土壤墒情预测相关性数据耦合性试验分析

为提高墒情预测的精确度,对影响墒情变化的各个变量进行试验分析,提出在剔除与墒情变化的相关性较小变量后的一种预测方法.采用皮尔逊相关系数法对影响墒情变化的蒸发量、地温、降水、气压、日照时数、气温、风速这些变量进行分析,得出影响墒情变化的较大变量,然后针对有无降水两种状态进行二分类处理,通过ROC曲线分析,分别得出在有无降水两种状态下每个变量的阈值,而后通过卡方分析,进一步筛选出在这两种状态下影响墒情变化的主要变量.最后通过线性回归分析和BP神经网络对墒情进行预测对比,结果表明,在剔除与墒情变化相关性较小的变量后,线性回归分析预测的标准偏差为12.8883,BP神经网络预测的平均误差为0.0232,二者的预测误差均低于未剔除相关性较小变量时的预测误差.