《表5 不同土壤水分特征曲线模型与拟合算法组合在不同质地类型下的决定系数(R2)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于不同优化算法的土壤水分特征曲线模型模拟性能分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:表中粗体数字为该土壤质地下4种土壤水分特征曲线模型平均决定系数的最大值。

图2中每个小提琴的绘制是基于对均方根误差值的核密度估计。核密度估计是一种研究数据分布特征的方法。该方法不预先设定样本的分布类型，只从数据出发对样本的分布特征进行研究。通过核密度可以更明显地反映出所有数据拟合得到的均方根误差的概率密度情况。从表4中van Genuchten模型和Biexponential模型与差分演化算法组合对各土壤质地的均方根误差可以看出，van Genuchten模型在黏土、粉砂质黏土、砂黏壤土、壤砂土和砂土下的拟合效果略好于Biexponential模型，其余土壤质地下Biexponential模型的拟合效果更好。而结合图2比较两个模型在各质地土壤类型下均方根误差的核密度分布可得出，van Genuchten仅在壤砂土和砂土质地下的均方根误差均值和分布较Biexponential偏小，在其余质地类型的土壤中van Genuchten获得较小均方根误差值的优势并不明显，而Biexponential获得较小均方根误差值的概率更大。综合可得，在不考虑模拟参数个数的情况下，利用Biexponential模型结合差分演化算法能获得更好的拟合效果。