基于支持向量機的凍融土壤入滲參數(shù)預測

李昊哲　樊貴盛

摘要：以提高凍融條件下農田土壤灌溉水利用率為目的，基于汾河灌區(qū)凍融期內土壤入滲試驗，運用支持向量機理論，建立了以凍融條件下土壤含水率、質地、容重、地溫和灌溉水溫為輸入變量，Kostiakov入滲模型參數(shù)k、a為輸出變量的支持向量機回歸預測模型。預測模型誤差分析表明：入滲系數(shù)k與入滲指數(shù)a的訓練樣本相對誤差與檢驗樣本相對誤差都控制在10%以內，將k與a代入Kostiakov入滲模型得到的90 min累計入滲量，Ian的相對誤差平均值為5.81%。說明凍融土壤條件下，基于支持向量機理論的Kostiakov入滲模型參數(shù)的預測是可行的。

關鍵詞：支持向量機；凍融土壤；Kostiakov入滲模型；土壤理化參數(shù)

土壤水分入滲是地表水轉化為土壤水的途徑，是自然界中降水、地表水、土壤水和地下水相互轉化過程中的一個重要環(huán)節(jié)。同時，對土壤入滲特性的分析也是農田灌溉、地表產流和土壤改良等問題的研究核心。凍融土壤的水分入滲是指具有一定溫度的雨水、融雪水、灌溉水垂直向下進入凍融土壤的過程。據(jù)調查，我國北方大部分地區(qū)的春、冬季灌溉都是在土壤凍結的條件下進行的。很多專家學者對凍土進行過研究，如Thunholm等對凍結黏土的土壤水分人滲特性進行了研究分析：彭振陽等通過對季節(jié)性凍融土壤水分運動規(guī)律的研究，得出凍結期土壤水分向上運動的規(guī)律。凍土問題已經成為當前的一個研究熱點，凍融條件下土壤水分入滲的研究對于確定合理的灌水技術參數(shù)和科學利用水資源有著重要意義。

鑒于水分在土壤中運動的復雜性，人們試圖利用土壤傳輸函數(shù)法來預測土壤入滲參數(shù)，突破了傳統(tǒng)獲取入滲參數(shù)的方法。土壤傳輸函數(shù)法通過建立以較易獲取的土壤常規(guī)理化參數(shù)為輸入變量，土壤入滲參數(shù)為輸出變量的模型，來預測土壤入滲參數(shù)。常用的土壤傳輸函數(shù)模型有分形機理模型、物理經驗模型和統(tǒng)計回歸模型。其中分形機理模型和物理經驗模型都有一定的局限性。目前統(tǒng)計回歸模型已經較為成熟，如Vereecken等與Rawls等利用土壤傳輸函數(shù)法，通過建立多元線性函數(shù)，得到了土壤水分特征曲線。DUAN等通過對東北黑土的研究，建立了以土壤粉粒含量、黏粒含量、有機質含量、容重為自變量的線性回歸模型，預測土壤田問持水量。武雯昱等利用人工神經網絡方法對土壤水分入滲Kostiakov模型參數(shù)進行了預測。這些研究中所用到的模型以人工神經網絡、線性回歸擬合、非線性回歸擬合、分類回歸樹等為主，利用支持向量機對凍融土壤水分入滲參數(shù)進行預測的還未見報道。支持向量機（Support VectorMachine，簡稱SVM）是由Corinna Cortes和Vapnik等于1995年提出的，相比其他方法，支持向量機數(shù)學推導嚴密，有著堅實的理論基礎，計算量也較小。筆者試圖采用支持向量機對凍融土壤Kostiakov入滲模型參數(shù)進行預測，以期為凍融土壤入滲參數(shù)的獲取提供技術支撐。