人工神經網絡在節水灌溉中的應用

摘要：隨著人工神經網絡在節水灌溉系統中的成功應用，節水灌溉系統工程所面臨的問題也得到的一定程度上解決。文章對神經網絡在節水灌溉中的應用進行了研究，基于節水效益，分析了未來神經網絡在節水灌溉中的應用趨勢。

關鍵詞：神經網絡;節水灌溉;應用;分析

隨著水資源的日趨緊張，世界各國都在積極探索行之有效的節水途徑和措施。噴灌和微灌技術是為了解決水資源不足而興起的技術措施，提高灌溉效率而發展起來的神經網絡技術是當前研究的熱點。隨著人類社會的不斷發展和進步，節水灌溉系統的復雜性和動態性不斷增加，影響因子不斷增多，不僅需要了解氣候、溫度、水量、水質、土壤、鹽堿等要素的自然變化規律，同時更需要掌握各要素的變化可能對社會、經濟、生態、環境等系統產生的各種影響。使用傳統的研究方法就會面臨許多困難。人工神經網絡在節水灌溉系統中的成功應用，極大地豐富了節水灌溉系統工程的內容。

1 基于節水灌溉的神經網絡分析

人工神經網絡是一種模仿人的大腦神經元特性，從而模擬人腦認知功能的一種處理非線性知識信息的新方法。它的研究可以追溯到1957年Rosenblatt提出的感知器(Perceptron)模型。它幾乎與人工智能--AI(Artificial Intelligence)同時起步，但30余年來卻并未取得人工智能那樣巨大的成功，其中經歷過長時間的蕭條。直到2O世紀80年代，在獲得了關于人工神經網絡切實可行的算法以及以Von Neumann體系為依托的傳統算法在知識處理方面日益顯露出其力不從心后，人們才重新對人工神經網絡發生了興趣，從而導致神經網絡的復興。人工神經網絡(Artificial-NeuralNetworks，簡寫為ANNs)也簡稱為神經網絡(NNs)，或稱作連接模型(ConnectionistMode1)，是對人腦或自然神經網絡(NaturaiNeuraiNetwork)若干基本特性的抽象和模擬。人工神經網絡以對大腦的生理研究成果為基礎，其目的在于模擬大腦的某些機理與機制，實現某個方面的功能翻。其中應用最廣泛的是BP(Back Propagation)算法神經網絡，BP網絡的學習算法是一種誤差反向傳播式的網絡權值訓練方法，它的理論基礎是多層神經網絡模型。BP神經網絡由輸入層、隱含層和輸出層及各層神經元之間的連接組成，各層神經元通過權重、閾值連接。設W／為隱層神經元i與輸入層神經元的連接權，組成隱含層的權矩陣W； 為輸出層神經元k與隱層神經元i的連接權，組成輸出層的權矩陣；隱含層和輸出層的激活函數分別采用Js型函數和線性函數。

基于節水灌溉的神經網絡模式與人工控制方式相比，具有節省水、肥、能量、殺蟲劑、人工等優點，并可基本消除在灌溉過程中人為因素造成的不利影響，提高操作的準確性，有利于灌溉過程的科學管理和先進灌溉技術的推廣。同時通過灌溉控制器適時、適量地灌水，提高農作物產量，有利于我國廣大農村勞動力的轉移和農村經濟結構的調整，同時，對環境保護也起到一定的作用。自從上個世紀60年代初以來．在世界各國得到了迅速發展．到70年代．新型灌溉技術的應用在國外已經相當普及了。我國于1974年引進滴灌技術，1976年噴灌技術的研發列入國家科研計劃，1977-1978年國家計委將噴灌技術列為重點推廣項目，原水利水電部正式將噴灌列為水利建設項目。我國近10年來滴灌技術發展很快，現已在噴滴灌系統設計方面積累了較為豐富經驗。

由于土壤濕度傳感器的非線性以及其輸出延遲較大，采用傳統的反饋控制方法很難得到滿意的結果，而近幾年由于人工智能技術的發展，使得人工智能技術在節水灌溉中的應用顯示出廣闊的前景，其中包括用專家系統、模糊邏輯系統、神經網絡來預測和建模，使得灌溉控制器用這些智能技術來及時、準確地預測環境參數，同時控制這些參數使得它更適合于作物生長。模糊控制和神經網絡在灌溉控制器中的應用較多，這些系統一般以土壤濕度傳感器測土壤水分，同時還通過自動天氣預報站估算出作物的蒸騰量，然后把這兩個信息經模糊化后輸入到模糊控制器，模糊控制器經模糊規則決策得出模糊輸出，再把該模糊輸出精確化傳送給執行機構，控制電磁閥動作。

2 神經網絡在節水灌溉應用趨勢分析

2.1當前神經網絡應用概況

2.1.1 灌溉水質評價方面

人工神經網絡在水庫水質評價中的應用中，國內已經建立了評價模型，得出了水庫水質等級，并通過計算結果與分級評分結果進行了比較，表明BP神經網絡方法收斂較快，預測精度很高，為研究灌溉水質評價打下了基礎。馮耀龍等建立了水質富營養化的BP人工神經網絡模型，用水質指標等級作為訓練樣本，對l993一l998年于橋水庫水質監測值進行了歸類、分析與評價。

2.1.2 灌溉系統預測方面

神經網絡對農業灌溉量的預測作用，將農業灌溉量看作灌區有效灌溉面積、年降雨量、糧食總產量的非線性函數，利用神經網絡的非線性特征對灌區的灌溉供水量進行預測，通過驗證得出，利用神經網絡預測的相對誤差較小，精度達到了要求?；谏窠浘W絡預測了灌溉用水量的研究中，采用了改進的BP網絡對灌溉用水量進行了預測，并采用LM算法進行了誤差逆傳播校正，使得在精度和訓練時間上都有了較大的改進，實例證明取得了較好的結果。用神經網絡算法對水稻需水量的預測，得出人工神經網絡具有很好的適應性和靈活性，提高了預報的準確性。通過對作物需水量的預測，還可以實現節水灌溉。

21.3 灌溉系統優化方面

我國學者研究了神經網絡技術在節水灌溉專家系統中的應用，通過具有很強學習功能、記憶功能和并行處理功能的神經網絡技術，優化了傳統的專家系統，并設計了一套智能水平高、運算能力強、解決實際問題又準又快的節水灌溉專家系統，為節水農業提供了有力的技術支持。

2.2未來神經網絡在節水灌溉應用趨勢

經過多年的發展，國外灌溉控制器已逐步趨于成熟、系列化，但價格昂貴，國內雖引進一些，但多數是農業示范區、科研單位、高校，雖然國外生產的灌溉控制器性能優越，但沒有考慮我國特殊的自然、氣候、土地資源、農民經濟狀況等因素，因而國外引進的灌溉控制器在國內應用并不普及。國內雖然有多家研制灌溉控制器，但多數是小規模、實驗和理論的探討，應用不夠普及，究其原因一則是開發性能完善的灌溉控制系統需要大量的人力、物力的投入，需要多部門、多學科的融合，這在一定程度上限制了性能完善、適應性強的控制器的開發。其次是現在開發出來的灌溉控制器價格昂貴，農民盡管知道能節省人力、灌溉用水、提高產量，但由于一次性投資太大，多數農民承受不起，這也在一定程度上限制了灌溉控制器的普及。

當前出現的難度為：a.神經網絡在節水灌溉工程中獲得了許多成功的應用和成果，其中如何選擇樣本、樣本容量大小的確定、怎樣才能使神經網絡學習的效果最佳，這些都是使用神經網絡過程中遇到的問題，所以大規模、系統化的應用還需要進行大量的研究和探索。b.對BP網絡算法的改進，可以更好地提高學習推理效率。首先，在訓練神經網絡時，BP網絡隱層神經元的作用機理及其個數選擇是BP網絡研究中的一個難題；同時探索更加優化的BP神經網絡算法來防止陷入局部極小仍是個難點；c.為了提高該預測模型的普及性，應該進一步用高級語言來開發界面和接口，通過內嵌該神經網絡預測模型，來提高該模型的應用普及，一定具有廣泛的應用前景。

3 結語

綜上所述，西方發達國家在節水灌溉控制器的開發上已越來越成熟，且發展趨勢是研制大型分布式控制系統和小面積單片機控制系統，并帶有通信功能，能與上位機進行通信，并可由微機對其編程操作。同時隨著人工智能技術的發展，模糊控制、神經網絡等新技術為節水灌溉控制器的研制開辟了廣闊的應用前景。而國內在灌溉控制器的研制方面還沒有形成規模大、應用范圍廣的成套灌溉控制產品。國內的一些高爾夫球場等大面積場地灌溉控制，一般引用國外現成的成套灌溉控制產品。

參考文獻

[1]李遠華.節水灌溉理論與技術[M].武漢：武漢水利電力大學出版社，1999.

[2]李志剛，張文煥．神經網絡技術在節水灌溉專家系統中的應用[J]．山西農業科學，2007(8)：70-72．

[3]徐建新，李彥彬，谷紅梅．基于神經網絡的農業灌溉量預測[J]．農機化研究，2005(4)：1l5一l17．

作者介紹：仲子平（1972-），男，江蘇姜堰人， 蘇州農業職業技術學院，講師，工學士從事農機與汽車專業的教學與研究.