摘要：为探讨前馈型人工神经网络BP-ANN（backpropagationartificialneuralnetwork）和模糊神经NF（neuro-fuzzy）2种神经网络算法在区域地下水盐分动态预测中的应用过程与效果，首先通过经典统计分析确定区域地下水盐分动态的主要驱动因子以及可用的模型输入因子组合，采用“试错法”确定神经网络模型的最优结构，进而开展地下水盐分中长期动态的有效模拟预测。结果表明，在长江河口寅阳和大兴地区以降水动态为单输入的NF（5-gbellmf-160）和以降水与内河水盐分动态为双输入的NF（4-gaussmf-100）为最优预测模型。研究表明神经网络模型对地下水盐分动态的预测精度优于常规线性模型，其中，NF、BP-ANN、线性模型在寅阳测点的预测相关系数分别为0.565、0.445、0.261，在大兴测点的预测相关系数分别为0.886、0.784、0.543。与BP-ANN、线性模型相比，基于模糊神经算法的NF模型具有更好的误差纠错和仿真能力，在寅阳和大兴测点的预测误差分别降低了30%以上和50%以上。相关研究结果在区域水盐动态科学预警研究领域有较好地应用前景。

关键词：水 盐分 土壤 地下水盐分动态 人工神经网络 

单位：中国科学院南京土壤研究所; 南京210008; 中国科学院南京分院东台滩涂研究院; 东台224200