土壤水分动态模拟模型及其应用

土壤水是联系地表水和地下水的纽带，是农作物、林草等植物耗水的主要来源，同时与土壤中的盐分、污染物运移密切相关。因此土壤水分与水文循环、植物耗水及生长、土壤及地下水环境等有密切的关系，土壤水动态变化规律是水文学、土壤学、农田水利学、生态学等学科共同关注的领域。本书系统总结了作者10余年来在土壤水动态模拟模型及其应用方面所取得的研究成果。主要模型包括指数消退模型、人工神经网络模型、水量平衡模型、冻融期土壤水热耦合传输模型、SPAC水热耦合传输模型等。本书可作为水文学、土壤学、气象学、农业水土工程等学科研究生的教学参考书，也可供相关专业技术人员参考。  

本书系统总结了作者十余年来在土壤水分动态模拟模型及其应用方面的研究成果，主要模型包括指数消退模型、人工神经网络模型、水量平衡模型、冻融期土壤水热耦合传输模型、土壤－植物－大气连续体（SPAC）水分运移模型、SPAC水热耦合传输模型，主要应用领域包括土壤水分动态变化过程模拟分析、农田水分消耗与转化规律分析、农田水分合理调控与优化灌溉制度等。
本书可作为水文学、土壤学、气象学、农业水土工程等学科研究生的教学参考书，也可供相关专业技术人员参考。

第3章 土壤水分模拟的BP网络模型及其应用
第2章建立的土壤水分动态指数消退模型考虑了土壤水分消退指数随时间的变化。事实上，决定土壤水分消退过程的蒸散发、下边界水分通量等与气象、土壤水分等因子之间存在较为复杂的非线性关系，致使土壤水分变化规律也比较复杂。人工神经网络中的前馈型反向传播网络（BP网络）具有较强的自学习能力和处理非线性问题能力，近年来在有关工程领域得到了广泛的应用。本章建立了土壤水分状况与其主要影响因素间的BP网络模型（尚松浩等，2002），利用田间试验资料对模型进行了率定和检验，表明BP网络用于土壤水分动态模拟及预报是可行的。
　　3.1　BP网络与BP算法
　　3.1.1　人工神经网络及其特点
　 人工神经网络（artificial neural network，ANN）理论是人工智能研究的一个重要领域。ANN是模拟人脑神经网络结构与功能特征的一种非线性信息并行处理系统，是由大量的处理单元（人工神经元）相互连接而成的网络。ANN具有自学习、自适应、自组织等特性，目前已在系统预测、系统优化、模式识别、数据挖掘等领域得到了广泛的应用。
　……