基于模糊神經(jīng)網(wǎng)絡(luò)的節(jié)水灌溉模型的研究?

喬雯雯 吳 陳 馬 田

（江蘇科技大學(xué)計算機學(xué)院 鎮(zhèn)江 212000）

1 引言

前在蔬菜的生長中人們通過以往的經(jīng)驗或者直覺進(jìn)行灌溉，灌溉量普遍很高，導(dǎo)致對水資源造成極大的浪費［3～4］。尤其對于淺根的植物來說是一種極大的浪費。其實在蔬菜以及作物的管理中，在各個生育階段的需水量是不同的［4～6］。我們只需要在適當(dāng)?shù)臅r候給予一定的水量就可以達(dá)到目的。然而，如何能夠準(zhǔn)確地獲得蔬菜所需水量，這便是我們需要研究的內(nèi)容。模糊系統(tǒng)理論［7，18］是溝通經(jīng)典數(shù)學(xué)的精確性和現(xiàn)實世界中存在的大量的不精確之間的橋梁。而人工網(wǎng)絡(luò)具有自學(xué)習(xí)、自組織和自適應(yīng)能力的優(yōu)點，并且具有強大的非線性處理的能力。兩者構(gòu)成模糊神經(jīng)網(wǎng)絡(luò)。本文便希望通過模糊神經(jīng)網(wǎng)絡(luò)如此強大的優(yōu)點進(jìn)行節(jié)水灌溉模型的訓(xùn)練和實現(xiàn)，達(dá)到節(jié)水灌溉的效果［8～10］。

2 模糊神經(jīng)網(wǎng)絡(luò)

模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了神經(jīng)網(wǎng)絡(luò)系統(tǒng)和模糊系統(tǒng)的長處，它在處理非線性、模糊性等問題上有很大的優(yōu)越性，在智能信息處理方面存在巨大的潛力［11］；使得越來越多的專家學(xué)者投入到這個領(lǐng)域中來，并做出了卓有成效的研究成果。模糊神經(jīng)網(wǎng)絡(luò)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點，集學(xué)習(xí)、聯(lián)想、識別、信息處理于一體。

T-S 模糊神經(jīng)網(wǎng)路將模糊邏輯和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)逼近特點融合在一起［12］。

2.1 T-S模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

基于標(biāo)準(zhǔn)型的T-S 迷糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 基于標(biāo)準(zhǔn)型的T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖1 中第1 層為輸入層；第2 層每個結(jié)點表示一個語言變量值；第3 層用來匹配模糊規(guī)則前件，計算出每條規(guī)則的隸屬度；第4 層用于歸一化計算，輸出規(guī)則的平均激活度［16］。第5 層是輸出層，它所實現(xiàn)的是清晰化計算。

T-S 模糊神經(jīng)網(wǎng)絡(luò)由前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò)兩部分組成。前件網(wǎng)絡(luò)用來匹配模糊規(guī)則的前件，其結(jié)構(gòu)與圖1 的前通層結(jié)構(gòu)完全相同；后件網(wǎng)絡(luò)用來產(chǎn)生模糊規(guī)則的后件，由N個結(jié)構(gòu)相同的并列子網(wǎng)絡(luò)組成。

2.2 T-S模糊神經(jīng)網(wǎng)絡(luò)算法

T-S 模糊系統(tǒng)通過不斷地自動更新及休正模糊子集的隸屬函數(shù)來實現(xiàn)其自學(xué)功能。該模型分為輸入層、模糊化層、迷糊規(guī)則計算層和輸出層等四層，采用”if-then”規(guī)則形式定義，在規(guī)則Ri 的情況下［19，20］。其推理的過程如下:

Ri :If x1is，x2is，…，xi isthen yi=+χ1+…+χk；其中為模糊系統(tǒng)的模糊集，為模糊系統(tǒng)的參數(shù)（j=1，2，3…k）；yi為根據(jù)模糊規(guī)則得到的輸出。假設(shè)對于輸入量x=［x1，x2，…，xk］首先根據(jù)模糊規(guī)則計算各輸入變量xj的隸屬度u，其計算公式為

然后將各隸屬度進(jìn)行迷糊化計算，采用連算乘子，其計算公式為

根據(jù)模糊計算結(jié)果模型輸出值yi:

3 土壤水分的水量平衡

在通常情況下人們根據(jù)經(jīng)驗進(jìn)行灌溉的水量普遍偏高，這樣就會導(dǎo)致大量的浪費，農(nóng)作物或者蔬菜在不同時間段所需的水量并不相同。本實驗就是采用茄子和豆角進(jìn)行測驗，主要研究各個生育階段需水量和作物系數(shù)。

3.1 水分平衡的原理和方法

根據(jù)農(nóng)田水分平衡的公式［13］，農(nóng)田中的散蒸量計算如下:

其中，ET 為農(nóng)田的蒸散量，I 為灌溉量，P 為降水量（因為本次是屬于大棚內(nèi)實驗可以忽略不計），ΔW為土體注水量的變化，R 為徑流量。S 為土體下邊界凈通量（向下為正，向上為負(fù)）。通常情況下，在平原地區(qū)徑流量（R）是可以忽略不計，ΔW 可通過測定土壤含水量獲得，當(dāng)下邊界遠(yuǎn)大于計劃灌水層時，下邊界凈通量（S）可假設(shè)為零。

作物需水量（ET）指作物在適宜的土壤水分和肥力水平下，經(jīng)過正常生長發(fā)育，獲得高產(chǎn)時的作物蒸騰量和棵間蒸發(fā)量之和。在充分滿足作物對水肥需要以及上述對各變量的假設(shè)情況下，利用農(nóng)田水量平衡原理計算的農(nóng)田蒸散量（ET）即為作物需水量，則式（4）轉(zhuǎn)化為

作物系數(shù)是指農(nóng)作物在特定的耕作條件、土壤肥力、產(chǎn)量水平以及本身特性的情況下對作物需水量所產(chǎn)生的作用。依據(jù)定義，作物系數(shù)等于作物需水量（ETc）與相同時間段內(nèi)參考作物蒸散量（ET0）的比值［14］。如式（6）所示:

式中ET0可以利用測站和當(dāng)?shù)氐臍庀髷?shù)據(jù)，由以下公式推導(dǎo)得到:

其中Rn是地表凈輻射通量，單位是（MJ·m-2·d-1）；T是單位日平均溫度（C）；en和ed表示飽和水氣壓值和實際水氣壓值。U2表示在2m 的高空中的風(fēng)速，單位是（m·s-1）；γ 是干濕表常數(shù)，單位是（KPa·C-1）；Δ 是飽和狀態(tài)的水氣壓和溫度的曲線斜率，單位是（KPa·C-1）。

3.2 灌溉量計算模型

通常情況下我們計劃所需要的灌水量是根據(jù)蔬菜根系的深度確定的［15］，當(dāng)根系埋深d＜20cm，計劃灌水層為20cm；當(dāng)20cm＜d＜30cm 時，計劃灌水層為30cm；當(dāng)30cm＜d＜40cm，計劃灌水層為40cm；當(dāng)40cm＜d＜50cm 時，計劃灌水層為 50cm。研究表明:60%ASW～90%ASW 的土壤含水量是最適宜蔬菜生長含水量，當(dāng)ASW 低于灌水量最低值60%（ASW）就要灌水至灌水最高值（90%ASW），需要把含水量控制在計劃灌水層的60%ASW～90%ASW，這樣有利于促進(jìn)蔬菜的生長［16］，使蔬菜有最佳合適的生長環(huán)境，并且由計算公式（8）可得:

其中θ 為現(xiàn)在的土壤含水量，DEPTH 為計劃含水厚度（mm），則ASW的計算公式為

其中θf為田間持水量，θw為萎蔫含水量。表1 為蔬菜在不同時期的需水量的需求。

表1 土壤含水量

4 基于T-S 模型的節(jié)水灌溉模型的實現(xiàn)

綜上所述基于T-S 節(jié)水灌溉的模型流程圖如圖2所示。

圖2 模糊神經(jīng)網(wǎng)絡(luò)算法流程圖

4.1 參數(shù)的初始化

在設(shè)計模糊神經(jīng)網(wǎng)絡(luò)的過程中，其輸入和輸出的加點數(shù)、模糊隸屬度函數(shù)個數(shù)是由訓(xùn)練樣本的維數(shù)來決定的。本次設(shè)計的模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是4-6-1，輸入的數(shù)據(jù)的維數(shù)是4 維，輸出的維數(shù)為1維，所以需要6 個隸屬度函數(shù)。其中選擇的系數(shù)為p0 至p4。網(wǎng)絡(luò)最大的迭代的次數(shù)設(shè)定為250，學(xué)習(xí)的速率設(shè)定為0.05，期望的誤差取0.02。

4.2 樣本數(shù)據(jù)預(yù)處理

在本次實驗中將選取與蔬菜需水量緊密相關(guān)的四個因素，即當(dāng)前土壤含水量，計劃灌水層厚度、田間持水量、萎蔫含水量。其輸出為灌水量，在進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)之前，因為神經(jīng)元的函數(shù)是有界函數(shù)，所以需要將輸入輸出的向量進(jìn)行規(guī)格化處理，規(guī)格化處理的公式如下所示:

4.3 模型的構(gòu)建以及對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練

以T-S 模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行構(gòu)建［17］，第一層為輸入層，數(shù)據(jù)預(yù)處理的結(jié)果，第二層為模糊化層，采用式（1）進(jìn)行計算；第三層為模糊規(guī)則計算，采用式（2），第四層便為輸出層，采用式（3）進(jìn)行計算。

實驗采用250 組數(shù)據(jù)對T-S 模型進(jìn)行訓(xùn)練，然后采用20 組數(shù)據(jù)對生成的網(wǎng)絡(luò)進(jìn)行檢測。結(jié)果如

表2 所示表明使用模型和計算的結(jié)果基本相同，模型適用于節(jié)水灌溉。

5 結(jié)語

本論文對于在灌溉中影響灌溉量的種種因素進(jìn)行分析，并且在此基礎(chǔ)上利用公式推導(dǎo)得出灌溉所需的作物系數(shù)和需水量，然后利用大量數(shù)據(jù)對需水量的T-S神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并采用實際的數(shù)據(jù)進(jìn)行測試。最后借助Matlab 中模糊神經(jīng)網(wǎng)絡(luò)對節(jié)水灌溉模型進(jìn)行訓(xùn)練和學(xué)習(xí)，并且對得到模型進(jìn)行研究學(xué)習(xí)，對誤差進(jìn)行分析。最終得到節(jié)水灌溉模型，僅僅需要獲得相應(yīng)的參數(shù)就可以得到相應(yīng)的灌水量，達(dá)到節(jié)約用水的目的。