基于BP神经网络和粒子群优化算法的林木蒸腾耗水模型

摘要

为了量化和模拟林木蒸腾耗水量，应用热扩散茎流计，结合气象因子的同步测定，对林木耗水特征及其影响因素进行了分析，并采用BP神经网络和粒子群优化算法（PSO），对宁夏河东沙区丝绵木蒸腾耗水量进行模拟。结果表明，太阳辐射、气温、饱和水汽压差和相对湿度是林木蒸腾耗水量的主要影响因素，选择这些主要影响因素作为模型的输入变量；基于BP神经网络和PSO-BP神经网络建立的林木蒸腾耗水模型模拟精度均在0.77以上；与BP神经网络模型相比，PSO-BP神经网络模型的决定系数提高了11.69%，纳什效率系数提高了17.81%，平均绝对误差降低了20.00%。可见，PSO-BP神经网络模型能更好地反映林木蒸腾耗水量与气象因子之间的联系，具有较好的学习效率、稳定性和预测准确性，对神经网络预测模型的广泛应用具有重要意义。

关键词

林木 / 蒸腾耗水 / BP神经网络 / 粒子群优化算法 / 宁夏