凍融土壤Philip入滲模型參數(shù)的BP預(yù)報(bào)模型

李昊哲，樊貴盛

(太原理工大學(xué)水利科學(xué)與工程學(xué)院，太原 030024)

凍結(jié)土壤指的是溫度在0 ℃或0 ℃以下，并含有冰的各種巖土和土壤，一般分為短時(shí)凍土、季節(jié)性凍土以及多年凍土。其中季節(jié)性凍土指的是持續(xù)半年至數(shù)月的凍土，而我國(guó)有超過54%[1]的土地位于季節(jié)性凍土區(qū)。據(jù)調(diào)查，我國(guó)北方大部分地區(qū)的冬、春灌溉都是在凍融條件下進(jìn)行，為了確定合理的灌水技術(shù)參數(shù)和科學(xué)利用水資源，研究在凍融條件下水分的入滲特性便顯得必要。同時(shí)，凍融條件下水分的入滲特性的研究對(duì)綜合評(píng)價(jià)地表、地下水資源，高效利用土壤水資源具有有重要的意義。

多年來，學(xué)者們對(duì)于非凍融土壤的入滲過程、特性和模型進(jìn)行了大量的研究，相對(duì)而言對(duì)凍融土壤入滲的研究較少。凍融土壤入滲是指具有一定溫度的灌溉水垂直向下進(jìn)入凍融土壤的過程[2]。上世紀(jì)90年代以來，人們對(duì)凍融土壤的研究也在逐步深入，樊貴盛，鄭秀清[3]通過冬季大田耕作土壤的系列跟蹤試驗(yàn)，分析了凍融土壤的減滲機(jī)理和地下水埋深對(duì)凍融土壤水分入滲特性影響，得出凍融土壤的入滲能力隨地下水埋深的增加而增加的研究結(jié)論。Thunholm[4]等人對(duì)凍結(jié)黏土的土壤水分入滲特性進(jìn)行了研究分析。鄭秀清，陳軍鋒，邢述彥[5]針對(duì)不同的地表覆蓋對(duì)凍融土壤入滲能力及入滲參數(shù)進(jìn)行了研究，結(jié)果表明凍融土壤入滲能力主要受凍層的控制。彭振陽、黃介生[6]等研究了季節(jié)性凍融土壤水分運(yùn)動(dòng)規(guī)律，從定性和定量?jī)蓚€(gè)方面分析了潛水淺埋深條件下季節(jié)性凍融土壤水分運(yùn)動(dòng)的一般規(guī)律，表明凍結(jié)期內(nèi)土壤水分向上運(yùn)動(dòng)，潛水補(bǔ)給土壤水，消融期則以20～40cm深度為界，土壤水分向上下兩端運(yùn)動(dòng)。

土壤傳輸函數(shù)法是指利用易獲得的土壤基本理化參數(shù)，如土壤含水率、土壤容重、土壤有機(jī)質(zhì)等，預(yù)測(cè)土壤其他物理參數(shù)的方法。黃元仿[7]成功利用土壤理化參數(shù)估算了不同含水率或基質(zhì)勢(shì)下的土壤導(dǎo)水率。王志強(qiáng)[8]通過土壤基本物化參數(shù)，準(zhǔn)確估算飽和含水率、田間持水率等水力特征參數(shù)。也有人在土壤水分入滲參數(shù)預(yù)測(cè)方面應(yīng)用了土壤傳輸函數(shù)，如武雯昱[9]進(jìn)行了非凍融條件下土壤水分入滲Kostiakov模型參數(shù)的BP預(yù)報(bào)模型研究。Philip[10]入滲模型屬于半經(jīng)驗(yàn)半理論模型，其入滲公式形式簡(jiǎn)單，各參數(shù)的物理意義明確，被廣泛應(yīng)用于土壤入滲的研究和土壤一維垂直入滲過程的表述。而人們對(duì)于凍融土壤條件下，Philip入滲模型參數(shù)的預(yù)測(cè)還未曾有相關(guān)報(bào)道。本文基于BP神經(jīng)網(wǎng)絡(luò)的方法，對(duì)季節(jié)性凍融土壤水分入滲Philip模型參數(shù)進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)以凍融土壤基本理化參數(shù)為輸入變量，Philip入滲模型參數(shù)為輸出變量的土壤傳輸函數(shù)研究，為春、冬季凍融土壤的灌溉提供依據(jù)，以達(dá)到冬季儲(chǔ)水灌溉節(jié)約用水，提高水資源利用率的目的。

1 試驗(yàn)材料與方法

1.1 試驗(yàn)條件

本文所涉及的土壤水分大田入滲試驗(yàn)在中國(guó)北方地區(qū)的山西省汾河灌區(qū)進(jìn)行。試驗(yàn)區(qū)處于汾河灌區(qū)最下游，屬大陸性半干旱季風(fēng)氣候區(qū)，年平均氣溫10.43 ℃，最高氣溫39.5 ℃，最低氣溫-28.2 ℃；年際降雨量453 mm，年際變化大；試驗(yàn)區(qū)土壤從11月到次年3月屬于凍融土壤，1月份最冷，3月份開始解凍，最大凍土深度達(dá)95 cm。

試驗(yàn)區(qū)屬?zèng)_積平原地貌，地形平緩。土壤母質(zhì)為汾河沖洪沉積物，土壤類型為淺色草甸土，地下水埋深在1.0～3.5 m，耕層深度為15～22 cm，耕作層土壤密度為1.00～1.46 g/cm3，犁底層土壤密度為1.383 g/cm3，土壤有機(jī)質(zhì)含量為1.15%左右，耕作層黏粒含量13%左右，粉粒含量65%左右，屬粉沙質(zhì)壤土。

1.2 試驗(yàn)儀器與方法

本次大田入滲試驗(yàn)主要利用雙套環(huán)入滲儀進(jìn)行，其中外環(huán)直徑60.0 cm，內(nèi)環(huán)直徑26.0 cm，內(nèi)外環(huán)高度均為25cm。由于凍結(jié)土壤比較嚴(yán)實(shí)，在冬季無法將入滲環(huán)打入土壤中。為解決這一問題，試驗(yàn)中加工了百余套雙套環(huán)入滲內(nèi)環(huán)，并將其在地表封凍前一次性預(yù)埋在試驗(yàn)地塊，下環(huán)深度20 cm到達(dá)犁底層。入滲水量采取人工分時(shí)段量筒計(jì)量加水，非凍融期的土壤水分達(dá)到穩(wěn)滲狀態(tài)的時(shí)間一般在60 min左右，但由于凍融期土壤入滲速率較慢，入滲達(dá)到穩(wěn)定的時(shí)間將比非凍融期長(zhǎng)，為保證入滲過程的完整性，確保試驗(yàn)成功，本試驗(yàn)水分穩(wěn)定入滲的時(shí)間取90 min。試驗(yàn)中整個(gè)入滲過程用水均采用水井清水，水溫在4～9 ℃。

土壤的常規(guī)理化性質(zhì)參數(shù)包括土壤含水率、土壤干密度、土壤質(zhì)地、土壤有機(jī)質(zhì)含量、氣溫以及分層地溫等。土壤含水率測(cè)定用傳統(tǒng)烘干稱重法測(cè)量獲得；土壤干密度通過臘封法進(jìn)行測(cè)定得到；土壤質(zhì)地通過篩分+比重計(jì)法得到篩分曲線，然后分析土壤的顆粒級(jí)配，進(jìn)而確定土壤質(zhì)地；試驗(yàn)點(diǎn)土壤有機(jī)質(zhì)含量的測(cè)定是利用化學(xué)的方法通過重鉻酸鉀容量法來測(cè)定；氣溫采用試驗(yàn)站氣象設(shè)施觀察得到，分層地溫采用預(yù)埋的熱敏電阻獲得。

1.3 建模樣本

根據(jù)大田凍融土壤的系列入滲試驗(yàn)得到累積入滲量I與入滲歷時(shí)t的對(duì)應(yīng)關(guān)系，由Philip入滲公式I=St0.5+At，擬合出參數(shù)S和A。根據(jù)系列試驗(yàn)組數(shù)擬合得到130組累積入滲量I、Philip入滲模型參數(shù)S和A，見表1。

表1 凍融土壤Philip入滲模型中的參數(shù)值

與上述120組累積入滲量I、入滲模型參數(shù)S和A相對(duì)應(yīng)的土壤基本理化參數(shù)見表2。

表2 凍融土壤理化參數(shù)

由表1和表2的入滲模型參數(shù)和土壤基本理化參數(shù)共同構(gòu)成建模數(shù)據(jù)樣本。在120組樣本中，選取113組作為建模訓(xùn)練樣本，7組作為所建預(yù)測(cè)模型的檢驗(yàn)樣本。

1.4 BP神經(jīng)網(wǎng)絡(luò)方法

人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，是一種模擬生物神經(jīng)網(wǎng)絡(luò)，對(duì)各類信息進(jìn)行處理的數(shù)學(xué)運(yùn)算模型。人工神經(jīng)網(wǎng)絡(luò)以其特有的對(duì)非線性信息的處理能力，使得它在各個(gè)領(lǐng)域都解決了很多實(shí)際問題。而在眾多人工神經(jīng)網(wǎng)絡(luò)模型中，BP神經(jīng)網(wǎng)絡(luò)因?yàn)槠渚哂薪Y(jié)構(gòu)簡(jiǎn)單、可操作性強(qiáng)、有較強(qiáng)的自學(xué)習(xí)能力等優(yōu)點(diǎn)，是目前研究最為成熟、應(yīng)用最為廣泛的人工神經(jīng)網(wǎng)絡(luò)模型。

BP神經(jīng)網(wǎng)絡(luò)是具有輸入層、隱含層和輸出層的3層神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)示意見圖1。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

隱含層的個(gè)數(shù)可以為多個(gè)，本文選取只含有1個(gè)隱含層的3層BP神經(jīng)網(wǎng)絡(luò)。

本文借助于計(jì)算機(jī)編程語言，利用matlab 7.0實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)模型的建立，利用神經(jīng)網(wǎng)絡(luò)工具箱中的newff函數(shù)進(jìn)行建模，同時(shí)選取trainlm算法對(duì)所選取的數(shù)據(jù)樣本進(jìn)行分析處理。

由于BP神經(jīng)網(wǎng)絡(luò)神經(jīng)元的響應(yīng)函數(shù)為Sigmoid函數(shù)，要求輸出輸入變量的值為(-1，1)，這就要求在將樣本數(shù)據(jù)導(dǎo)入到神經(jīng)網(wǎng)絡(luò)模型之前，需要對(duì)數(shù)據(jù)樣本進(jìn)行歸一化處理，本文選取如下公式進(jìn)行：

(1)

同時(shí)，根據(jù)數(shù)據(jù)樣本的特點(diǎn)，本文隱含層的激活函數(shù)選tansig函數(shù)，輸出層的激活函數(shù)選擇purelin函數(shù)。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的學(xué)習(xí)率一般取值為0.01～0.80；BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最大學(xué)習(xí)迭代次數(shù)一般取值為1 500～3 000；BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練要求精度一般取值為0.001～0.000 01。

2 輸入、預(yù)測(cè)變量的確定

2.1 預(yù)測(cè)變量

本文基于大田耕作凍融土壤水分入滲資料，借助于BP神經(jīng)網(wǎng)絡(luò)的方法，就Philip入滲模型參數(shù)進(jìn)行預(yù)測(cè)。Philip入滲模型如下：

I=St0.5+At

(2)

式中：I為累積入滲量，cm，與入滲時(shí)間有關(guān)；A為土壤的相對(duì)穩(wěn)定入滲率，接近土壤的飽和水力傳導(dǎo)度，cm/min；S為吸滲率，在數(shù)值上等于第1個(gè)單位時(shí)段末的累積入滲量減去穩(wěn)滲率A后的值，cm/min0.5；t為入滲時(shí)間min。

利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行預(yù)報(bào)時(shí)，吸滲率S和穩(wěn)滲率A為預(yù)測(cè)參數(shù)，即為本文BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸出參數(shù)。

2.2 預(yù)測(cè)模型的輸入變量

2.2.1 預(yù)測(cè)變量吸滲率S的輸入變量

據(jù)有關(guān)學(xué)者的研究影響吸滲率S的因素有土壤含水率、耕作層土壤質(zhì)地、土壤密度、土壤溫度、當(dāng)?shù)貧鉁匾约肮喔扔盟乃疁氐萚10]。

為保證預(yù)測(cè)的精度，在選取預(yù)測(cè)模型的輸入?yún)?shù)時(shí)應(yīng)選擇對(duì)輸出變量影響較大的因子。由于吸滲率S在數(shù)值上接近于第1個(gè)單位時(shí)段末(1 min)的累積入滲量，且凍土入滲時(shí)，入滲速度小，濕潤(rùn)鋒推進(jìn)緩慢，故S應(yīng)只與地表表層的土壤理化指標(biāo)有關(guān)，這里取0～10 cm的土壤理化指標(biāo)作為輸入變量。

在土壤結(jié)構(gòu)和質(zhì)地條件相同的情況下，表層土壤含水率決定著第1個(gè)時(shí)段末的累積入滲量，即影響著S的取值。對(duì)于凍結(jié)土壤來說，含水率越大，則說明土壤中積冰量越大，將導(dǎo)致土壤連通性較差，第1個(gè)單位時(shí)段末的累積入滲量越小。

土壤質(zhì)地是土壤固相物質(zhì)各粒級(jí)土粒的配合比例。它通過改變土粒的表面能、土壤孔隙度和分布來影響土壤水分運(yùn)動(dòng)和水力傳導(dǎo)度，進(jìn)而影響土壤水分入滲能力，一般用土壤中黏粒、粉粒及沙粒的百分含量來表征土壤質(zhì)地。其中黏粒含量越高，質(zhì)地越重，土壤顆粒的吸附能力就越強(qiáng)，孔隙越細(xì)小，導(dǎo)致同樣時(shí)間內(nèi)水分通量減小，土壤水分的入滲速度減小。

由于考慮的是凍結(jié)土壤，土壤溫度作為結(jié)冰量的直接因素，對(duì)凍融土壤的水分入滲有著極大的影響。土壤溫度越低，土壤中的含冰量就越高，直接導(dǎo)致土壤導(dǎo)水能力降低。且已有研究表明，地表下5 cm的土壤溫度最能表征對(duì)土壤入滲的入滲影響。為保證數(shù)據(jù)的非負(fù)性，本次試驗(yàn)溫度用開爾文溫度表示，開爾文溫度是以絕對(duì)零度作為計(jì)算起點(diǎn)的溫度，常用符號(hào)T表示，單位為開爾文K，其中T=t+273.15(t是攝氏溫度的符號(hào))。

對(duì)于凍結(jié)土壤，灌溉水溫越高，灌溉過程中越會(huì)融化土壤中的冰塊，改變土壤凍結(jié)量，土壤凍結(jié)量變化會(huì)影響到土壤結(jié)構(gòu)，從而影響到土壤水分的入滲。

所以最后確定土壤含水率θ1(0～10 cm)、耕作層(0～10 cm)黏粒含量w1、耕作層(0～10 cm)粉粒含量w2、耕作層(0～10 cm)土壤密度γ0、試驗(yàn)時(shí)土壤5 cm深度處溫度T1以及灌溉用水的水溫T2作為吸滲率S的預(yù)測(cè)輸入?yún)?shù)，即吸滲率S的輸入變量。

2.2.2 預(yù)測(cè)變量穩(wěn)滲率A的輸入變量

據(jù)有關(guān)學(xué)者的研究影響穩(wěn)定入滲率A的因素有土壤含水率、耕作層土壤質(zhì)地、土壤密度、土壤溫度、當(dāng)?shù)貧鉁匾约肮喔扔盟乃疁氐萚12]。

由于凍融土壤的入滲速率較慢，在90 min內(nèi)入滲可以達(dá)到穩(wěn)定狀態(tài)，但此時(shí)的濕潤(rùn)鋒應(yīng)當(dāng)在20 cm內(nèi)，所以在選取預(yù)測(cè)模型的輸入?yún)?shù)時(shí)，只取0～20 cm的土壤理化參數(shù)和溫度作為輸入?yún)?shù)。各變量的影響機(jī)理與吸滲率S相同。

凍結(jié)土壤中，隨著土壤含水率的增高，土壤中的積冰量越多，導(dǎo)致其中的孔隙體積越小，持續(xù)影響著土壤入滲過程，對(duì)土壤的穩(wěn)滲率也有較大影響。

土壤溫度、土壤有機(jī)質(zhì)、土壤質(zhì)地、灌溉水溫對(duì)穩(wěn)滲率的影響與其對(duì)吸滲率的影響機(jī)理相同。

穩(wěn)滲率A除受表層土壤的理化參數(shù)影響外，與犁底層的基本理化參數(shù)也有關(guān)系，本次試驗(yàn)選取0～10 cm土壤含水率θ1、10～20 cm土壤含水率θ2、耕作層(0～20 )黏粒含量w1、耕作層(0～20 )粉粒含量w2、0～10 cm土壤密度γ0、10～20 cm土壤密度γ1、試驗(yàn)時(shí)土壤5 cm深度處溫度T1以及灌溉用水的水溫T2作為穩(wěn)滲率A的預(yù)測(cè)參數(shù)，即穩(wěn)滲率A的輸入變量。

3Philip入滲模型參數(shù)BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型的建立

3.1 模型結(jié)構(gòu)

采用Matlab 7.0建立BP模型結(jié)構(gòu)如下：

net=

newff(minmax(traininput),[m,1],{'tansig','purelin'},'trainlm')

式中：newff為建立前饋神經(jīng)網(wǎng)絡(luò)的函數(shù)；traininput為模型的輸入樣本；minmax(traininput)為樣本的范圍；m指隱含層的神經(jīng)元節(jié)點(diǎn)個(gè)數(shù)，本文在預(yù)測(cè)吸滲率S時(shí)，試算確定的節(jié)點(diǎn)數(shù)為1，預(yù)測(cè)穩(wěn)滲率A時(shí)，試算確定的節(jié)點(diǎn)數(shù)為1； tansig為隱含層的激活函數(shù)；purelin為輸出層的激活函數(shù)；trainlm為BP神經(jīng)網(wǎng)絡(luò)的反向傳播訓(xùn)練函數(shù)。

將樣本輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練經(jīng)過迭代后收斂，并且網(wǎng)絡(luò)完全準(zhǔn)確地識(shí)別了學(xué)習(xí)樣本，建立了輸入?yún)?shù)與輸出參數(shù)之間復(fù)雜的非線性映射關(guān)系。訓(xùn)練結(jié)果如下：

A=purelin[iw2×(tansigiw1×F+b1)]+b2

S=purelin[iw2×(tansigiw1×E+b1)]+b2

F=[θ1，θ2，w1，w2，γ0，γ1，T1，T2]

E=[θ1，w1，w2，γ0，T1，T2]

式中：iw2為模型隱含層到輸出層的權(quán)值；iw1為模型輸入層到隱含層的權(quán)值；b1為模型輸入層到隱含層的閾值；b2為模型隱含層到輸出層的閾值。

3.2 Phillip入滲模型參數(shù)的預(yù)測(cè)

基于對(duì)入滲公式參數(shù)實(shí)測(cè)數(shù)據(jù)的分析以及大量的試算工作最后確定各預(yù)測(cè)參數(shù)的訓(xùn)練參數(shù)。

對(duì)于吸滲率S， BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的學(xué)習(xí)率設(shè)定為0.01；BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最大學(xué)習(xí)迭代次數(shù)設(shè)定為1 500；BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練要求精度設(shè)定為0.000 1；隱含層節(jié)點(diǎn)數(shù)最后經(jīng)過試算確定為25。最后當(dāng)計(jì)算步數(shù)為257時(shí)，訓(xùn)練精度達(dá)到要求，訓(xùn)練結(jié)束。訓(xùn)練值見表3。

表3 吸滲率S的預(yù)測(cè)模型數(shù)值

對(duì)于穩(wěn)滲率A，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的學(xué)習(xí)率設(shè)定為0.01；BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最大學(xué)習(xí)迭代次數(shù)設(shè)定為1 500；BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練要求精度設(shè)定為0.000 01；隱含層節(jié)點(diǎn)數(shù)最后經(jīng)過試算確定為11。最后當(dāng)計(jì)算步數(shù)為128時(shí)，訓(xùn)練精度達(dá)到要求，訓(xùn)練結(jié)束。訓(xùn)練值見表4。

根據(jù)BP網(wǎng)絡(luò)模型對(duì)土壤水分入滲參數(shù)的預(yù)測(cè)得到穩(wěn)滲率A和吸滲率S的預(yù)測(cè)值，與實(shí)測(cè)值進(jìn)行比較，計(jì)算絕對(duì)誤差與相對(duì)誤差，結(jié)果見表5。

表4 穩(wěn)滲率A的預(yù)測(cè)數(shù)值

表5 A、S誤差分析

由表5可知，穩(wěn)滲率A預(yù)測(cè)值與實(shí)測(cè)值的絕對(duì)誤差平均值為0.001 0 cm/min，最大值為0.005 6 cm/min，最小值為0；相對(duì)誤差的平均值為6.390%，最大值為16.008%，最小值為0.229%。吸滲率S預(yù)測(cè)值與實(shí)測(cè)值的絕對(duì)誤差平均值為0.002 1 cm/min0.5，最大值為0.040 4 cm/min0.5，最小值為0；相對(duì)誤差的平均值為0.723%，最大值為11.195%，最小值為0.001%。誤差完全在可接受的范圍之內(nèi)。由此可見，基于Philip半經(jīng)驗(yàn)半理論土壤水分模型建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型有較高的可信度。

3.3 90 min累積入滲量的綜合誤差分析

根據(jù)預(yù)測(cè)所得的2個(gè)土壤水分入滲參數(shù)A和S，并將其代入得到Phillip入滲公式的表達(dá)式，求出90 min累積入滲量I90的預(yù)測(cè)值，與113組樣本實(shí)測(cè)值相比較，分析其絕對(duì)誤差與相對(duì)誤差見表6。

由表6可知，90 min累積入滲量的絕對(duì)誤差平均值為0.097 4 cm，最大值為0.537 2 cm，最小值為0.001 6 cm；相對(duì)誤差的平均值為2.165%，最大值為8.990%，最小值為0.022%，誤差完全在可接受的范圍之內(nèi)，與A和S值的誤差相當(dāng)。由此表明所建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型具有較高的精度。

表6 I90誤差分析 cm

3.4 模型檢驗(yàn)

用試驗(yàn)預(yù)留的7組數(shù)據(jù)檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)精度，結(jié)果見表7。

由表7可知，對(duì)于吸滲率S的相對(duì)誤差最大值為0.363%，最小值為0.004%，平均值為0.121%；穩(wěn)滲率A的相對(duì)誤差最大值為5.453%，最小值為0.229%，平均值為2.548%；90 min累積入滲量I90的相對(duì)誤差最大值為2.914%，最小值為0.022%，平均相對(duì)誤差為0.980%。實(shí)例檢驗(yàn)結(jié)果表明Philip入滲模型的2個(gè)入滲參數(shù)的相對(duì)誤差小，精度較高，應(yīng)用所建立的BP預(yù)測(cè)模型能獲得較好的效果。

表7 檢驗(yàn)結(jié)果

4 結(jié) 論

本文建立的基于BP神經(jīng)網(wǎng)絡(luò)模型的土壤水分入滲參數(shù)預(yù)測(cè)模型可以較好地反映Philip模型中入滲參數(shù)與多種影響因素之間的復(fù)雜的非線性關(guān)系，穩(wěn)滲率A、吸滲率S和土壤水分累積入滲量I90綜合影響的相對(duì)誤差平均值分別為6.390%、0.723%和2.165%，相應(yīng)的應(yīng)用結(jié)果誤差的平均值分別為2.548%、0.121%和0.980%，誤差都在理想精度范圍內(nèi)，說明利用凍融土壤基本理化參數(shù)對(duì)入滲參數(shù)的預(yù)測(cè)是可行的，所建模型能較好預(yù)測(cè)出土壤水分入滲參數(shù)，可以為春、冬季凍融土壤的灌溉提供有力的技術(shù)支撐，同時(shí)，在一定程度上豐富了土壤傳輸函數(shù)的理論成果。

本文成功利用土壤傳輸函數(shù)法對(duì)凍融土壤的水分入滲參數(shù)作出預(yù)報(bào)，所選擇的輸入變量獲得了滿意的結(jié)果。經(jīng)過反復(fù)試算，確定用土壤含水率、密度、質(zhì)地、溫度以及灌溉水溫等參數(shù)對(duì)Philip土壤入滲模型參數(shù)S、A進(jìn)行預(yù)測(cè)是可行的。

本文受試驗(yàn)驗(yàn)條件的限制，樣本的數(shù)量和土壤的代表性不是十分的滿意，在以后的研究中需在樣本的擴(kuò)大和土壤的代表定方面強(qiáng)化。

[1] 徐學(xué)祖,鄧友生.凍土中水分遷移的實(shí)驗(yàn)研究[M].北京:科學(xué)出版社,1991.

[2] 樊貴盛,鄭秀清.水分在季節(jié)性非飽和凍融土壤中的運(yùn)動(dòng)[M].北京:地質(zhì)出版社,2002.

[3] 樊貴盛,鄭秀清,賈宏驥.季節(jié)性凍融土壤的凍融特點(diǎn)和減滲特性的研究[J].土壤學(xué)報(bào),2002,37(1):25-27.

[4] Thunholm B, L Lundin. Infiltration into frozen heavy clay soil[J].Nordic Hydrology,1989,20(3):153-166.

[5] 鄭秀清,陳軍鋒,邢述彥.不同地表覆蓋下凍融土壤入滲能力及入滲參數(shù)[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(11):22-28.

[6] 彭振陽,黃介生.季節(jié)性凍融土壤水分運(yùn)動(dòng)規(guī)律[J].武漢大學(xué)學(xué)報(bào)(工學(xué)版),2011,44(6):696-697.

[7] 黃元仿,李韻珠.土壤水力性質(zhì)的估算----土壤轉(zhuǎn)換函數(shù)[J].土壤學(xué)報(bào),2002,39(4):517-522.

[8] 王志強(qiáng),劉廷璽.寒冷干旱區(qū)土壤水力特性參數(shù)的模擬估算[J].沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào),2004,35(5):426-428.

[9] 武雯昱,樊貴盛.基于Phillip入滲模型的土壤水分入滲參數(shù)BP預(yù)報(bào)模型[J].節(jié)水灌溉,2015,(10):25-29.

[10] Philip J R．The theory of infiltration about sorptivity and algebraic infiltration equations[J]. Soi. Sci., 1957,84(4)：257-264．

[11] 付秋萍,王全九.Philip公式確定吸滲率時(shí)間尺度研究[J].干旱地區(qū)農(nóng)業(yè)研究,2009,27(4):65-70.

[12] 毛曉敏,尚松浩.計(jì)算層狀土穩(wěn)定入滲率的飽和層最小通量法[J].水利學(xué)報(bào),2010,41(7):810-816.

[13] 雷國(guó)慶，樊貴盛. 凍融條件下土壤水分入滲參數(shù)BP預(yù)報(bào)模型[J]. 中國(guó)農(nóng)村水利水電，2016,(2):17-20.