人工神经网络在节水灌溉中的应用

龙源期刊网人工神经网络在节水灌溉中的应用作者：仲子平来源：《中国新技术新产品》2009年第16期摘要：随着人工神经网络在节水灌溉系统中的成功应用，节水灌溉系统工程所面临的问题也得到的一定程度上解决。文章对神经网络在节水灌溉中的应用进行了研究，基于节水效益，分析了未来神经网络在节水灌溉中的应用趋势。关键词：神经网络;节水灌溉;应用;分析随着水资源的日趋紧张，世界各国都在积极探索行之有效的节水途径和措施。喷灌和微灌技术是为了解决水资源不足而兴起的技术措施，提高灌溉效率而发展起来的神经网络技术是当前研究的热点。随着人类社会的不断发展和进步，节水灌溉系统的复杂性和动态性不断增加，影响因子不断增多，不仅需要了解气候、温度、水量、水质、土壤、盐碱等要素的自然变化规律，同时更需要掌握各要素的变化可能对社会、经济、生态、环境等系统产生的各种影响。使用传统的研究方法就会面临许多困难。人工神经网络在节水灌溉系统中的成功应用，极大地丰富了节水灌溉系统工程的内容。1基于节水灌溉的神经网络分析人工神经网络是一种模仿人的大脑神经元特性，从而模拟人脑认知功能的一种处理非线性知识信息的新方法。它的研究可以追溯到1957年Rosenblatt提出的感知器(Perceptron)模型。它几乎与人工智能--AI(ArtificialIntelligence)同时起步，但30余年来却并未取得人工智能那样巨大的成功，其中经历过长时间的萧条。直到2O世纪80年代，在获得了关于人工神经网络切实可行的算法以及以VonNeumann体系为依托的传统算法在知识处理方面日益显露出其力不从心后，人们才重新对人工神经网络发生了兴趣，从而导致神经网络的复兴。人工神经网络(Artificial-NeuralNetworks，简写为ANNs)也简称为神经网络(NNs)，或称作连接模型(ConnectionistMode1)，是对人脑或自然神经网络(NaturaiNeuraiNetwork)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能翻。其中应用最广泛的是BP(BackPropagation)算法神经网络，BP网络的学习算法是一种误差反向传播式的网络权值训练方法，它的理论基础是多层神经网络模型。BP神经网络由输入层、隐含层和输出层及各层神经元之间的连接组成，各层神经元通过权重、阈值连接。设W／为隐层神经元i与输入层神经元的连接权，组成隐含层的权矩阵W；龙源期刊网的连接权，组成输出层的权矩阵；隐含层和输出层的激活函数分别采用Js型函数和线性函数。基于节水灌溉的神经网络模式与人工控制方式相比，具有节省水、肥、能量、杀虫剂、人工等优点，并可基本消除在灌溉过程中人为因素造成的不利影响，提高操作的准确性，有利于灌溉过程的科学管理和先进灌溉技术的推广。同时通过灌溉控制器适时、适量地灌水，提高农作物产量，有利于我国广大农村劳动力的转移和农村经济结构的调整，同时，对环境保护也起到一定的作用。自从上个世纪60年代初以来．在世界各国得到了迅速发展．到70年代．新型灌溉技术的应用在国外已经相当普及了。我国于1974年引进滴灌技术，1976年喷灌技术的研发列入国家科研计划，1977-1978年国家计委将喷灌技术列为重点推广项目，原水利水电部正式将喷灌列为水利建设项目。我国近10年来滴灌技术发展很快，现已在喷滴灌系统设计方面积累了较为丰富经验。由于土壤湿度传感器的非线性以及其输出延迟较大，采用传统的反馈控制方法很难得到满意的结果，而近几年由于人工智能技术的发展，使得人工智能技术在节水灌溉中的应用显示出广阔的前景，其中包括用专家系统、模糊逻辑系统、神经网络来预测和建模，使得灌溉控制器用这些智能技术来及时、准确地预测环境参数，同时控制这些参数使得它更适合于作物生长。模糊控制和神经网络在灌溉控制器中的应用较多，这些系统一般以土壤湿度传感器测土壤水分，同时还通过自动天气预报站估算出作物的蒸腾量，然后把这两个信息经模糊化后输入到模糊控制器，模糊控制器经模糊规则决策得出模糊输出，再把该模糊输出精确化传送给执行机构，控制电磁阀动作。2神经网络在节水灌溉应用趋势分析2.1当前神经网络应用概况2.1.1灌溉水质评价方面人工神经网络在水库水质评价中的应用中，国内已经建立了评价模型，得出了水库水质等级，并通过计算结果与分级评分结果进行了比较，表明BP神经网络方法收敛较快，预测精度很高，为研究灌溉水质评价打下了基础。冯耀龙等建立了水质富营养化的BP人工神经网络模型，用水质指标等级作为训练样本，对l993一l998年于桥水库水质监测值进行了归类、分析与评价。2.1.2灌溉系统预测方面龙源期刊网神经网络对农业灌溉量的预测作用，将农业灌溉量看作灌区有效灌溉面积、年降雨量、粮食总产量的非线性函数，利用神经网络的非线性特征对灌区的灌溉供水量进行预测，通过验证得出，利用神经网络预测的相对误差较小，精度达到了要求。基于神经网络预测了灌溉用水量的研究中，采用了改进的BP网络对灌溉用水量进行了预测，并采用LM算法进行了误差逆传播校正，使得在精度和训练时间上都有了较大的改进，实例证明取得了较好的结果。用神经网络算法对水稻需水量的预测，得出人工神经网络具有很好的适应性和灵活性，提高了预报的准确性。通过对作物需水量的预测，还可以实现节水灌溉。21.3灌溉系统优化方面我国学者研究了神经网络技术在节水灌溉专家系统中的应用，通过具有很强学习功能、记忆功能和并行处理功能的神经网络技术，优化了传统的专家系统，并设计了一套智能水平高、运算能力强、解决实际问题又准又快的节水灌溉专家系统，为节水农业提供了有力的技术支持。2.2未来神经网络在节水灌溉应用趋势经过多年的发展，国外灌溉控制器已逐步趋于成熟、系列化，但价格昂贵，国内虽引进一些，但多数是农业示范区、科研单位、高校，虽然国外生产的灌溉控制器性能优越，但没有考虑我国特殊的自然、气候、土地资源、农民经济状况等因素，因而国外引进的灌溉控制器在国内应用并不普及。国内虽然有多家研制灌溉控制器，但多数是小规模、实验和理论的探讨，应用不够普及，究其原因一则是开发性能完善的灌溉控制系统需要大量的人力、物力的投入，需要多部门、多学科的融合，这在一定程度上限制了性能完善、适应性强的控制器的开发。其次是现在开发出来的灌溉控制器价格昂贵，农民尽管知道能节省人力、灌溉用水、提高产量，但由于一次性投资太大，多数农民承受不起，这也在一定程度上限制了灌溉控制器的普及。当前出现的难度为：a.神经网络在节水灌溉工程中获得了许多成功的应用和成果，其中如何选择样本、样本容量大小的确定、怎样才能使神经网络学习的效果最佳，这些都是使用神经网络过程中遇到的问题，所以大规模、系统化的应用还需要进行大量的研究和探索。b.对BP网络算法的改进，可以更好地提高学习推理效率。首先，在训练神经网络时，BP网络隐层神经元的作用机理及其个数选择是BP网络研究中的一个难题；同时探索更加优化的BP神经网络算法来防止陷入局部极小仍是个难点；c.为了提高该预测模型的普及性，应该进一步用高级语言来开发界面和接口，通过内嵌该神经网络预测模型，来提高该模型的应用普及，一定具有广泛的应用前景。3结语龙源期刊网综上所述，西方发达国家在节水灌溉控制器的开发上已越来越成熟，且发展趋势是研制大型分布式控制系统和小面积单片机控制系统，并带有通信功能，能与上位机进行通信，并可由微机对其编程操作。同时随着人工智能技术的发展，模糊控制、神经网络等新技术为节水灌溉控制器的研制开辟了广阔的应用前景。而国内在灌溉控制器的研制方面还没有形成规模大、应用范围广的成套灌溉控制产品。国内的一些高尔夫球场等大面积场地灌溉控制，一般引用国外现成的成套灌溉控制产品。参考文献[1]李远华.节水灌溉理论与技术[M].武汉：武汉水利电力大学出版社，1999.[2]李志刚，张文焕．神经网络技术在节水灌溉专家系统中的应用[J]．山西农业科学，2007(8)：70-72．[3]徐建新，李彦彬，谷红梅．基于神经网络的农业灌溉量预测[J]．农机化研究，2005(4)：1l5一l17．作者介绍：仲子平（1972-），男，江苏姜堰人，苏州农业职业技术学院，讲师，工学士从事农机与汽车专业的教学与研究.