人工神经网络在农业中的应用研究.docxVIP

人工神经网络在农业中应用研究摘要：本文简单论述了人工神经络的基本结构和原理，重点介绍了人工神经网络在农作物产量预测和虫害预测方面的应用，小结了近年来人工神经网络的发展，并对神经网络在农智能专家系统、农作物生长方面的结合进行分析和展望。关键词：神经网络；精准农业；产量；虫害；预测中图分类号：0233 文献标识码：A0 引 言随着农业机械化的进程，发达国家的农业科学家在从事作物栽培、土壤肥力、作物病虫草害管理研究时，开展了大量作物栽培模拟模型、作物管理与植保专家系统应[1]的研究，逐渐形成一套精准农业的新理论。精准农业是指基于变异的一种田间管理手段，研究结果表明，农田里土壤、作物的特性并非均一的，而是随着时间、空间变化的。随着全球定位系统(GPS)、地理信息系统(GIS)、农业应用电子技术和作物栽培有荚模拟模型以及生产管理决策支持系统(DDS)技术研究的发展．精准农业已成为主要发达国家合理利用农业资源、提高农作物产量、降低生产成本、改善生态环境的有效途径和最富有吸引力的前沿性研究领域之一[2]。在精准农业研究中，对遥感等新技术收集到农业数据进行处理，变成有用的信息至关重要。由于影响农业的因素众多，存在显著的非线性关系，因此传统的处理手段如多元回归已不能适应农业的发展。人工神经网络可模拟人思维的非线性动力学过程．具有良好的逼近能力和适应能力，可在不了解输入或输出变量间关系的前提下完成非线性建模。神经元、神经网络都有非线性、非局域性、非定常性、非凸性和混沌等特性，具有很好的发展前景，也给预测系统带来了新的方向与突破，得到了广泛的应用[3]。本文介绍了人工神经网络在现代精准农业中的应用。主要围绕产量预测和虫害预测两大问题展开，也简单介绍了人工神经网络在其它方面的应用，以期为神经网络在精准农业中的大规模应用提供参考。1 神经网络简介1.1 基本原理人工神经网络是在摸拟人脑神经的活动基础上来建立脑神经活动的数学模型和结构模型。人脑由1011～1012个神经元组成，神经元是脑组织的基本单元，神经元由胞体、树突和轴突构成，胞体是神经元的代谢中心，树突是神经元的主要接受器(输入端)，轴突的作用是传导信息(输出端)；每个神经元具有102～104突轴与其他神经元相连结，形成错综复杂、灵活多变和功能极其完善的神经网络[4]，实现从感知、认识、语言、记忆、思维到运动控制等功能。人们模拟生物神经元的结构和性能，建立了人工神经元数学模型及结构，并研究由这些神经元按各种方式连结所构成的网络功能，通过不断改变网络结构和算法优化网络性能，实现神经网络的应用目标。1.2 结构分类神经网络的分类神经网络由大量的人工神经元广泛连结成的网络，根据不同连结方式神经网络可分为二大类：无反馈的前向神经网络和相互连结型网络。前向网络结构分为输入层、隐含层和输出层，隐含层可以有若干层。相互连结型网络的神经元相互之间都可能有连结[5]。而从信息传递的方式七可将神经网络分为三大类：前向神经网络、反馈型神经网络和自组织神经网络。其中，最有代表性的有BP网络、回归BP网络、径向基函数RBF、感知器、Hopfield神经网络、自适应共振理论(ART)和自组织映射(SOM)等。2 在农业中的应用2.1产量预测2.1.1经济农作物产量预测 甘蔗是我国重要的经济农作物，甘蔗产量的预测是制糖工业的一项重要技术管理工作。谢名洋等[6]首次将人丁神经网络应用宇甘蔗产量的预测中，将影响甘蔗产量的温度、雨最、日照量、湿度等气象因素以及施肥量、春秋植蔗、冬植蔗和宿根蔗等人工因素作为网络输入，甘蔗的产量为输出，建立三层误差反传BP神经网络模型。以广西忻城糖厂蔗区数据为样本进行训练，误差在一5．3％一10．2％内。欧钊荣等[7]选择与广西甘蔗产量相关系数通过0.01水平显著性检验的因子作为神经网络的输入．用Visual Basic6.0软件建立了误差反传前向网络预报广西甘蔗产量。对2001--2005年的甘蔗产量进行预测，发现预测的平均误差为0．91％，逐步回归模型的误差为一1．01％。植被指数是利用遥感卫星探测数据的线性或非线性组合而形成的，能很好地反映绿色植被生长状况和分布。Panda等[8]采用不同的植被指数：土壤调节植被指数、归一化植被指数、绿度植被指数和正交植被指数作为输入，建立BP神经网络预测棉花的产量。研究发现，正交植被指数作为输入的棉花产量的预测精度最高，达96．04％。Green等阴以土地海拔高度、倾斜度、形貌、曲率、单宽集水面积和湿度指数等李问因素作为输入，棉花产量作为输出，建立空间分析神经网络研究SANM。SANN模型的有效率比多元线性回归模型的高，误差小。拟牛顿法作为训练函数易导致结果陷入局部优化，差分进化法虽然能得到全局最优解，但耗时长，效率低。Li等[10]以洗牌复形演化