摘要：隨著人工神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉系統(tǒng)中的成功應(yīng)用，節(jié)水灌溉系統(tǒng)工程所面臨的問題也得到的一定程度上解決。文章對神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉中的應(yīng)用進(jìn)行了研究，基于節(jié)水效益，分析了未來神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉中的應(yīng)用趨勢。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò);節(jié)水灌溉;應(yīng)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(jié)水途徑和措施。噴灌和微灌技術(shù)是為了解決水資源不足而興起的技術(shù)措施，提高灌溉效率而發(fā)展起來的神經(jīng)網(wǎng)絡(luò)技術(shù)是當(dāng)前研究的熱點(diǎn)。隨著人類社會的不斷發(fā)展和進(jìn)步，節(jié)水灌溉系統(tǒng)的復(fù)雜性和動態(tài)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(zhì)、土壤、鹽堿等要素的自然變化規(guī)律，同時更需要掌握各要素的變化可能對社會、經(jīng)濟(jì)、生態(tài)、環(huán)境等系統(tǒng)產(chǎn)生的各種影響。使用傳統(tǒng)的研究方法就會面臨許多困難。人工神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉系統(tǒng)中的成功應(yīng)用，極大地豐富了節(jié)水灌溉系統(tǒng)工程的內(nèi)容。

1 基于節(jié)水灌溉的神經(jīng)網(wǎng)絡(luò)分析

人工神經(jīng)網(wǎng)絡(luò)是一種模仿人的大腦神經(jīng)元特性，從而模擬人腦認(rèn)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(jīng)歷過長時間的蕭條。直到2O世紀(jì)80年代，在獲得了關(guān)于人工神經(jīng)網(wǎng)絡(luò)切實(shí)可行的算法以及以Von Neumann體系為依托的傳統(tǒng)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(jīng)網(wǎng)絡(luò)發(fā)生了興趣，從而導(dǎo)致神經(jīng)網(wǎng)絡(luò)的復(fù)興。人工神經(jīng)網(wǎng)絡(luò)(Artificial-NeuralNetworks，簡寫為ANNs)也簡稱為神經(jīng)網(wǎng)絡(luò)(NNs)，或稱作連接模型(ConnectionistMode1)，是對人腦或自然神經(jīng)網(wǎng)絡(luò)(NaturaiNeuraiNetwork)若干基本特性的抽象和模擬。人工神經(jīng)網(wǎng)絡(luò)以對大腦的生理研究成果為基礎(chǔ)，其目的在于模擬大腦的某些機(jī)理與機(jī)制，實(shí)現(xiàn)某個方面的功能翻。其中應(yīng)用最廣泛的是BP(Back Propagation)算法神經(jīng)網(wǎng)絡(luò)，BP網(wǎng)絡(luò)的學(xué)習(xí)算法是一種誤差反向傳播式的網(wǎng)絡(luò)權(quán)值訓(xùn)練方法，它的理論基礎(chǔ)是多層神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層及各層神經(jīng)元之間的連接組成，各層神經(jīng)元通過權(quán)重、閾值連接。設(shè)W／為隱層神經(jīng)元i與輸入層神經(jīng)元的連接權(quán)，組成隱含層的權(quán)矩陣W； 為輸出層神經(jīng)元k與隱層神經(jīng)元i的連接權(quán)，組成輸出層的權(quán)矩陣；隱含層和輸出層的激活函數(shù)分別采用Js型函數(shù)和線性函數(shù)。

基于節(jié)水灌溉的神經(jīng)網(wǎng)絡(luò)模式與人工控制方式相比，具有節(jié)省水、肥、能量、殺蟲劑、人工等優(yōu)點(diǎn)，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(zhǔn)確性，有利于灌溉過程的科學(xué)管理和先進(jìn)灌溉技術(shù)的推廣。同時通過灌溉控制器適時、適量地灌水，提高農(nóng)作物產(chǎn)量，有利于我國廣大農(nóng)村勞動力的轉(zhuǎn)移和農(nóng)村經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整，同時，對環(huán)境保護(hù)也起到一定的作用。自從上個世紀(jì)60年代初以來．在世界各國得到了迅速發(fā)展．到70年代．新型灌溉技術(shù)的應(yīng)用在國外已經(jīng)相當(dāng)普及了。我國于1974年引進(jìn)滴灌技術(shù)，1976年噴灌技術(shù)的研發(fā)列入國家科研計(jì)劃，1977-1978年國家計(jì)委將噴灌技術(shù)列為重點(diǎn)推廣項(xiàng)目，原水利水電部正式將噴灌列為水利建設(shè)項(xiàng)目。我國近10年來滴灌技術(shù)發(fā)展很快，現(xiàn)已在噴滴灌系統(tǒng)設(shè)計(jì)方面積累了較為豐富經(jīng)驗(yàn)。

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(tǒng)的反饋控制方法很難得到滿意的結(jié)果，而近幾年由于人工智能技術(shù)的發(fā)展，使得人工智能技術(shù)在節(jié)水灌溉中的應(yīng)用顯示出廣闊的前景，其中包括用專家系統(tǒng)、模糊邏輯系統(tǒng)、神經(jīng)網(wǎng)絡(luò)來預(yù)測和建模，使得灌溉控制器用這些智能技術(shù)來及時、準(zhǔn)確地預(yù)測環(huán)境參數(shù)，同時控制這些參數(shù)使得它更適合于作物生長。模糊控制和神經(jīng)網(wǎng)絡(luò)在灌溉控制器中的應(yīng)用較多，這些系統(tǒng)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(yù)報(bào)站估算出作物的蒸騰量，然后把這兩個信息經(jīng)模糊化后輸入到模糊控制器，模糊控制器經(jīng)模糊規(guī)則決策得出模糊輸出，再把該模糊輸出精確化傳送給執(zhí)行機(jī)構(gòu)，控制電磁閥動作。

2 神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉應(yīng)用趨勢分析

2.1當(dāng)前神經(jīng)網(wǎng)絡(luò)應(yīng)用概況

2.1.1 灌溉水質(zhì)評價方面

人工神經(jīng)網(wǎng)絡(luò)在水庫水質(zhì)評價中的應(yīng)用中，國內(nèi)已經(jīng)建立了評價模型，得出了水庫水質(zhì)等級，并通過計(jì)算結(jié)果與分級評分結(jié)果進(jìn)行了比較，表明BP神經(jīng)網(wǎng)絡(luò)方法收斂較快，預(yù)測精度很高，為研究灌溉水質(zhì)評價打下了基礎(chǔ)。馮耀龍等建立了水質(zhì)富營養(yǎng)化的BP人工神經(jīng)網(wǎng)絡(luò)模型，用水質(zhì)指標(biāo)等級作為訓(xùn)練樣本，對l993一l998年于橋水庫水質(zhì)監(jiān)測值進(jìn)行了歸類、分析與評價。

2.1.2 灌溉系統(tǒng)預(yù)測方面

神經(jīng)網(wǎng)絡(luò)對農(nóng)業(yè)灌溉量的預(yù)測作用，將農(nóng)業(yè)灌溉量看作灌區(qū)有效灌溉面積、年降雨量、糧食總產(chǎn)量的非線性函數(shù)，利用神經(jīng)網(wǎng)絡(luò)的非線性特征對灌區(qū)的灌溉供水量進(jìn)行預(yù)測，通過驗(yàn)證得出，利用神經(jīng)網(wǎng)絡(luò)預(yù)測的相對誤差較小，精度達(dá)到了要求?；谏窠?jīng)網(wǎng)絡(luò)預(yù)測了灌溉用水量的研究中，采用了改進(jìn)的BP網(wǎng)絡(luò)對灌溉用水量進(jìn)行了預(yù)測，并采用LM算法進(jìn)行了誤差逆?zhèn)鞑バＵ?，使得在精度和?xùn)練時間上都有了較大的改進(jìn)，實(shí)例證明取得了較好的結(jié)果。用神經(jīng)網(wǎng)絡(luò)算法對水稻需水量的預(yù)測，得出人工神經(jīng)網(wǎng)絡(luò)具有很好的適應(yīng)性和靈活性，提高了預(yù)報(bào)的準(zhǔn)確性。通過對作物需水量的預(yù)測，還可以實(shí)現(xiàn)節(jié)水灌溉。

21.3 灌溉系統(tǒng)優(yōu)化方面

我國學(xué)者研究了神經(jīng)網(wǎng)絡(luò)技術(shù)在節(jié)水灌溉專家系統(tǒng)中的應(yīng)用，通過具有很強(qiáng)學(xué)習(xí)功能、記憶功能和并行處理功能的神經(jīng)網(wǎng)絡(luò)技術(shù)，優(yōu)化了傳統(tǒng)的專家系統(tǒng)，并設(shè)計(jì)了一套智能水平高、運(yùn)算能力強(qiáng)、解決實(shí)際問題又準(zhǔn)又快的節(jié)水灌溉專家系統(tǒng)，為節(jié)水農(nóng)業(yè)提供了有力的技術(shù)支持。

2.2未來神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉應(yīng)用趨勢

經(jīng)過多年的發(fā)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(nèi)雖引進(jìn)一些，但多數(shù)是農(nóng)業(yè)示范區(qū)、科研單位、高校，雖然國外生產(chǎn)的灌溉控制器性能優(yōu)越，但沒有考慮我國特殊的自然、氣候、土地資源、農(nóng)民經(jīng)濟(jì)狀況等因素，因而國外引進(jìn)的灌溉控制器在國內(nèi)應(yīng)用并不普及。國內(nèi)雖然有多家研制灌溉控制器，但多數(shù)是小規(guī)模、實(shí)驗(yàn)和理論的探討，應(yīng)用不夠普及，究其原因一則是開發(fā)性能完善的灌溉控制系統(tǒng)需要大量的人力、物力的投入，需要多部門、多學(xué)科的融合，這在一定程度上限制了性能完善、適應(yīng)性強(qiáng)的控制器的開發(fā)。其次是現(xiàn)在開發(fā)出來的灌溉控制器價格昂貴，農(nóng)民盡管知道能節(jié)省人力、灌溉用水、提高產(chǎn)量，但由于一次性投資太大，多數(shù)農(nóng)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(dāng)前出現(xiàn)的難度為：a.神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉工程中獲得了許多成功的應(yīng)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(jīng)網(wǎng)絡(luò)學(xué)習(xí)的效果最佳，這些都是使用神經(jīng)網(wǎng)絡(luò)過程中遇到的問題，所以大規(guī)模、系統(tǒng)化的應(yīng)用還需要進(jìn)行大量的研究和探索。b.對BP網(wǎng)絡(luò)算法的改進(jìn)，可以更好地提高學(xué)習(xí)推理效率。首先，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時，BP網(wǎng)絡(luò)隱層神經(jīng)元的作用機(jī)理及其個數(shù)選擇是BP網(wǎng)絡(luò)研究中的一個難題；同時探索更加優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法來防止陷入局部極小仍是個難點(diǎn)；c.為了提高該預(yù)測模型的普及性，應(yīng)該進(jìn)一步用高級語言來開發(fā)界面和接口，通過內(nèi)嵌該神經(jīng)網(wǎng)絡(luò)預(yù)測模型，來提高該模型的應(yīng)用普及，一定具有廣泛的應(yīng)用前景。

3 結(jié)語

綜上所述，西方發(fā)達(dá)國家在節(jié)水灌溉控制器的開發(fā)上已越來越成熟，且發(fā)展趨勢是研制大型分布式控制系統(tǒng)和小面積單片機(jī)控制系統(tǒng)，并帶有通信功能，能與上位機(jī)進(jìn)行通信，并可由微機(jī)對其編程操作。同時隨著人工智能技術(shù)的發(fā)展，模糊控制、神經(jīng)網(wǎng)絡(luò)等新技術(shù)為節(jié)水灌溉控制器的研制開辟了廣闊的應(yīng)用前景。而國內(nèi)在灌溉控制器的研制方面還沒有形成規(guī)模大、應(yīng)用范圍廣的成套灌溉控制產(chǎn)品。國內(nèi)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(xiàn)成的成套灌溉控制產(chǎn)品。

參考文獻(xiàn)

[1]李遠(yuǎn)華.節(jié)水灌溉理論與技術(shù)[M].武漢：武漢水利電力大學(xué)出版社，1999.

[2]李志剛，張文煥．神經(jīng)網(wǎng)絡(luò)技術(shù)在節(jié)水灌溉專家系統(tǒng)中的應(yīng)用[J]．山西農(nóng)業(yè)科學(xué)，2007(8)：70-72．

[3]徐建新，李彥彬，谷紅梅．基于神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)灌溉量預(yù)測[J]．農(nóng)機(jī)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(nóng)業(yè)職業(yè)技術(shù)學(xué)院，講師，工學(xué)士從事農(nóng)機(jī)與汽車專業(yè)的教學(xué)與研究.