基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的灌溉需水量預(yù)測(cè)研究

摘要：為了解決我國(guó)農(nóng)業(yè)灌溉自動(dòng)化程度不夠高，灌溉用水量不夠精確等問(wèn)題。本文使用基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)建立了灌溉需水量預(yù)測(cè)模型，選取了對(duì)灌溉需水量的主要影響因素作為輸入數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，遺傳算法改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法能夠準(zhǔn)確預(yù)測(cè)灌溉需水量。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；遺傳算法；灌溉需水量預(yù)測(cè)

1 緒論

中國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，合理的灌溉是中國(guó)農(nóng)業(yè)種植的重要舉措。[1]傳統(tǒng)的灌溉通過(guò)人工作業(yè)實(shí)現(xiàn)，主要依據(jù)人為判斷自然條件，然后依靠以往經(jīng)驗(yàn)決定灌水量的多少，無(wú)法有效地實(shí)現(xiàn)節(jié)水目的。[2]針對(duì)上述問(wèn)題，本文提出一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的灌溉需水量預(yù)測(cè)方法，能夠根據(jù)天氣條件、土壤溫濕度以及作物生長(zhǎng)習(xí)性預(yù)測(cè)出當(dāng)前作物的需水量，在達(dá)到精確灌溉的同時(shí)也能夠節(jié)約灌溉用水。

2 神經(jīng)網(wǎng)絡(luò)及遺傳算法原理

2.1 BP神經(jīng)網(wǎng)絡(luò)算原理

BP神經(jīng)網(wǎng)絡(luò)是一種雙向傳輸?shù)纳窠?jīng)網(wǎng)絡(luò)，包括正向傳輸與反向傳輸。在正向傳輸中，輸入信號(hào)從輸入層逐層傳播到輸出層，如果輸出值未達(dá)到預(yù)期，則將其轉(zhuǎn)移到反向傳播，并調(diào)整網(wǎng)絡(luò)權(quán)重和閾值，以使BP神經(jīng)網(wǎng)絡(luò)輸出接近預(yù)期值。[3]

2.2 遺傳算法原理

遺傳算法是根據(jù)適應(yīng)度值以及通過(guò)遺傳的選擇，交叉和突變篩選個(gè)體，保留具有良好適應(yīng)度值的個(gè)體，并且消除適應(yīng)度值差的個(gè)體，這樣反復(fù)操作，直到適應(yīng)度值達(dá)到條件。[4]遺傳算法的基本操作分為：選擇、交叉和變異。

3 遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)

遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)共分為三部分：

1）神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定部分。

2）遺傳算法優(yōu)化部分。

3）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)部分。

改進(jìn)后的算法流程如下圖所示。

4 實(shí)驗(yàn)及結(jié)論

4.1 數(shù)據(jù)獲取

將本文提出的預(yù)測(cè)方法用Matlab軟件進(jìn)行仿真。采用黑河流域盈科灌區(qū)2012年試驗(yàn)數(shù)據(jù)。[5]為了使神經(jīng)網(wǎng)絡(luò)能夠處理非數(shù)值型數(shù)據(jù)，數(shù)據(jù)特征中的數(shù)字特征和非數(shù)字特征被統(tǒng)一地?cái)?shù)字編碼和標(biāo)準(zhǔn)化。

4.2 參數(shù)設(shè)置

神經(jīng)網(wǎng)絡(luò)中，輸入層節(jié)點(diǎn)、隱藏層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)數(shù)設(shè)置為（10，15，1），算法最大訓(xùn)練周期設(shè)置為1000，精度設(shè)置為0001；遺傳算法中，種群初始大小設(shè)置為200，最大進(jìn)化代數(shù)設(shè)置為200，選擇率、交叉率和變異率分別設(shè)置為（0.9，0.8，0.09）。

4.3 預(yù)測(cè)結(jié)果

對(duì)改進(jìn)后的算法進(jìn)行建模并訓(xùn)練，以預(yù)測(cè)2012年的10套測(cè)試驗(yàn)證樣本。將實(shí)驗(yàn)得到的預(yù)測(cè)結(jié)果與實(shí)際結(jié)果進(jìn)行比較。相比之下，改進(jìn)后的算法模型對(duì)灌溉用水需求預(yù)測(cè)的最低準(zhǔn)確度為91.67%。

5 結(jié)語(yǔ)

本文使用改進(jìn)后的算法進(jìn)行建模，用2012年灌溉用水量以及其主要影響因素作為實(shí)驗(yàn)數(shù)據(jù)，并使用剩下10組數(shù)據(jù)作為測(cè)試組，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法比傳統(tǒng)的預(yù)測(cè)方法具更準(zhǔn)確、更快速，可作為預(yù)測(cè)灌溉需水量的可靠方法。

參考文獻(xiàn)：

[1]史愛(ài)克.節(jié)水灌溉在中國(guó)的發(fā)展與機(jī)遇[J].四川農(nóng)機(jī)，2001，（5）：2627.

[2]川陳莉.淺談節(jié)水灌溉技術(shù)[J].山西農(nóng)業(yè)科學(xué)，2002，（10）：4344.

[3]郇洪江，宮寧生，胡斌.改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在交通流量預(yù)測(cè)中應(yīng)用[J].微電子學(xué)與計(jì)算機(jī)，2010（1）：106108.

[4]高玉明，張仁津.基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的房?jī)r(jià)預(yù)測(cè)分析[J].計(jì)算機(jī)工程，2014，40（4）：187191.

[5]閆昕，劉鈺，張寶忠，等.基于雙作物系數(shù)模型的田間灌溉水利用效率估算[J].安徽農(nóng)業(yè)科學(xué)，2015，43（12）：371373，378.

作者簡(jiǎn)介：楊昊（1995），男，四川德陽(yáng)縣人，碩士，研究方向：智能控制理論及應(yīng)用。