2.山东省数字农业工程技术研究中心，山东泰安 271018；3.中国联通有限公司泰安市分公司，山东泰安 271000)

土壤湿度是陆地和大气能量交换过程中的重要因子，在农业中扮演着关键的角色[1]。作为植物生长必不可缺的养料[2]，土壤湿度是主导农作物长势及产量的最重要的因素之一，因此高质量的土壤湿度时序预测是指导农业生产的基本要求。

在时间序列数据预测方面，国内外学者做了大量的研究工作，提出了很多不同的预测方法。这些方法可以分为物理方法、统计学模型和人工智能方法等，不同方法各有其适用场合。物理学方法利用相关量进行时间序列预测，例如利用降水、径流、温度等物理量预测土壤湿度，李雨鸿等利用土壤湿度与气象因子、环流因子相关关系，甄选土壤相对湿度主要影响因子，建立回归方程预测土壤湿度，模型预测精度达到80%[3]；孙倩倩等基于东北地区近30年土壤湿度观测资料，采用CAST聚类方法进行土壤湿度区划，对各区域土壤湿度的时空变化特征展开分析，通过筛选对土壤湿度影响显著的关键因子，并利用他们建立多元线性回馈方程建立土壤湿度分区预报模型，该模型的预测误差低于13%[4]。这种物理学方法的预测依赖于与土壤湿度相关的数据，这些数据往往种类很多，并且有些数据难以获取。Ren等提出物理学模型的输出结果往往可以作为统计学模型的辅助输入数据[5]。……