基于T-S模型的神經網絡在節水灌溉技術選擇中的應用

白潔娜

（五家渠農六師勘測設計研究有限責任公司，新疆五家渠831300）

?

基于T-S模型的神經網絡在節水灌溉技術選擇中的應用

白潔娜

（五家渠農六師勘測設計研究有限責任公司，新疆五家渠831300）

摘要：為了有效對節水灌溉技術水質展開監控和應用，選取一種基于T-S模糊的神經網絡模型對水質加以評價。文中從模糊神經網絡的發展情況入手，提出建立基于T-S模型的神經網絡模型，分析了創建基于T-S模型的神經網絡模塊，介紹了基于T-S模糊神經網絡模式在節水灌溉技術中的應用。

關鍵詞：T-S模型的神經網絡；節水灌溉技術；應用

我國是一個嚴重缺乏水資源的國家，水資源分布不均衡，加大節水灌溉技術的設計對保障國家的用水安全及促進農業經濟的發展有著不可替代的作用。初期的節水灌溉技術評價法是采用粗線條對整個節水灌溉工程展開定性描述。

由于研究的逐步深入，該技術也由定性轉為定量、由規范性的研究轉化為實質性的研究，所以尋求適應的方法對節水灌溉工程展開綜合評定成為重要的問題。模糊神經網絡可以引入模糊算法，把模糊邏輯辦法及神經網絡有機結合起來。

T-S模糊模式是一種非線性系統的局部刻畫，該模型把輸入空間劃分為多個模糊子空間，先創建線性模型，隨之采用隸屬函數把各個模型進行連接，形成全局模型。

1　簡述模糊神經網絡的發展現狀

模糊神經網絡（FNN）是現階段新型的一種新型評價方法，是一種基于模糊系統與神經網絡相互結合的形式。神經網絡控制系統是把模糊集合化，以語言變量、邏輯推理為基礎的數字控制系統，從而達到智能控制的形式。

神經網絡還可以模仿人的大腦神經網絡模型及信息處理機能，展開信息的處理、判斷、學習等，達到模仿人為進行智能控制的目的。

模糊神經網絡是綜合神經網絡及模糊控制的所有優點，進行非線性、模糊性有關的處理上展現出獨特的優勢。該系統不用創建基于系統動態特性的數學模型，經過網絡結構的綜合學習，獲取神經網絡優異結構，消除了只依靠設計經驗選取網絡結構的隨意性，提升神經網絡學習的收斂速度。

2　建立基于T-S模型的神經網絡模型

T-S模型網絡模型是一種具有超強適應能力的系統，T-S模型可以進行自動更新，也會不停的修正模糊子集的隸屬度函數。

T-S模型應該運用IF—THEN規則進行定義，如果規則是Ri的情況下，模糊神經網絡推理如下：

Pij代表模糊系統的參數值；

yi是依照模糊規則得出的輸出值，輸入部門是比較模糊，輸出部門是確定的，這個模糊推理代表輸出是輸入的線性組合。

如果輸入量x=［x1，x2…xk］，第一步先根據模糊規則計算出不同的輸入變量xj的隸屬度。

由模糊網絡模型結果計算出所需的模糊模型輸出數值。

圖1　模糊神經網絡結構簡圖

T-S模糊神經網絡結構劃分為模糊化層、輸入層、模糊計算層、輸出層。輸出層與輸入向量x=［］進行連接，節點數與輸入向量的數值相同。

模糊化層運用隸屬度函數（1）對輸入值展開模糊化從而獲取隸屬度值μ。模糊計算曾層運用模糊計算公式（2）。輸出層運用公式（2）、（3）算出神經網絡輸出值。

3　創建基于T-S模型神經網絡模塊

基于T-S模型的神經網絡節水灌溉技術一般應用在模糊神經網絡及遺傳算法展開對初始數據的處理，獲取相關的結果方便用戶進行判斷。該系統主要進行輸入數據的預處理、分析結果、數據處理等3項功能。

數據預處理模式主要對原數據進行分類，轉化為模糊神經網絡通用的格式。數據計算就是指通過預處理后的數據展開處理并獲取相關的結果。分析結果就是對模糊神經網絡輸出層結果展開圖形化，方便用戶進行理解。

基于模糊神經網絡的節水灌溉技術隸屬于專家決策的某個分支，主要的特征必須先展開知識的驗證，并為驗證知識創建相應的知識庫，該系統就是采用模糊推理技術根據人的思維及推理意念，采用神經網絡的學習機自適應性來對模糊推理系統進行推理，才有遺傳算法進行全局優化。

依照系統的特點展開分析，為基于T-S模型神經網絡節水灌溉技術系統展開功能設計，具體情況如圖2所示。

圖2　基于T-S模糊神經網絡模型節水灌溉技術模型

3.1數據輸入

數據輸入模塊就是對學習樣本及試驗樣本的原始數據展開輸入，方便形成具有可靠的數據預處理模塊的形式。以此為基礎展開人性化的設計，采用人性化界面方便提升用戶的工作效率及使用性能。

該系統選取的輸入數據量很大，用戶比較容易出現錯誤，所以該模塊運用數據輸入驗證技術，以此來提升數據輸入的效率及準確度。

3.2數據處理

數據預處理模塊的功能就是對輸入學習的樣本數據展開相關的計算和預處理，消除不需要的數據信息，把原始數據處理形成可以為神經網絡及遺傳算法應用的數據。

數據處理模塊則是采用通過預處理的樣本數據及遺傳算法為神經網絡展開訓練，并采用訓練后的網絡對樣本展開數據處理，獲取最終的輸出結果，便于為用戶提供分析。

采用T-S模糊神經網絡對節水灌溉的水質進

公式（5）中，y作為歸一化之后的數據，x代表原始數據，xmin、xmax分別表示數據集合內的最小值和最大值。

因輸入數據是5個水質指標，輸出數據則是1水質等級，因此，模糊神經網絡結構是5-10-1，就是說有10個隸屬度。文中模糊隸屬度中心、寬度采用“rand（）”函數隨意取得。

3.3結果分析

結果分析是采用處理過的樣本展開節水灌溉技術方面的闡述，形成比較簡單的文字性文字或圖像進行表述，方便用戶展開決策分析，為灌溉地區選取高效的節水灌溉技術。

T-S模糊神經網絡是根據模糊系統原理創建起來的，網絡內不同節點及其參數都有相應的物理含義。在網絡初始化之時，這類參數的初始值由系統的模糊及定性知識來得到，如此一來網絡可以快速進行收斂。

文中運用對比檢驗的SVM模型運用交叉驗證及時展開參數，如此一來，可以從大范圍內一直縮小參數范圍，從而實現尋優參數的效果。行評價之前對樣本數據展開歸一化處理，采用maPminmax函數把訓練樣本及檢驗樣本根據公式（5）展開歸一化處理，讓其轉換為0～1之間的數。

4　基于T-S模糊神經網絡模式在節水灌溉技術中的應用

節水灌溉上幾乎選取的指標受到多種因素的影響，模糊系統可以有效地對人的思維展開模擬，很好的解決推斷過程中出現的自學問題，把模糊系統及神經網絡相互結合，實現較好解決節水灌溉技術有關的問題。

依照模糊神經網絡的結構、特點，建立基于TS模糊神經網絡的輸入層包括5個神經元，4個輸出元，具體情況如圖2所示。

把模糊神經網絡及節水灌溉技術相互結合，各層的計算如下所示，最后獲取基于T-S模糊神經網絡節水灌溉技術模型。輸入層是各個節點直接與輸入向量的不同分量x進行連接，它起到把輸入值傳遞到下一層次，這層的節點數為N1=n。

在節水灌溉上幾乎選為指標體系的向量，這里的節點與輸入序列相互連接，把不同輸入值傳遞到下層。該層的各個節點對每一語言變量的取值，它的作用可以對各個輸入分量計算。

根據輸入層所輸入的數據，模糊化層的各幾點必須算出模糊隸屬度，從而選取最佳的節水灌溉技術。

運用高斯函數當作隸屬度函數，計算公式如下：

輸出層是為模糊化計算所設置的，達到清晰化計算，獲取輸出值，該層的節點個數是由實際問題所設定。在該模型中輸出層神經元的節點數是由選用的節水灌溉技術種類而定。

5　結語

模糊神經網絡是一種新型的網絡模式，可以把模糊邏輯法與神經網絡法有效的結合起來。文中以T-S模糊神經網絡模型應用在節水灌溉技術的實際情況為研究依據，由模糊神經網絡的發展現狀入手，提出建立基于T-S模型的神經網絡模型，從而改進節水灌溉技術。

參考文獻

［1］趙振霞，唐濤，張茂國等.基于神經網絡的節水灌溉適宜技術模型——人機交互界面的設計與實現［J］.水利科技與經濟，2011，17（03）：86-88，100.

［2］巨天珍，孟凡濤，姚晶晶等.基于T-S模型的神經網絡在小隴山森林健康評價中的應用［J］.廣東農業科學，2012，39（03）：167-169.

［3］荀新新，張德生，王雁等.基于T-S模糊神經網絡組合模型的CPI預測［J］.陜西科技大學學報（自然科學版），2014（03）：173-176.

［4］周志軒，王艷芳.基于BP神經網絡的灌區耗水量模擬預測模型［J］.農業科學研究，2011，32（03）：41-43.

［5］孫萍，黃彬彬.基于神經網絡的萬年縣節水灌溉適宜技術選擇研究［J］.安徽農業科學，2011，39（35）：21962-21964.

［6］夏美娟，梁雪春，韓峰濤等.基于改進FCM聚類算法的T-S模糊神經網絡水質評價方法［J］.計算機與應用化學，2013（10）：1197-1202.

［7］殷飛，金世佳.節水灌溉對生態環境影響評價方法的影響研究［J］.農機化研究，2013（05）：45-48.

中圖分類號：S275

文獻標識碼：B

文章編號：1008-1305（2016）01-0040-03

DOI：10.3969 /j.issn.1008-1305.2016.01.0013

收稿日期：2014-09-05

作者簡介：白潔娜（1981年—），女，工程師。