人工神經(jīng)網(wǎng)絡(luò)在會同杉木林生態(tài)系統(tǒng)徑流和蒸散模擬中的應(yīng)用.pdf

1、森林水循環(huán)是森林生態(tài)系統(tǒng)中連接生物與生物化學過程的一個重要生態(tài)系統(tǒng)功能。由于自然或者人為因為導致的森林結(jié)構(gòu)和功能的改變,使得森林水循環(huán)和水平衡也發(fā)生了改變。進一步了解森林生態(tài)系統(tǒng)中森林結(jié)構(gòu)和森林水循環(huán)的關(guān)系,對有效的管理森林水資源具有重要意義。杉木是一種生長在亞熱帶地區(qū)的速生樹種,在我國亞熱帶地區(qū)分布面積廣泛。由于其材質(zhì)優(yōu)良而成為我國南方的主要用材林樹種,在我國的國民經(jīng)濟中發(fā)揮著重要作用。
　　 徑流量和蒸散量是森林生念系統(tǒng)水循

2、環(huán)和水量平衡中的兩個重要參數(shù)。對徑流量和蒸散量建模,在生態(tài)系統(tǒng)水文研究中具有十分重要的意義。本研究根據(jù)湖南會同杉木人工林生態(tài)系統(tǒng)國家野外觀測研究站1988年1月至2007年12月的氣象和水文觀測數(shù)據(jù),采用BPNN和GNN神經(jīng)網(wǎng)絡(luò)模型分別預測和模擬會同杉木人工林第Ⅱ和第Ⅲ集水區(qū)的月蒸散量和月徑流量。得到了以下主要研究結(jié)果:
　　 (1)在對徑流量和蒸散量的模擬中,BPNN模型在不同的訓練階段時的R2值的范圍在0.8523到0.96

3、51之間變動,而在檢驗階段時的R2值卻降低到0.7960到0.8577之間。GNN模型的訓練和模擬結(jié)果相對BPNN模型要穩(wěn)定一些,其R2值在0.6572到0.8724之間。
　　 (2)將BPNN和GNN模型的結(jié)果與傳統(tǒng)的統(tǒng)計學模型進行對比。傳統(tǒng)統(tǒng)計學模型平均錯誤系數(shù)的絕對值在17.5到17.8之間,GNN模型的平均錯誤系數(shù)只有11.9到14.3之間,而BPNN模型的平均錯誤系數(shù)在12.6到19.2之間。
　　 (3)B

4、PNN和GNN神經(jīng)網(wǎng)絡(luò)模型對蒸散量預測模擬的月變化都在6月份出現(xiàn)最大值(觀測值為147.76mm,GNN模擬值為174.36mm,BPNN模擬值為192.97mm),12月份出現(xiàn)最小值(觀測值為23.15mm,GNN模擬值為27.70mm,BPNN模擬值為23.29mm)。在年變化上,實測年蒸散量為667-1006mm,各年蒸散量的平均值為831mm；利用GNN模型估算的年蒸散量最小值為653,最大值為1077mm,年均蒸散量為828m