水利工程論文-灌溉發(fā)展需求預測人工神經(jīng)網(wǎng)絡模型的建立與應用.doc

水利工程論文-灌溉發(fā)展需求預測人工神經(jīng)網(wǎng)絡模型的建立與應用摘要：本文將計算機人工神經(jīng)網(wǎng)絡理論首次引入灌溉宏觀發(fā)展戰(zhàn)略研究領域，以各“五年”計劃期末全國糧食總產(chǎn)與影響因子集為訓練樣本，建立了灌溉發(fā)展需求預測人工神經(jīng)網(wǎng)絡模型；從建國以來40多年的時間序列中，任選5個年份的相應參數(shù)作為校核樣本，對所建模型進行了校核；根據(jù)今后我國人口增長與糧食需求發(fā)展趨勢，利用模型對未來30年全國的灌溉面積發(fā)展需求進行了預測；分析了預測結(jié)果，提出了發(fā)展對策.其成果對制定全國灌溉宏觀發(fā)展戰(zhàn)略與政策措施，確保未來30年中國糧食與經(jīng)濟安全具有十分重要的參考意義.關(guān)鍵詞：灌溉人工神經(jīng)網(wǎng)絡預測糧食發(fā)展需求計算機近年來國內(nèi)外興起的人工神經(jīng)網(wǎng)絡研究方法能對信息進行大規(guī)模并行處理；具有很強的魯棒性和容錯性；善于聯(lián)想、概括、類比和推理；而且具有很強的自學習能力，善于從大量統(tǒng)計資料中分析提取宏觀統(tǒng)計規(guī)律，很適合灌溉宏觀發(fā)展戰(zhàn)略的定量研究.因此，本文引入人工神經(jīng)網(wǎng)絡原理，來建立全國糧食總產(chǎn)與影響因子間的定量關(guān)系模型.1模型的建立在其它條件不變的情況下，糧食總產(chǎn)主要取決于播種面積、灌溉面積、農(nóng)田成災面積、漬澇鹽堿地面積、糧食價格、良種覆蓋率、化肥使用量、科技貢獻率8個主要因素.為確定糧食總產(chǎn)與影響因子間的定量關(guān)系，根據(jù)人工神經(jīng)網(wǎng)絡基本原理，設計相應的神經(jīng)網(wǎng)絡：網(wǎng)絡共分四層，一個輸入層，二個隱含層，一個輸出層.輸入層8個節(jié)點，輸出層1個節(jié)點.令Qm,Hi,Wj,O分別為第1、2、3、4層的輸出；Ui,Vj,S分別為第2、3、4層的輸入；Aim,Bji，Cj分別為第12層，23層，和34層單元的連接權(quán)值；Xi,Yj,Z分別為第2、3、4層單元的偏置值；Di,Jj,G分別為第2、3、4層的誤差信號.設有L個學習樣本(Q1,T1),(Q2,T2),(Ql,Tl)定義誤差函數(shù)：(1)式中Tk,Ok分別表示樣本k時網(wǎng)絡的期望輸出和實際輸出值.根據(jù)人工神經(jīng)網(wǎng)絡BP算法基本原理，采用逐次修正法，用FORTAIN5.0編制模型源程序.模型計算步驟如下：1.網(wǎng)絡初始化取學習步長=0.1，沖量因子=0.1，最大學習誤差E=0.00012，令權(quán)值Aim=Bji=Cj=0.65(i=1,2,8；j=1,2,8；m=1,2,8)置偏值Xi=Yj=Z=0.35(i=1,2,8；j=1,2,，8)令樣本輸入值=輸入層輸出值(Qm),(m=1,2,8)2.計算各層輸入與輸出第二層:(i=1,2,8)(2)Hi=f(Ui)(3)式中：f為Sigmoid函數(shù)第三層：(j=1,2,8)(4)Wj=f(Vj)(5)第四層：(6)O=f(s)(7)3.計算各層誤差信號G=(O-T)O(1-O)(8)Fj=GCjWj(1-Wj)(9)(10)4.修改各層權(quán)值Cj=Cj+GWj(11)Bji=Bji+FjHi(12)Aim=Aim+DiDm(13)5.修改各層偏置值E=E+G(14)Yj=Yj+Fj(15)Xi=Xi+Di(16)6.輸入下一樣本7.學習樣本結(jié)束，更新學習次數(shù)8.如果E0.00012，學習結(jié)束.2模型的訓練分別以建國以來各“五年”計劃期末糧食總產(chǎn)與對應的8個影響因素值為訓練樣本的期望輸出和樣本輸入來訓練模型.根據(jù)有關(guān)農(nóng)業(yè)、水利統(tǒng)計資料，查得相關(guān)年參數(shù)如表1所示.表1模型訓練參數(shù)年代糧食產(chǎn)量億噸播種面積億畝灌溉面積億畝良種覆蓋率%農(nóng)田受災萬畝漬澇鹽堿地億畝糧食價格元/噸化肥用量萬噸科技貢獻率%19521.63918.5972.904100.624138.47.8519571.95120.0454.109202.2474.116237.3619621.618.2434.455302.5014.119063719651.94517.9444.806401.6834.21229.2194.2819702.417.895.4500.4944.21270351.2919752.84518.1596.918601.5064.371310536.21019803.20617.5857.331803.3484.584360.61269.41519853.79116.3277.19623.4064.785416.11775.82019904.46217.027.26802.6734.86802590.32519954.66616.5097.368854.954.914803592.230為消除量綱影響，對表1中原始數(shù)據(jù)做如下標準化處理：1.影響因子數(shù)據(jù)處理設影響因子值為Xij(i=1,2,8；j=1,2,10)i,j分別為影響因子數(shù)及樣本數(shù)，則標準化過程為：(17)(18)(19)Xij=(Xij-BRi)/BRRRi(20)2.糧食產(chǎn)量數(shù)據(jù)處理設Yj為第j個樣本的糧食產(chǎn)量，則處理公式為：Yj=Yj/7(21)將處理好的10組樣本參數(shù)輸入模型訓練，當訓練至E0.00012時，得出模型訓練結(jié)果如表2所示表2灌溉面積預測模型訓練結(jié)果年代模擬產(chǎn)量/億噸實際產(chǎn)量/億噸絕對誤差/億噸相對誤差/%19521.64651.63870.00780.4719571.91761.9509-0.0333-1.7119621.65111.60020.05093.1819651.96681.94530.02151.1119702.33922.4003-0.0611-2.5519752.88112.84480.03631.2819803.18913.206-0.0169-0.5319853.76543.7912-0.0258-0.6819904.49994.46180.03810.85199