神经网络法在土壤墒情预测中的应用

对土壤墒情进行预测不仅是平衡农田水分,实现土壤、植物、大气三者的水分转化的核心内容,也是农业生产的质量和效率的重点研究部分。旱灾是主要的自然灾害之一,旱灾具有频率快、时间长等特点。对于干旱的地区,通过对土壤的水分进行预测对比,使用有效的土壤水分预测
阅读技巧Ctrl+D 收藏本篇文章

对土壤墒情进行预测不仅是平衡农田水分,实现土壤、植物、大气三者的水分转化的核心内容,也是农业生产的质量和效率的重点研究部分。旱灾是主要的自然灾害之一,旱灾具有频率快、时间长等特点。对于干旱的地区,通过对土壤的水分进行预测对比,使用有效的土壤水分预测方法,对于合理利用农业天气预报,解决干旱问题的意义十分重大。

1 土壤墒情预测神经网络模型的建立

1.1 神经网络模型的概述

在传统的土壤墒情预测模型中,如果只提供简单的参数,那么模型则很难得到应用,而且许多墒情预测模型都比较复杂,在实际应用中很不方便,也存在一定的误差。因此,可以采用神经网络方法,通过建立神经网络预测模型,对土壤墒情进行准确的预测工作。

神经网络就是模拟人类思维的第二种方式。在神经网络模型中,BP网络是应用最为广泛的模型之一。BP网络是一种按照误差逆传播算法训练的多层前馈网络,可以学习和存储许多输入、输出模式的映射关系,在各个领域都得到了广泛的应用。

1.2 神经网络模型的建立

BP 网络模型是一种前向多层网络,主要由输入层、多个隐含层以及输出层构成。每一层都有多个神经元,同一层的各个神经元之间没有相互关联,而相邻的神经元之间由权来连接。如图1 所示,三层的前馈网络是最基本的BP 网络模型,也是应用较为广泛的。

在实际的土壤墒情预测中,神经网络模型结构图,如图2所示。

在图2 中,输入层为影响土壤的墒情变化的主要因素,其节点数的个数由影响因素决定,而中间隐含层的节点数则根据模型的需要而决定,这三个层次的节点依次映射到下一个层次。对于各个层次之间的映射函数可以用可导的sigmoid 函数表示:f (x)=1/1+exp(-x)由此可见,此模型具有极强的非线性映射能力。

对于BP网络的算法,由信息的正向传递和误差的反向传播等两部分组成。在信息的正向传递时,信息从输入层到隐含层进行计算,最终传递到输出层,其神经元的状态只对下一层的神经元状态起作用。那么,如果输出的数据不理想,就开始对输出层的误差数值进行计算,接下来进行反向传播,从而利用计算机网络,将误差反向传播回各层的神经元中,最终得到精准的数值。

2 神经网络法在土壤墒情预测中的应用

土壤墒情的主要影响因素包括:气候、水分、土壤的特性以及农作物的生长等,当对某一地区的土壤墒情进行预测时,就要充分考虑神经网络方法的应用,需要对影响土壤墒情的因素进行分组或者数值量化表示,对于普遍的结果进行模型的建立来分析土壤墒情。此外,可以使用图2 中地区土壤墒情的主要影响因素作为输入层,对土壤墒情进行实际的计算测量,再与预测的结果进行比较,通过对土壤墒情的预测值和实际计算值的对比分析,可以很容易的看到一些非影响因素是否对结果造成了干扰以及最终参数的确定,建立神经网络模型时可以采用误差的反向传播法进行计算分析。

通过以上分析可以看出,神经网络模型法在土壤墒情的预测上有重要的应用。神经网络具有自主学习的优势,可以自主的建立输入参数和具有可调层数的BP 网络模型,这种自主学习的功能还对预测有重要的意义,因此神经网络方法在土壤墒情的预测中可以广泛的应用。此外,神经网络模型所使用到的参数在目标区域都很容易得到,在一定程度上方便了对土壤墒情的预测。

3 结语

以上对土壤墒情预测神经网络模型的建立,以及神经网络方法在土壤墒情预测中的应用进行了分析,从中可了解到,在土壤墒情的预测中使用神经网络法,只需要将目标区域的土壤墒情影响因素进行分析,并且将各个影响因素进行分组,从中选出具有代表性的样本进行神经网络模型的建立,从而得出期望的参数值,这样就可以通过神经网络模型法对土壤的墒情进行预测。神经网络法具有广泛的应用,在土壤墒情预测中起到了重要的作用,应该对BP 网络模型不断的优化完善,以保证土壤墒情预测的准确性及便利性。

参考文献

[1]侯晓丽,冯跃华,吴光辉.基于人工神经网络土壤墒情动态预测模型应用研究[J].节水灌溉,2016(07):70-72.

[2]冀荣华,张舒蕾,郑立华.基于多值神经元复数神经网络的土壤墒情预测[J].农业工程学报,2017,33(S1):126-131.

作者简介:吴敬东,本科学历,助理工程师,研究方向:水利、水文及土壤墒情。

转载请注明来源。原文地址:http://www.lw54.com/html/zhlw/20170913/7225496.html   

神经网络法在土壤墒情预测中的应用相关推荐


------分隔线----------------------------
联系方式
微信号 biyelunwen
热点论文