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(jié),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(guān)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(zhuǎn)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(guān)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(gòu)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(guān)聯(lián),而相鄰的神經(jīng)元之間由權(quán)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(jié)構(gòu)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(jié)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(jié)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(jié)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(jié)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