...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Soil Research >Application of neural network and grey relational analysis in ranking the factors affecting runoff and sediment yield under simulated rainfall
【24h】

Application of neural network and grey relational analysis in ranking the factors affecting runoff and sediment yield under simulated rainfall

机译：神经网络和灰色关联分析在模拟降雨条件下径流产沙量排序中的应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Soil erosion is a dynamic environmental process that influenced by multiple factors. However, most previous studies only examined the causative factors without ranking their relative importance or examining the individual factors. In this work, back-propagation (BP) neural network modelling and grey relational analysis were used to rank the effects of 7 factors-vegetation growth stage (VGS), vegetation type (VT), vegetation cover (VC), rainfall intensity (RI), rainfall duration (RD), antecedent soil moisture (ASM) and slope gradient (SG)-on total runoff (TR) and total sediment (TS) following simulated rainfall events at 5 intensities (30, 45, 60, 90, 120mmh(-1)). The experimental plots including 4 treatments, bare soil (control), ryegrass (Lolium perenne L.), purple medic (Medicago sativa L.) and spring wheat (Triticum aestivum L.) under 4 different slopes (9%, 18%, 27.8%, 36.4%). BP models were constructed to predict TR and TS; their predictions tracked the experimental data very closely. A factor analysis based on the BP models ranked the influence of the 7 factors on TR and TS as RI > VC > ASM > RD > VGS > VT > SG and RI > VC > SG > ASM > RD > VGS > VT, respectively. Grey relational analysis provided similar results, ranking the effects of these factors on TR and TS in the order RI > VC > ASM > RD > SG > VGS > VT and RI > VC > SG > ASM > RD > VT > VGS, respectively. These results indicate that runoff and sediment yield depend most strongly on RI and VC, while the effects of the other factors are less pronounced.
机译：土壤侵蚀是一个受多种因素影响的动态环境过程。但是，大多数先前的研究仅检查了致病因素，没有对它们的相对重要性进行排名或检查各个因素。在这项工作中，使用了反向传播（BP）神经网络建模和灰色关联分析来对7个因素的影响进行排序-植被生长阶段（VGS），植被类型（VT），植被覆盖率（VC），降雨强度（RI） ），降雨持续时间（RD），先行土壤湿度（ASM）和坡度梯度（SG）-在5种强度（30、45、60、90、120mmh）下模拟降雨事件后的总径流量（TR）和总沉积物（TS） （-1））。实验地块包括4种处理方法，分别在4个不同的坡度（9％，18％，27.8）下进行，分别为裸露土壤（对照），黑麦草（黑麦草），紫色军医（Medicago sativa L.）和春小麦（Triticum aestivum L.）。 ％，36.4％）。建立了BP模型来预测TR和TS;他们的预测非常紧密地跟踪了实验数据。基于BP模型的因素分析将这7个因素对TR和TS的影响分为RI> VC> ASM> RD> VGS> VT> SG和RI> VC> SG> ASM> RD> VGS> VT。灰色关联分析提供了相似的结果，分别以RI> VC> ASM> RD> SG> VGS> VT和RI> VC> SG> ASM> RD> VT> VGS的顺序排列这些因素对TR和TS的影响。这些结果表明，径流和沉积物产量主要取决于RI和VC，而其他因素的影响不太明显。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号