摘要：影響土壤的生長條件有很多種，例如氣候、土壤的特性以及農(nóng)作物的生長狀況等，這些因素都對土壤的墑情預測產(chǎn)生一定的影響。因此，在進行土壤墑情預測工作時，可以應用神經(jīng)網(wǎng)絡的方法，建立神經(jīng)網(wǎng)絡預測模型。在對目前的土壤墑情預測模型的比較分析的基礎上，可以使用創(chuàng)新的神經(jīng)網(wǎng)絡法建立土壤墑情預測的模型，通過對數(shù)據(jù)的分析總結，了解神經(jīng)網(wǎng)絡法在土壤墑情預測中起到的重要作用，并在不同地區(qū)的土壤墑情預測中都有廣泛應用。本文主要對神經(jīng)網(wǎng)絡法在土壤墑情預測中的應用進行了詳細分析。

關鍵詞：神經(jīng)網(wǎng)絡法；土壤墑情；預測；應用探析

中圖分類號： S152.7 文獻標識碼： A DOI編號： 10.14025/j.cnki.jlny.2017.18.029

對土壤墑情進行預測不僅是平衡農(nóng)田水分，實現(xiàn)土壤、植物、大氣三者的水分轉化的核心內(nèi)容，也是農(nóng)業(yè)生產(chǎn)的質(zhì)量和效率的重點研究部分。旱災是主要的自然災害之一，旱災具有頻率快、時間長等特點。對于干旱的地區(qū)，通過對土壤的水分進行預測對比，使用有效的土壤水分預測方法，對于合理利用農(nóng)業(yè)天氣預報，解決干旱問題的意義十分重大。

1 土壤墑情預測神經(jīng)網(wǎng)絡模型的建立

1.1 神經(jīng)網(wǎng)絡模型的概述

在傳統(tǒng)的土壤墑情預測模型中，如果只提供簡單的參數(shù)，那么模型則很難得到應用，而且許多墑情預測模型都比較復雜，在實際應用中很不方便，也存在一定的誤差。因此，可以采用神經(jīng)網(wǎng)絡方法，通過建立神經(jīng)網(wǎng)絡預測模型，對土壤墑情進行準確的預測工作。

神經(jīng)網(wǎng)絡就是模擬人類思維的第二種方式。在神經(jīng)網(wǎng)絡模型中，BP網(wǎng)絡是應用最為廣泛的模型之一。BP網(wǎng)絡是一種按照誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，可以學習和存儲許多輸入、輸出模式的映射關系，在各個領域都得到了廣泛的應用。

1.2 神經(jīng)網(wǎng)絡模型的建立

BP網(wǎng)絡模型是一種前向多層網(wǎng)絡，主要由輸入層、多個隱含層以及輸出層構成。每一層都有多個神經(jīng)元，同一層的各個神經(jīng)元之間沒有相互關聯(lián)，而相鄰的神經(jīng)元之間由權來連接。如圖1所示，三層的前饋網(wǎng)絡是最基本的BP網(wǎng)絡模型，也是應用較為廣泛的。

在實際的土壤墑情預測中，神經(jīng)網(wǎng)絡模型結構圖，如圖2所示。

在圖2中，輸入層為影響土壤的墑情變化的主要因素，其節(jié)點數(shù)的個數(shù)由影響因素決定，而中間隱含層的節(jié)點數(shù)則根據(jù)模型的需要而決定，這三個層次的節(jié)點依次映射到下一個層次。對于各個層次之間的映射函數(shù)可以用可導的sigmoid函數(shù)表示：

f（x）=1/1+exp（-x）

由此可見，此模型具有極強的非線性映射能力。

對于BP網(wǎng)絡的算法，由信息的正向傳遞和誤差的反向傳播等兩部分組成。在信息的正向傳遞時，信息從輸入層到隱含層進行計算，最終傳遞到輸出層，其神經(jīng)元的狀態(tài)只對下一層的神經(jīng)元狀態(tài)起作用。那么，如果輸出的數(shù)據(jù)不理想，就開始對輸出層的誤差數(shù)值進行計算，接下來進行反向傳播，從而利用計算機網(wǎng)絡，將誤差反向傳播回各層的神經(jīng)元中，最終得到精準的數(shù)值。

2神經(jīng)網(wǎng)絡法在土壤墑情預測中的應用

土壤墑情的主要影響因素包括：氣候、水分、土壤的特性以及農(nóng)作物的生長等，當對某一地區(qū)的土壤墑情進行預測時，就要充分考慮神經(jīng)網(wǎng)絡方法的應用，需要對影響土壤墑情的因素進行分組或者數(shù)值量化表示，對于普遍的結果進行模型的建立來分析土壤墑情。此外，可以使用圖2中地區(qū)土壤墑情的主要影響因素作為輸入層，對土壤墑情進行實際的計算測量，再與預測的結果進行比較，通過對土壤墑情的預測值和實際計算值的對比分析，可以很容易的看到一些非影響因素是否對結果造成了干擾以及最終參數(shù)的確定，建立神經(jīng)網(wǎng)絡模型時可以采用誤差的反向傳播法進行計算分析。

通過以上分析可以看出，神經(jīng)網(wǎng)絡模型法在土壤墑情的預測上有重要的應用。神經(jīng)網(wǎng)絡具有自主學習的優(yōu)勢，可以自主的建立輸入?yún)?shù)和具有可調(diào)層數(shù)的BP網(wǎng)絡模型，這種自主學習的功能還對預測有重要的意義，因此神經(jīng)網(wǎng)絡方法在土壤墑情的預測中可以廣泛的應用。此外，神經(jīng)網(wǎng)絡模型所使用到的參數(shù)在目標區(qū)域都很容易得到，在一定程度上方便了對土壤墑情的預測。

3 結語

以上對土壤墑情預測神經(jīng)網(wǎng)絡模型的建立，以及神經(jīng)網(wǎng)絡方法在土壤墑情預測中的應用進行了分析，從中可了解到，在土壤墑情的預測中使用神經(jīng)網(wǎng)絡法，只需要將目標區(qū)域的土壤墑情影響因素進行分析，并且將各個影響因素進行分組，從中選出具有代表性的樣本進行神經(jīng)網(wǎng)絡模型的建立，從而得出期望的參數(shù)值，這樣就可以通過神經(jīng)網(wǎng)絡模型法對土壤的墑情進行預測。神經(jīng)網(wǎng)絡法具有廣泛的應用，在土壤墑情預測中起到了重要的作用，應該對BP網(wǎng)絡模型不斷的優(yōu)化完善，以保證土壤墑情預測的準確性及便利性。

參考文獻

[1]侯曉麗，馮躍華，吳光輝.基于人工神經(jīng)網(wǎng)絡土壤墑情動態(tài)預測模型應用研究[J].節(jié)水灌溉，2016（07）：70-72.

[2]冀榮華，張舒蕾，鄭立華.基于多值神經(jīng)元復數(shù)神經(jīng)網(wǎng)絡的土壤墑情預測[J].農(nóng)業(yè)工程學報，2017，33（S1）：126-131.

作者簡介：吳敬東，本科學歷，助理工程師，研究方向：水利、水文及土壤墑情。endprint