新闻资讯
结合技术模拟土壤水渗透模型
摘要：由于地下水资源有限,这些资源的适当和最佳利用是水文循环、水文研究、水的养护和管理、灌溉和排水项目的实施以及流域土壤侵蚀控制的一个必要方面。本文的目的是精确模拟土壤的渗透性.结果表明,菲利普数学模型以及菲利普、格林-安普特和三组分菲利普模型在模拟土壤渗透性行为方面具有显著的效果。然而,与所有建模方法一样,这些方法并非没有错误,尽管它们具有相当大的功能。因此,有几种组合技术,包括SMA、WAM、MMSE和M3SE,为提高土壤渗水模拟效果.因此,本研究的目的是确定不同组合技术对各种模型模拟精度水平的影响。结果表明,除M3SE外,所有综合技术在渗透模型和准确性方面都取得了改进。方法中,结合M3SE技术在粘土泥土、泥土土和砂土土中获得了较好的效果,误差值分别为0.007厘米、0.012厘米和0.009厘米。然而,在土壤物理和饱和电导率方面,M3SE没有表现出令人满意的性能,是可能的解释之一。研究表明,多模型模拟超过了不可控制的单模型模拟,即使使用了最精确的单模型模拟。
关键词：双汽缸渗透性模型加权平均数高级小组模式改进组模式土壤渗透性
1 . 导言
确定土壤渗透对于设计、评价和监督沟渠灌溉系统至关重要 [1] .土壤渗透特性的估计直接影响灌溉系统的有效性和水的有效利用。估计参数的准确性取决于选择适当的方法来计算经验渗透模型的参数,由于不同季节和耕作做法,这些参数在同一区域内可能有所不同 [2] , [3] .许多经验方程,如霍顿、科斯提亚科夫和修正的科斯提亚科夫,已经被开发出来,以量化水渗透到土壤中,这些方程具有时间依赖的功能。在这方面,过去几年介绍和评估了若干水文模型 [2] , [4] .
随着地理信息系统的发展,分布式水文模型越来越受欢迎,因为它们将地形、气象学和水的移动作为投入 [1] , [5] .水文学家努力创建能够准确捕捉真实过程的综合模型。另一方面,组合技术的目的是从现有模型中提取最大信息,解决不同来源的错误,例如输入数据、模型模式和估计以及结构缺陷。通过平均多个模型,这些独立的错误抵消了,从而改进了预测 [6] .多模型组平均值比任何单一模型模拟都表现得更好,包括最好校准的单一模型模拟,多模型组平均值比单一模型组平均值更熟练 [7] .
对水源组合技术的研究一般可分为两组:第一组侧重于预测气候变量的未来值,如温度、降雨量和风速 [8] 第二组则探讨了降水-径流模拟研究中的组合技术 [9] .西哈格等人。 [10] 在印度库鲁克施特拉应用了三个渗透方程(科斯提亚科夫、科斯提亚科夫-刘易斯和SCS),发现科斯提亚科夫-刘易斯方程的表现优于其他方程。梅拉波利等人。 [11] 介绍了一种基于容量平衡方程的模型。他们的模型为观察到的值提供了更精确的估计。易卜拉欣等人。 [12] 开发了精确估计渗透参数的两点法。在沟渠灌溉,易卜拉欣等。 [13] 对17种方法进行了评价,发现两点法和SERMOD软件的多层校准是估计渗透参数最有效的方法。
近年来,软计算和数据驱动技术[包括人工神经网络、自适应神经模糊推理系统、支持向量回归等。近年来在农业工程和灌溉系统领域获得了显著的支持。事实证明,这些方法在解决与预测和模式分类有关的复杂问题方面是有效的 [1] , [3] .马塔尔等人。(2015年)引入人工神经网络(ANN)模型,预测沟渠灌溉中的累积渗透。结果表明,人工神经网络模型的性能优于一般称为两点法的容量平衡模型。有可能,亚辛等人。(2016)应用基因表达规划(GEP)建立沟渠灌溉水渗透模型。将该模型与两点法进行比较,结果表明该模型具有优越性。沙姆塞丁等人。 [9] 评价了利用组合技术对五种雨水流模型进行径流模拟的改进,利用简单模型平均法、加权平均法和人工神经网络改进了产量。结果表明,结合技术可以提高径流模拟的效果.阿贾米等人。 [5] 利用SMA、WAM、MMSE和改进型多模型超级集成(M3SE)四种组合技术,评价了五种雨水流模型对径流模拟结果的改进。结果表明,混合模型的使用比任何一个模拟模型都要准确,MMSE和M3SE组合技术的性能较好。米什拉等人。 [14] 利用14个渗透模型,分析了从印度和美国牧场收集的243个数据点,这些数据点的土壤质地从粗到细不等。用纳什苏克利夫准则评估了这些模型的适当性。在这些模型中,辛乔、奥尔坦和霍顿分别在10位中排名6.52、5.57和5.48。实验模型,特别是哈金、曼克、科斯提亚科夫·路易斯和科斯提亚科夫,分别获得5.57、5.30、22.5和史密斯·帕兰格非线性模型的评级。后两种模式的评级分别为5.48和5.22。塞帕赫万等人。 [15] 检查渗透模式(即:Kostiakov,修改的Kostiakov,小说,和菲利普)来评估地表灌溉的渗透率。他们利用现场数据开发了一种多线性回归技术,并与支持向量机和高斯过程回归模型,特别是皮尔森七世模型和径向模型进行了比较。结果表明,皮尔森七世支持向量机模型在估计渗透率方面表现出优异的性能,软计算模型与传统模型在效率上没有显著差异。特纳河 [16]评估了科斯提亚科夫、霍顿、霍尔坦、菲利普和格林-安普特组合技术在估算美国马尔伯勒和马里兰地区人工降雨测量渗透率的能力方面的表现。为了比较入侵模型的性能,采用根平均平方误差统计,对格林-安普特模型、霍尔坦模型、菲利普模型、科斯蒂亚科夫模型和霍顿模型进行了评价。
奥库等人。 [17] 在不同处理条件下预测土壤渗透时,确定了柯西塔科夫和菲利普渗透模型的渗透特性和适宜性,表明菲利普模型在渗透速度估计上比科斯塔科夫模型具有较好的准确性和效率。遇国等人。 [18]对霍顿、科斯提亚科夫的三种模型进行了评价,并修改了科斯提亚科夫的紫色土壤山坡模型。在本研究中,采用洒水器测量了渗透值,并收集了28个数据。利用纳什-萨克利夫效率适足性标准,用研究模型的结果评估观察数据。结果表明,霍顿模型在研究领域具有最佳的性能。鉴于多式联运预测越来越受欢迎,了解其优点和局限性很重要。
目前的研究旨在评估多种预测性能的多样性,从一系列多模型预测,作为预测误差的可变性。我们有多个模型模拟,包括5个实验渗透模型:霍顿、科斯蒂亚科夫、科斯蒂亚科夫-路易斯、土壤保护局(SCS)和奥弗顿,以及3个数学渗透模型:格林-安普利特和三组分菲利普,用于比较土壤渗透性水模型。因此,本研究的目的是通过实验和数学方法评价土壤渗透性模拟的结果,并评价各种组合技术在加强土壤渗水模拟方面的有效性。
2 . 材料和方法
2.1 . 盆地和研究数据
利用采集的土壤水渗透模型的仿真结果,对多模型组合技术进行了评价。该研究区是比尔干大学农业系的教育和研究农场,位于比尔干-塔巴斯路上比尔干市以西5公里处。研究区气候干燥,冬季寒冷,夏季炎热,平均年降雨量为173毫米。平均海拔为海拔1480米,为经度55度和13度,纬度32度和53度。粘土土、粘土土和沙土土是盆地的主要土壤结构。测量和确定土壤中水分渗透性的最佳方法之一是进行一次双缸试验。测试的所有阶段都以国际标准和美国标准为基础。实验中记录的时间以分钟计,水的高度以厘米计。在本研究中,尝试了最好的拟合方法,根据该方法,由求解者确定渗透系数模型。 表1 描述模型和方程的类型.
表1 . 介绍渗透模式。
参数 评论意见 渗透方程 模型
Ψ, S,K (t):累积渗透(cm)
t:Time (hr)
K:液压电导率(厘米/分钟)
S:土壤湿度图
土壤吸水系数 格林安普特
A、B (t):累积渗透(cm)
t:Time(min)
a,b: Coefficients experimental (cm/min b ) 科斯蒂亚科夫
A、B (t):累积渗透(cm)
t:Time(min)
a,b: Coefficients experimental (cm/min b )
f C 最终渗透率(厘米/分钟) 科斯蒂亚科夫罗斯
β (t):累积渗透(cm)
t:Time(min)
f C 最终渗透率(厘米/分钟)
f O 初步渗透率(厘米/分钟)
β: Constant tenacity(-) 霍顿
s, k s (t):累积渗透(cm)
t: Time(min)
S:土壤吸收系数 0.5 )
k s :过渡区的水力传导率(厘米/分钟) 菲利普
A (t):累积渗透(cm)
t:Time(min)
A:实验系数(厘米/分钟) 0.5 )
f C 最终渗透率(厘米/分钟) 奥弗顿
A、B (t):累积渗透(cm)
t:Time(min)
a,b: Coefficients experimental (cm/min b ) 土壤保护服务
s, c 1 ,c 2 (t):累积渗透(cm)
t: Time(min)
S:土壤吸收系数 0.5 )
C 1 ,c 2 :Coefficients experimental (cm/min) 三部分的菲利普
2.2 . 关于多式联运组合技术的简要说明
标准化管理方法: SMA方法实际上是组合技术中最简单的方法,在本研究中被用作评价更先进技术的标准。乔治·阿科斯等人首先介绍。 [19] .该方法的基础是减少对模拟值标准的偏差(方程) (1) ):
(1)
在哪里使用混合SMA方法模拟时间t的数值,我指的是,使用我当时的模型计算值模型I和N的计算值是模拟模型的数量。对于每一个步骤,都有必要缩小模拟值(每个模型)与平均值之间的差异。所有输入模型中这些差异的平均值(关系1的第二个组成部分)和观察到的值的平均值的总和将导致SMA方法中每一个时间步骤的下降量。
WAM方法: WAM方法是实际应用最广泛的基于模拟加权平均的组合技术。在此方法中,基于模拟模型中的加权平均值生成了WAM。每个模型的权重是基于线性优化确定的.误差和系数的目标函数平方值必须是正的,它们的和必须是统一的(方程) (2) ):
(2)
在上述方面,观测值是 X日用WAM方法计算的数值 我 是每个模拟模型的权重和n是模型的数量。在本研究中,为了确定这些系数,在MATLAB编程环境中使用了LSQLIN命令。
MMS方法: 这一方法被克里希那穆提等人使用。 [8] 去预测气候变化。在此方法中,改进了基于观测平均值固定值的偏离观测值的程度,以及基于模拟值与平均值之差的偏离标准的程度(方程)。 (3) ):
(3)
在哪里用MMSE方法计算了T日的变量值,在此方法中,每个输入模型的权重与WAM方法不同,并基于线性多元回归关系得到。在这种回归关系中,观察到的值被假设为一个从属变量,模型计算的值被假设为一个独立变量。这些方法中权重的值可能具有任何正或负的价值,不需要单位的总和。在本研究中,使用MATLAB编程环境中的回归命令来确定这些权重。
M3SE method:该方法与MMSE方法相似,但在应用SMA关系之前必须进行大量修改。该方法的主要目的是通过频率映射改进仿真.如何在每一个模拟中应用这种修正,首先是考虑每一个模型中计算值的频率和观测值。那么概率值必须具有相同的值。例如,在一个模拟模型的第一步中所涉及的变量的值具有累积频率值。观察值中这个频率的相应值必须在模拟模型的第一步替换所需的变量。这将适用于所有输入模型和每个时间步骤。如何运用这项修订载于 Fig. 1 .
下载: 下载高分辨率图像(142千瓦)
下载: 下载全尺寸图片
Fig. 1 . M3SEE法中频率变换的修正。
例如,在上面的图表中,0.0012m的下降值的频率为0.7%,分析(观测)值的相应下降值大约为0.0014m,在模拟系列中应替换为0.0012m。
在M3SE中,由于水文变量通过修正误差偏差在统计上与观测结果一致,因此应用许多映射方法消除偏差在水文学中是非常普遍的。在排除了模型预测的误差偏差后,对M3SE应用了相同的MMSE解方法。
2.3 . 评价标准
在提出结果之前,应该指出,比较四项统计标准,即确定系数(R)的结果。 2 ),用根表示平方误差(RMSE)和纳施-苏克利夫效率(NSE)。
(4)
(5)
(6)
3 . 结果和讨论
3.1 . 渗透测量方法的性能评价
采用解释系数统计、根平均平方误差、纳什苏克利夫适足性标准等统计指标,对各土壤质地的渗透模型进行了评价。结果载于 表2 , 表3 ,以及 表3 显示基于累积渗透值的模型排名。在粘土土质中,根据R的评估,从优越性和效率的角度来看,格林-安波特、霍顿、科斯提亚科夫、菲利普、三组分菲利普、土壤保护局、路易斯·科斯提亚科夫和奥佛顿模型被评为1至7级。 2 标准。这两个菲利普模型和三部分菲利普模型都在优势和效率方面排名很高,这与余国等人以前的研究是一致的。 [18] .在土壤质地方面,从优越性和性能来看,格林-安普特、科斯提亚科夫、菲利普、三组分菲利普、科斯提亚科夫·路易斯、土壤保持局、霍顿和奥弗顿模型的排名1至7,与奥库等人的研究不一致。 [17] .在沙土层土壤结构中,根据米什拉等人的一项研究,根据三个标准,以1至8个水平的优越性和效率来评价格林-安普特、菲利普、霍顿、菲利普、土壤保护局、科斯提亚科夫、科斯提亚科夫刘易斯和奥弗顿模型。 [14].研究结果与其他研究人员不一致的原因可能是气候条件不同,测量土壤渗透性的方法不同,以及用于评估土壤中水渗透模型性能的测量统计数据不同。
表2 . 不同土壤结构下各模型的统计测量值。
模型 排名靠后的 三部分的菲利普 菲利普 格林安普特 奥弗顿 学生会 科斯蒂亚科夫·路易斯 科斯蒂亚科夫 霍鲁顿
泥灰土 R2 0.998 0.998 1 0.981 0.987 0.986 0.990 0.999
(厘米) 0.114 0.114 0.044 0/339 0.333 0.227 0.081 0.063
神经系统 0.996 0.996 0.999 0.969 0.970 0.986 0.998 0.999
洛姆 R2 0.999 0.999 0.999 0.990 0.994 0.994 0.999 0.992
(厘米) 0.076 0.076 0.041 0.417 0.254 0.215 0.073 0.279
神经系统 0.999 0.999 0.999 0.976 0.991 0.994 0.999 0.989
沙土 R2 0.999 0.998 0.999 0.992 0.997 0.993 0.996 0.999
(厘米) 0.128 0.201 0.104 0.851 0.260 0.393 0.304 0.163
神经系统 0.999 0.998 0.999 0.966 0.997 0.993 0.996 0.999
表3 . 基于统计测量的三种土壤质地渗透模型的等级。
模型 排名靠后的 三部分的菲利普 菲利普 格林安普特 奥弗顿 学生会 科斯蒂亚科夫·路易斯 科斯蒂亚科夫 霍鲁顿
泥灰土 R2 2 2 1 6 4 5 3 1
rmse 4 4 1 7 6 5 3 2
神经系统 3 3 1 6 5 4 2 1
平均级别 3 3 1 6.33 3.75 4.67 2.67 1.33
总级别 4 4 1 7 5 6 3 2
洛姆 R2 1 1 1 4 2 2 1 3
rmse 3 3 1 7 5 4 2 6
神经系统 1 1 1 5 3 2 1 4
平均级别 1.67 1.67 1 5.33 3.33 2.67 1.33 4.33
总级别 3 3 1 7 5 4 2 6
沙土 R2 1 2 1 6 3 5 4 1
rmse 2 4 1 8 5 7 6 3
神经系统 1 2 1 6 3 5 4 1
平均级别 1/33 2.67 1 6.67 3.67 5.67 4.67 1.67
总级别 2 4 1 8 5 7 6 3
为了确定研究区域内效率方面最有效的模型,根据累积渗透排名计算了所有土壤结构的平均等级。这些调查结果载于 表4 .结果表明,三组分模型(菲利普、格林-安普特和菲利普)分别排名第一、第二和第三,与特纳等人得出的结论一致。 [16] .
表4 . 比尔杰德大学农学院农场累积渗透估算模型的最终排名。
土壤形态 三部分的菲利普 菲利普 格林安普特 奥弗顿 学生会 科斯蒂亚科夫·路易斯 科斯蒂亚科夫 霍鲁顿
泥灰土 4 4 1 7 5 6 3 2
洛姆 3 3 1 7 5 4 2 6
沙土 2 4 1 8 5 7 6 3
平均级别 3 3.66 1 7.33 5 5.67 3.67 3.67
总级别 2 3 1 7 5 6 3 4
3.2 . 评价组合技术在提高相对渗透率方面的性能
在获得渗透测量方法的性能结果之后,下一节介绍了与组合技术的性能和精度有关的结果。这些技术包括利用八个不同系列的渗透模拟,每种组合方法,即SMA、WAM、MMSE和M3SE。另外还对三种不同的土壤结构进行了模拟。 表5 显示每种组合技术的评价指标。根据这些结果并与渗透模型的能力进行比较(见 表1 很明显,除了M3SE方法外,所有的组合技术都证明了渗透模型结果的改进。然而,值得注意的是,MMSE方法在提高结果方面的熟练程度高于其他两种方法。此外,根据 表6 ,上述组合模型在所有土壤中,包括在那些具有未知质地的土壤中,是最优的。MMSE方法的广泛适用性已在许多研究中得到广泛承认,例如克那穆尔蒂等人进行的研究。 [8] 、梅耶斯等人。 [20] 、严等人。 [21] ,以及哈林和兹维耶 [22] ,与其他组合技术相比,这一直突出显示了MMSE方法的优越性能。本研究的结果与米什拉等人的结果进行了比较。 [16] 世卫组织比较了渗透率的数值计算方法,并指出,从流动方程的数值解中获得的渗透速度值与从试验中获得的值相似,但如何获得这些方法的所需参数并不那么简单,而且与Dan等人的结果相一致。 [23]为了估计五种影响模型的参数,确定预测可耕地累积影响(累积影响)的适当模型,他们用双缸进行了田间试验,结果表明,三种参数模型表明累积渗透量与时间之间的关系较好。
表5 . 组合技术评价指标的价值。
模型 等级制 M3SE mmse 沃姆 SMA
泥灰土 R2 0.9243 1.000 0.9999 0.998
rmse 0.775 0.0072 0.0321 0.1243
神经系统 0.8387 1.000 0.9998 0.9986
洛姆 R2 0.9284 1.000 0.9999 0/9993
rmse 1.0875 0.0102 0.0385 0.0988
神经系统 0.8387 1.000 0.9998 0.9986
沙土 R2 0/923 1.000 1.000 0.999
rmse 1.9156 0.0094 0.0663 0.1862
神经系统 0.8293 1.000 0.9998 0.9984
表6 . 组合技术评价指标的价值。
等级制 M3SE mmse 沃姆 SMA
R2 0.8310 1.000 0.9999 0.9992
神经系统 0.6898 0.9999 0.9997 0.9984
4 . 结论
根据所得结果,对泥土、粘土土、沙土土等土质进行了比较,结果表明,格林-AMPT方程组、三组分菲利普模型、RMSE最低、R2最高、NSE最高分别排在第一至第三位。因此,可以推断,与实验模型相比,数学模型提供了更准确的渗透性估计。此外,结果表明,MMSE组合法与其他方法相比,在所有三种土壤质地上具有更高的精度。值得注意的是,在土壤物理学和饱和传导领域,由于各种原因,包括通过多次映射消除偏差,M3SE方法被认为是不够的。因此,上述组合技术在所有类型的土壤中都是最好的,包括那些不知名的人。
