不同湿度条件下土壤渗透阻力预测的机器学习方法

对重复设备（拖拉机、耕耘机等）通过后土壤压实现象的调查和评估被认为是保护农业土壤免受退化和维持可持续农业的预防性解决方案。事实上，目前还没有可靠的方法来预测土壤压实的主要原因，特别是在潮湿的土壤中。本研究应用人工神经网络（ANN）模型进行阻力渗透预测。使用从测量的实验值获得的阻力穿透（Rp）测试数据来训练模型。学习得分系数（0.96）、RMSE（0.51）和MAE（0.39）表明，ANN模型的预测与实测现场数据一致。结果表明，所建立的人工神经网络模型可以有效地预测不同水分条件下的土壤压实状态。这项工作将帮助农民优化机器使用，从而以最低成本提高产量。