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