5.6.2　小结

针对河套灌区秸秆深埋下土壤水盐变化复杂，及现有土壤水盐运移模型边界条件和数值计算繁杂、可操作性差、运用受限等方面的不足，本书基于深度学习理论及技术建立了递进水盐嵌入神经网络模型（PSWE），并模拟了灌区秸秆深埋、灌水量等综合因素下土壤水盐运移，预测了夏玉米产量和水分利用效率，得到以下结论：

①PSWE模型通过多变量整体协同分析，探究多因素在时间序列上的自然发展，并对秸秆深埋、不同灌水量等因素下土壤水盐运移时空变异规律进行模拟，经实测数据验证表明，模型具有较高精度，模型整体检验的RMSE为0.029，MAE为0.570，决定系数R2为0.981，能够有效表征夏玉米自然生长的综合条件、土壤水盐运移与夏玉米生产效益三者间双层递进因果关系，可用于灌区水盐运移规律模拟。

②模型模拟结果表明，秸秆深埋与不同灌水量对土壤含水率及含盐量影响显著，整个土体的含水率随灌水量增大而增大。耕作层和秸秆隔层含盐量随着灌水量增大呈先减后增趋势，耕作层积盐；在收获期，秸秆隔层在灌水量大于86 mm时脱盐，随灌水量增大脱盐率逐渐降低；不同灌水量的心土层均积盐。

③秸秆深埋下，夏玉米产量及水分利用效率随灌水量增大均呈先增后降的趋势，二者达到峰值时的灌水量不同。经综合分析认为，河套灌区夏玉米种植的优化单次灌水量为89.3～96.8 mm，生育期灌3水，耕作层含盐量调控在1.38～1.55 g/kg。

【注释】

[1]激活函数具体数学建模详见附录1。

[2]激活函数具体数学建模详见附录1。

[3]Adam算法优化详见附录3。

[4]基于深度学习的PSWE模型的具体算法详见附录4和附录5。