基于混沌优化神经网络的农业干旱评估模型.pdfVIP

水 利 学 报 年 月 第 卷 第 期 文章编号 基于混沌优化神经网络的农业干旱评估模型 陈晓楠 黄强 邱林 段春青 西安理工大学水利水电学院 陕西西安 华北水利水电学院资产处 河南郑州 摘要 基于人工神经网络拟合函数的原理 建立了计算农业干旱程度的评估模型 通过拟合农业干旱程度的概率 分布函数 对农业干旱的概率分布进行了研究 该模型可以在随机变量具体分布未知的情况下 拟合出其概率分 布函数 在网络训练方法的选择上 将混沌优化算法和梯度下降法相结合 使计算能够迅速收敛到全局极小点 以河南省濮阳市渠村灌区为例 计算出当地农业干旱程度的概率分布 验证了该模型的有效性 表明该模型能够很 好的用于农业干旱的评估 关键词 农业干旱 人工神经网络 混沌优化算法 中图分类号 文献标识码 问题的提出 作物干旱是指农作物耗水大于吸水 体内水分过度亏缺而受损的现象 农业干旱则是各种作物不同 干旱程度的综合反映 基于此概念 文献 提出农业干旱评估指标最重要的是能够正确地反映出干 旱给农业造成损失的大小 并利用 模型建立了一种农业干旱评估量化模型 该模型不仅能量化计 算农业干旱的程度 而且能够较准确地反映干旱给农业造成的损失 其表示形式如下 式中 为农业干旱程度 为第 种作物的干旱程度 为作物 第 个生育阶段的需水量 与作物 第 个生育阶段所允许最小的土壤贮水量 之和 为作物 第 个生育阶 段的可供水量与作物 第 个生育阶段的土壤初始贮水量 之和 为作物 第 个生育阶段的 敏感系数 为作物 的权重 依据作物经济损失的大小制定 为作物种类总数 为第 种作物 生育阶段总数 之后 在假设降水服从 型分布的条件下 采用模拟方法对农业干旱概率分布进行了研究 但 是 作物水分生产函数有加法模型 乘法模型等多种形式 在不同的研究地区 不同的作物 其最合适的 模型是不同的 另外 降水分布未必服从 型分布 例如国外常采用对数正态分布 至于农业干旱的 理论分布更是未知 因此本文利用人工神经网络来解决上述问题 建立农业干旱评估模型 并研究农业 干旱的概率分布情况 基于混沌优化神经网络的农业干旱评估模型 网络应用广泛 但其传统的训练方法易使网络陷入局部极小点 而且收敛速度慢也是其主要缺 收稿日期 基金项目 河南省高校创新人才培养工程项目 青海省科学技术厅基金项目 作者简介 陈晓楠 男 河北沙河人 博士生 主要从事水资源系统管理研究 点之一 而混沌算法作为一种较新的优化算法 它不但具有全局寻优的能力 而且具有原理简单 收 敛速度快 易编程等特点 因此本文将混沌优化算法同 网络结合 先用混沌算法解出网络的初始权 重 然后用传统的梯度下降法训练网络 当网络陷入局部极小点时 再次使用混沌算法求解权重 使网 络最终能够达到全局极小点 网络传统算法 设网络分 层 输入层 隐含层 输出层 输入向量为 维 输出向量 维 隐 含层共有 个神经元 网络调整权值的基本步骤如下 设输出层的权矩阵为 表示隐含层中第 个神经元与输出 层中第 个神经元之间的权值 输入 隐含 层的权矩阵为 表示输入 层中的第 个神经元与隐含层中第 个神经元之间的权值 为样本集中的一个样本 其中 激励函数为 该样本对应的实际输出为 设隐含层的输出为 其中 每个样本的误差测度