Soil infiltration based on bp neural network and grey relational analysis

Abstract

Soil infiltration is a key link of the natural water cycle process. Studies on soil permeability are conducive for water resources assessment and estimation, runoff regulation and management, soil erosion modeling, nonpoint and point source pollution of farmland, among other aspects. The unequal influence of rainfall duration, rainfall intensity, antecedent soil moisture, vegetation cover, vegetation type, and slope gradient on soil cumulative infiltration was studied under simulated rainfall and different underlying surfaces. We established a six factor-model of soil cumulative infiltration by the improved back propagation (BP)-based artificial neural network algorithm with a momentum term and self-adjusting learning rate. Compared to the multiple nonlinear regression method, the stability and accuracy of the improved BP algorithm was better. Based on the improved BP model, the sensitive index of these six factors on soil cumulative infiltration was investigated. Secondly, the grey relational analysis method was used to individually study grey correlations among these six factors and soil cumulative infiltration. The results of the two methods were very similar. Rainfall duration was the most influential factor, followed by vegetation cover, vegetation type, rainfall intensity and antecedent soil moisture. The effect of slope gradient on soil cumulative infiltration was not significant.A infiltração da água no solo é um processo fundamental do ciclo natural de água. Estudos sobre a permeabilidade do solo contribuem para avaliar e estimar os recursos hídricos, a regulação e gestão de escoamento, a modelagem da erosão do solo e a poluição de origem difusa e de origem pontual de terras agrícolas, entre outros aspectos. A influência desigual da duração da chuva, a intensidade de precipitação pluvial, a umidade do solo, a cobertura vegetal, o tipo de vegetação e inclinação do terreno sobre a infiltração acumulada no solo foram estudados para diferentes superfícies subjacentes, sob chuva simulada. Um modelo de seis fatores de infiltração acumulada no solo foi estabelecido com base numa rede neural artificial melhorada, utilizando o algoritmo de retropropagação com um termo de momento e taxa de aprendizagem autoajustável. Comparadas com o método de regressão múltipla não linear, a estabilidade e exatidão do algoritmo de retropropagação melhorada foram superiores. Com base no modelo de retropropagação melhorada, o índice de sensibilidade desses seis fatores sobre a infiltração acumulada no solo foi investigado. Posteriormente, o método de análise relacional grey foi usado para estudar individualmente correlações grey entre os seis fatores do solo e a infiltração acumulada. Os resultados dos dois métodos foram muito semelhantes. A duração da chuva foi o fator mais importante, seguido de cobertura vegetal, tipo de vegetação, intensidade de precipitação pluvial e umidade do solo. O efeito do gradiente de inclinação sobre a infiltração acumulada no solo não foi significativo.