齊 英

（遼寧省沈陽水文局，遼寧沈陽110046）

?

灌溉用水預測模型應用與分析

齊 英

（遼寧省沈陽水文局，遼寧沈陽110046）

摘要：本文以遼西地區(qū)朝陽市為列，分別采用BP神經(jīng)網(wǎng)絡模型和灰色神經(jīng)網(wǎng)絡模型模擬朝陽市農(nóng)作物灌溉用水量，并和朝陽市1997～2014年實測灌溉用水數(shù)據(jù)進行預測精度對比分析。研究結(jié)果表明：在遼西地區(qū)，灰色神經(jīng)網(wǎng)絡模型預測的1997～2014年灌溉水量與實測值之間相對誤差為-4.56%～5.55%，精度高于BP神經(jīng)網(wǎng)絡模型預測的相對誤差為-14.77%～14.63%，更適合于遼西地區(qū)的灌溉用水預測。研究成果可為遼西地區(qū)農(nóng)業(yè)灌溉用水預測提供參考價值。

關鍵詞：BP神經(jīng)網(wǎng)絡模型；灰色神經(jīng)網(wǎng)絡模型；灌溉；用水預測；分析

1　引言

農(nóng)業(yè)灌溉用水預測是區(qū)域水資源配置規(guī)劃較為重要的部分。由于隨機數(shù)學模型具有需求數(shù)據(jù)量小，且可用于區(qū)域中長期灌溉用水預測的特點，已被國內(nèi)外學者運用于農(nóng)業(yè)灌溉用水預測中，并取得一定的研究成果［1-5］。在眾多的隨機數(shù)學模型中，BP神經(jīng)網(wǎng)絡模型和灰色神經(jīng)網(wǎng)絡模型運用較為廣泛。鄭玉勝［6］運用BP神經(jīng)網(wǎng)絡模型對東風灌區(qū)的灌溉用水量進行了預測，預測結(jié)果表明BP神經(jīng)網(wǎng)絡模型較好的模擬了東風灌區(qū)的灌溉用水量，預測精度較高。張丹［7］結(jié)合BP神經(jīng)網(wǎng)絡模型對灌區(qū)內(nèi)水稻的灌溉水量進行了預測，研究結(jié)果表明BP神經(jīng)網(wǎng)絡模型預測的水稻灌溉需水量和實際灌區(qū)內(nèi)的水稻灌溉水量較為吻合。高海菊［8］采用BP神經(jīng)網(wǎng)絡模型構(gòu)建了灌區(qū)灌溉預報模型，并和實測灌溉用水數(shù)據(jù)進行對比，發(fā)現(xiàn)所構(gòu)建基于BP神經(jīng)網(wǎng)絡模型的灌區(qū)灌溉預報模型很好的模擬了灌區(qū)的灌溉用水量。柴文佳［9］基于灰色神經(jīng)網(wǎng)絡模型對華北六省的農(nóng)業(yè)灌溉需水量進行了預測，研究表明灰色神經(jīng)網(wǎng)絡模型對華北六省的農(nóng)業(yè)需水進行合理的預測。吳文紅［10］利用灰色神經(jīng)網(wǎng)絡模型對承德市需水進行了預測，預測結(jié)果表明灰色神經(jīng)網(wǎng)絡模型在承德市需水預測上具有較高的預測精度。趙旭［8］運用灰色模型對新疆地區(qū)農(nóng)作物需水進行了預測，模擬結(jié)果表明灰色神經(jīng)網(wǎng)絡模型在新疆地區(qū)農(nóng)作物需水上具有較好的模擬精度，適合于新疆地區(qū)的農(nóng)作物需水預測。從以上研究成果可以看出，BP神經(jīng)網(wǎng)絡模型和神經(jīng)網(wǎng)絡模型在不同區(qū)域灌區(qū)灌溉水量預測都具有較好的預測精度，但是在遼西地區(qū)的運用較少，特別是在朝陽市的灌溉用水預測，且不同預測模型在不同區(qū)域具有不同的適用性，為此，本文將BP神經(jīng)網(wǎng)絡模型和灰色神經(jīng)網(wǎng)絡模型，結(jié)合遼西地區(qū)朝陽市灌溉用水數(shù)據(jù)，預測了遼西地區(qū)朝陽市1997～2005年灌溉用水量，并和區(qū)域?qū)崪y灌溉水量進行對比分析，研究成果可為遼西灌溉用水預測提供參考價值。

2　模型介紹

2.1 BP神經(jīng)網(wǎng)絡模型

影響區(qū)域灌溉需水的主要因素有區(qū)域降水量，區(qū)域蒸發(fā)量、區(qū)域平均氣溫以及區(qū)域的灌溉面積。BP神經(jīng)網(wǎng)絡模型輸入的神經(jīng)單元的個數(shù)即為對變量影響的因素的個數(shù)，本文主要考慮區(qū)域降水量，區(qū)域蒸發(fā)量、區(qū)域平均氣溫以及區(qū)域的灌溉面積4個主要要素，因此模型輸入為4維的向量。BP神經(jīng)網(wǎng)絡模型的目標向量設定為朝陽市的灌溉用水量，即模型的輸出變量為一維的向量。

2.1 灰色神經(jīng)網(wǎng)絡模型

灰色模型的主要原理是通過無規(guī)律的原始樣本數(shù)據(jù)系列X（0）（t），通過逐次累加或者累減方法得到一組新的且具有一定規(guī)律性的數(shù)據(jù)系列X（1）（t），通過降低原始樣本系列數(shù)據(jù)的隨機性，并在新的有規(guī)律性的樣本數(shù)據(jù)系列基礎上運用指數(shù)函數(shù)方法進行擬合?；疑Ｐ偷慕＿^程首先需對原始樣本數(shù)據(jù)系列進行累加或者累減的數(shù)據(jù)預處理的一個過程。通過數(shù)據(jù)預處理后，基于生成的具有一定規(guī)律的新的數(shù)據(jù)系列，開始灰色模型的建模過程?；疑到y(tǒng)建模過程采用微分擬合法，當前，運用較為廣泛的灰色模型為GM（1，1），該模型稱作為單一序列的一階線性動態(tài)計算模型。GM（1，1）灰色動態(tài)模型的微分計算方程為：

其中記系數(shù)向量

對記系數(shù)向量采用最小二乘法進行求解，求解方程為：

式（1）中a表示的是模型發(fā)展系數(shù)，該變量的物理意義是X的發(fā)展趨勢，如果a的計算值為負值，則表示X的發(fā)展趨勢是增長趨勢，如果發(fā)展系數(shù)的絕對值越大，則表示增長的趨勢越快；反之，如果a的計算值為正值，則表示X的發(fā)展趨勢是下降趨勢。式（2）中u表示的是模型灰色變量，該變量在模型計算前預先設定的。在式（3）中B和YN分別為矩陣變量，矩陣形式為：

灰色動態(tài)模型時間相應的方程為：

在式（6）中X（1）即為預測的灌溉用水量。

3　模型應用及對比分析

3.1 研究區(qū)域概況

朝陽市位于遼寧的西部區(qū)域，氣候?qū)儆诘湫偷谋睖貛Т箨懶约撅L氣候，流域夏季氣溫較高，冬季較為寒冷，區(qū)域多年平均降水量為550mm，多年平均蒸發(fā)量800～1000mm，屬于水資源相對比較短缺的區(qū)域。據(jù)2012年朝陽市水資源公報數(shù)據(jù)分析，2012年全市降水折合水量為125.6億m3，其中地表水資源總量為154090萬m3，地下水水資源總量為88577萬m3，區(qū)域灌溉面積達到204萬畝，屬于灌溉用水需求較大的區(qū)域，灌溉用水量達到了21253萬m3。

3.2 兩種模型預測精度對比

為對比兩種模型在遼西地區(qū)的灌溉用水預測精度，結(jié)合朝陽地區(qū)1996～2006年灌區(qū)灌溉用水數(shù)據(jù)，基于已構(gòu)建好的BP神經(jīng)網(wǎng)絡模型和灰色神經(jīng)網(wǎng)絡模型，預測了遼西地區(qū)朝陽市1997～2005年灌溉用水量，并和區(qū)域?qū)崪y灌溉用水數(shù)據(jù)進行對比分析，研究成果見表1和圖1。

表1　兩種模型在遼西地區(qū)灌溉用水預測精度對比表

表1為采用兩種預測模型預測的灌溉水量和實測灌溉用水數(shù)據(jù)進行對比分析，從表1中可以看出，BP神經(jīng)網(wǎng)絡模型預測的灌溉水量和實測灌溉水量相對誤差范圍在-14.77%～14.63%之間，灰色神經(jīng)網(wǎng)絡模型預測的灌溉水量和實測的灌溉水量相對誤差范圍在-4.56%～5.55%之

圖1　兩種預測模型預測灌溉水量和實測值過程對比圖

間，可以看出，灰色神經(jīng)網(wǎng)絡模型預測精度好于BP神經(jīng)網(wǎng)絡模型。這是因為灰色神經(jīng)網(wǎng)絡模型不僅具有BP神經(jīng)網(wǎng)絡模型可綜合考慮影響灌溉水量的多種因素，而且考慮了原始數(shù)據(jù)系列的變化規(guī)律，灰色神經(jīng)網(wǎng)絡模型可以預測任何變化數(shù)據(jù)系列，因此在預測精度上好于BP神經(jīng)網(wǎng)絡模型，提高了灌溉用水預測的精度。圖1為兩站模型預測的灌溉水量和實測灌溉水量的對比圖，從圖1中也可以明顯看出，灰色神經(jīng)網(wǎng)絡模型和實測的灌溉水量在過程上吻合度明顯高于BP神經(jīng)網(wǎng)絡模型預測的灌溉水量和實測灌溉水量的吻合度，各年份灰色神經(jīng)網(wǎng)絡模擬預測的灌溉水量都和實測灌溉水量較為吻合，且和實測的灌溉水量變化具有一致性。綜上，灰色神經(jīng)網(wǎng)絡模型相比于BP神經(jīng)網(wǎng)絡模型，更適合于遼西地區(qū)的灌溉用水的預測。

4　結(jié)論

本文分別運用兩種方法對遼西地區(qū)朝陽市的灌溉用水進行了預測，并對比了兩種預測方法在遼西地區(qū)農(nóng)作物灌溉用水的預測精度，研究結(jié)論為灰色神經(jīng)網(wǎng)絡模型不僅具有BP神經(jīng)網(wǎng)絡可綜合考慮各因素對區(qū)域灌溉水量的影響，同時考慮原始數(shù)據(jù)系列變化規(guī)律對灌溉水量的影響，其在遼西地區(qū)的灌溉用水預測精度明顯好于BP神經(jīng)網(wǎng)絡模型，更適合于遼西地區(qū)的灌溉用水預測。

參考文獻

［1］李繼杰.節(jié)水灌溉技術和理念構(gòu)建分析［J］.水利規(guī)劃與設計，2015（03）：6-7 +17.

［2］李東.阿克蘇地區(qū)農(nóng)業(yè)節(jié)水發(fā)展規(guī)劃的思考與建議［J］.水利規(guī)劃與設計，2014（07）：23-25.

［3］丁學岐.寧夏現(xiàn)代節(jié)水農(nóng)業(yè)發(fā)展探析［J］.水利技術監(jiān)督，2012 （06）：44-47.

［4］石國梁.阿瓦提縣農(nóng)業(yè)灌溉用水現(xiàn)狀及對策［J］.水利技術監(jiān)督，2011（02）：39-41.

［5］賈瑞紅.淺析農(nóng)田水利建設的科學化管理［J］.水利技術監(jiān)督，2011（06）：22-24.

［6］鄭玉勝.基于神經(jīng)網(wǎng)絡的灌溉用水量預測研究［D］.武漢大學，2004.

［7］張丹.基于BP人工神經(jīng)網(wǎng)絡的水稻需水量預測及灌區(qū)灌溉制度研究［D］.沈陽農(nóng)業(yè)大學，2007.

［8］高海菊.基于人工神經(jīng)網(wǎng)絡的灌區(qū)灌溉預報模型［D］.河海大學，2006.

作者簡介：齊 英（1967年—），女，高級工程師。

收稿日期：2015-08-13

DOI：10.3969 /j.issn.1672-2469.2016.03.001

中圖分類號：TV213.9

文獻標識碼：B

文章編號：1672-2469（2016）03-0001-02