灌溉发展需求预测人工神经网络模型的建立与应用论文.docVIP

　　灌溉发展需求预测人工神经网络模型的建立与应用论文 摘要：本文将计算机人工神经网络理论首次引入灌溉宏观发展战略研究领域，以各“五年”计划期末全国粮食总产与影响因子集为训练样本，建立了灌溉发展需求预测人工神经网络模型；从建国以来40多年的时间序列中，任选5个年份的相应参数作为校核样本，对所建模型进行了校核；根据今后我国人口增长与粮食需求发展趋势，利用模型对未来30年全国的灌溉面积发展需求进行了预测；分析了预测结果，提出了发展对策.其成果对制定全国灌溉宏观发展战略与政策措施，确保未来30年中国粮食与经济安全具有十分重要的参考意义. 关键词：灌溉 人工神经网络 预测 粮食 发展需求 计算机 近年来国内外兴起的人工神经网络研究方法能对信息进行大规模并行处理；具有很强的鲁棒性和容错性；善于联想、概括、类比和推理；而且具有很强的自学习能力.freel,Hi,,Bji，Cj分别为第1～2层，2～3层，和3～4层单元的连接权值；Xi,Yj,Z分别为第2、3、4层单元的偏置值；Di,Jj,G分别为第2、3、4层的误差信号. 设有L个学习样本(Q1,T1),(Q2,.freel=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) 令样本输入值=输入层输出值(Qm),(m=1,2,…,8) 2.计算各层输入与输出 第二层: (i=1,2,…,8) (2) Hi=f(Ui)(3) 式中：f为Sigmoid函数 第三层：(j=1,2,…,8)(4) =Aim+αDi·Dm(13) 5.修改各层偏置值 E=E+βG (14) Yj=Yj+βFj(15)Xi=Xi+βDi(16) 6.输入下一样本 7.学习样本结束，更新学习次数 8.如果E 0.00012，学习结束. 2 模型的训练 分别以建国以来各“五年”计划期末粮食总产与对应的8个影响因素值为训练样本的期望输出和样本输入来训练模型.根据有关农业、水利统计资料，查得相关年参数如表1所示. 表1 模型训练参数 年代 粮食产量 亿吨 播种面积 亿亩 灌溉面积 亿亩 良种覆盖率% 农田受灾 万亩渍涝盐碱地 亿亩粮食价格元/吨化肥用量万吨科技贡献率 % 19521.639 18.597 2.904 10 0.62 4 138.4 7.8 5 19571.95120.0454.109202.2474.116237.3619621.618.2434.455302.5014.119063719651.94517.9444.806401.6834.21229.2194.2819702.417.895.4500.49442919752.84518.1596.918601.5064.37131053620617.5857.331803.3484.584360.6126979116.3277.19623.4064.785416.1177546217.027.26802.673432519954.66616.5097.368854.954.914803592.230 为消除量纲影响，对表1中原始数据做如下标准化处理： 1.影响因子数据处理 设影响因子值为Xij(i=1,2,…,8;j=1,2,…,10) i,j分别为影响因子数及样本数，则标准化过程为： (17)(18)(19)Xij=(Xij-BRi)/BRRRi(20) 2.粮食产量数据处理 设Yj为第j个样本的粮食产量，则处理公式为： Yj=Yj/7(21) 将处理好的10组样本参数输入模型训练，当训练至E 0.00012时，得出模型训练结果如表2所示 表2 灌溉面积预测模型训练结果 年代 模拟产量/亿吨 实际产量/亿吨 绝对误差/亿吨 相对误差/% 19521.6465 1.6387 0.0078 0.47 19571.91761.9509-0.0333-1.7119621.65111.60020.05093.1819651.96681.94530.02151.1119702.33922.4003-0.0611-2.5519752.88112.84480.03631.2819803.18913.206-0.0169-0.5319853.76543.7912-0.0258-0.6819904.49994.46180.03810.8519954.65744.6662-0.0088-0.19 从表中看出，10个训练样本的模拟输出与期望输出的相对误差均在±3.2%的范围内，模型的收敛效果很好. 经过上述训练所得到的权重体系及偏