人工神经网络模型在灌溉发展需求预测中的应用

精品论文推荐人工神经网络模型在灌溉发展需求预测中的应用于舒野 辽宁工程技术大学信息与计算科学系，辽宁阜新（123000） E-mail：rain880209摘要：本文将计算机人工神经网络理论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，以确保模型的 准确性，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；并对预测结果进行分析，提出了相应发展 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1. 引言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，善于从 大量统计资料中分析提取宏观统计规律1，很适合灌溉宏观发展战略的定量研究.因此， 本文引入人工神经网络原理，来建立全国粮食总产与影响因子间的定量关系模型.2. 模型的建立在其它条件不变的情况下，粮食总产主要取决于播种面积、灌溉面积、农田成灾面积、 渍涝盐碱地面积、粮食价格、良种覆盖率、化肥使用量、科技贡献率 8 个主要因素2.为确 定粮食总产与影响因子间的定量关系，根据人工神经网络基本原理，设计相应的神经网络： 网络共分四层，一个输入层，二个隐含层，一个输出层.输入层 8 个节点，输出层 1 个节点.令 Qm , Hi ,Wi , O 分别为第 1、2、3、4 层的输出；Ui ,Vi , S 分别为第 2、3、4 层的输入；Aim , B ji , C j 分别为第 12 层，23 层和 34 层单元的连接权值；X i , Yi , Z 分别为第 2、3、4 层单元的偏置值； Di , Ji , G 分别为第 2、3、4 层的误差信号.-7-设有 L 个学习样本 (Q1 , T 1 ), (Q2 , T 2 ),L定义误差函数：, (Q L ,T L )12lE =(T k Ok )2 k =1(1)式中T k , Ok 分别表示样本 k 时网络的期望输出和实际输出值.根据人工神经网络 BP 算法基本原理，采用逐次修正法，用 FORTAIN 5.0 编制模型源程序.模型计算步骤如下：2.1 网络初始化取学习步长 = 0.1 ，冲量因子 = 0.1 ，最大学习误差 E = 0.00012 ，令权值 Aim = B ji = C j = 0.65(i = 1, 2,L, 8; j = 1, 2,L, 8; m = 1, 2,L, 8;)置偏值 X i = Yi = Z = 0.35(i = 1, 2,L, 8; j = 1, 2,L, 8;)令样本输入值=输入层输出值 Qm(m = 1, 2,L, 8) ,2.2 计算各层输入与输出第二层:8Ui = Aim Qm + X ii =1(i = 1, 2,L, 8) (2)Hi =上式中： f 为 Sigmoid 函数第三层：f (Ui )(3)8V j = B ji Hi + Yji =1( j = 1, 2,L, 8) (4)第四层：Wi =f (Vi )(5)8S = C jW j + Zi =1( j = 1, 2,L, 8) (6)Oi =f (S )(7 )2.3 计算各层误差信号G = (O T ) O (1 O )(8)Fi = G Ci Wi (1 Wi )(9)8Di = Fj B ji Hi (1 Hi )(10)i =12.4 修改各层权值C j = C j + G W jB ji = B ji + Fj HiAim = Aim + Di Dm(11) (12) (13)2.5 修改各层偏置值E = E + G Y1 = Y1 + F1X1 = X1 + D1(14) (15) (16)2.6 输入下一样本2.7 学习样本结束，更新学习次数2.8 如果 E<0.00012，学习结束。3. 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5.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Table 1 model training parameters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%19521.63918.5972.904100.624138.47.8519571.95120.0454.109202.2474.116237.3619621.618.2434.455302.5014.119063719651.94517.9444.806401.6834.21229.2194.2819702.417.895.4500.4944.21270351.2919752.84518.1596.918601.5064.371310536.21019803.20617.5857.331803.3484.584360.61269.41519853.79116.3277.19623.4064.785416.11775.82019904.46217.027.26802.6734.86802590.32519954.66616.5097.368854.954.914803592.230为消除量纲影响，对表 1 中原始数据做如下标准化处理：3.1 影响因子数据处理设影响因子值为 X ij(i = 1, 2,L, 8; j = 1, 2,L,10;)i, j 分别为影响因子数及样本数，则标准化过程为：BR =101 X ij(17 )10 j =11 102BRRi =( X ij BRi )(18)9 j =1BRRRi =BRRi(19)X ij = ( X ij BRi )BRRRi(20)3.2 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5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Table 2 irrigation results of the training mode年代模拟产量/亿吨实际产量/亿吨绝对误差/亿吨相对误差/%19521.64651.63870.00780.4719571.91761.9509-0.0333-1.7119621.65111.60020.05093.1819651.96681.94530.02151.1119702.33922.4003-0.0611-2.5519752.88112.84480.03631.2819803.18913.206-0.0169-0.5319853.76543.7912-0.0258-0.6819904.49994.46180.03810.8519954.65744.6662-0.0088-0.19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置值所确定的网络就是所要建立的灌溉发展需求 预测人工神经网络模型.4. 模型的校核在各“五年”计划期间任选五个年份4，如 1973、1978、1983、1988、1993 年，从有 关农业、水利统计资料查得各年粮食产量及影响参数如表 3 所示。表 3 模型校核参数Table 3 model checking parameters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%19732.64918.1736.572551.1434.315200511.1919783.04818.0887.208653.7874.47263.48841019833.87317.1077.28357.7532.434.7144001659.81519883.94116.5187.187703.5914.8036002141.52019934.56516.5767.3823.474.98003150.125将表中原始数据进行标准化处理后输入训练好的人工神经网络模型进行核算，核算如表4 所示.。表 4 灌溉面积预测模型校核结果Table 4 irrigated area forecast model check the results of年代模拟产量/亿吨实际产量/亿吨绝对误差/亿吨相对误差/%19732.78542.64880.13665.1619782.77943.0478-0.2684-8.8119833.95033.87310.07721.9919883.95033.9410.00930.2419934.71184.56470.14713.22结果表明，5 个校核样本的模拟输出与期望输出的相对误差有 3 个小于 3.3%，另 2 个小于±9%，比较令人满意.表明模型具有较好的适用性.5. 灌溉发展需求预测根据 1996 年 11 月中国政府在罗马世界粮食首脑会议上提交的中国的粮食安全状况 报告，未来 30 年中国的粮食需求状况见表 5.(为确保国家粮食供给安全，粮食自给率按 95% 计算)表 5 未来 30 年中国的人口增长与粮食需求Table 5 over the next 30 years China's population growth and demand for food年代人口总量人均粮食消费标准/(公斤/人)粮食需求总量/亿吨国内粮食产量需求/亿吨2009133955.0054.752019144005.55.222029154005.9255.632039164106.46.08为此，中国政府应该在未来几十年将从以下几方面采取措施4，提高粮食产量.1）.将粮食播种面积稳定在 16 亿亩.2）.努力扩大灌溉面积.3）.提高农业抗灾能力.预计农田年成灾面积 2009 年前后可控制在 80 年代初 3 亿亩的水 平，2019 年以后稳定在 2 亿亩左右.4）.将全国渍涝盐碱地面积长期稳定在 4.5 亿亩，扼制其发展趋势.5）.提高良种覆盖率. 2009 年达到 95%，2019 年以后基本实现良种化.6）.稳定粮食收购价格.按目前水平，考虑 5%的物价上涨指数，吨粮价格 2009 年为 1500元，2019 年为 2443 元，2029 年为 3900 元，2039 年为 6483 元.7）.增加化肥使用量.2009 年达到 4000 万吨，2029 年达到 4500 万吨，2039 年达到 5000万吨峰值.8）.推广农业先进技术，提高科技对农业的贡献率.2009 年达到 50%，2039 年达到 70%. 据此，未来 30 年不同时期粮食增产目标及相应 7 个影响因素为定值，见表 6，灌溉面 积为未知数.任设一组灌溉面积发展参数，与表 6 中数据一起组成原始样本参数，经标准化 处理后代入前面训练好的人工神经网络模型运算，将算出的模拟产量与表 6 中的期望产量对 比，若误差不满足要求，则改变灌溉面积设定值，重复以上步骤.当灌溉面积设定为表 7 所 示规模时.各年份粮食总产模拟值与期望值间的相对误差均小于 0.1%，满足要求.因此，在其 它粮食增产措施按表 6 给定的情况下，要保障未来粮食供给安全，2009 年，2019 年，2029 年，2039 年全国有效灌溉面积必须达到 7.83 亿亩、9.05 亿亩、10.35 亿亩和 13.14 亿亩.灌溉面积发展最大需求额约为目前全国实有耕地面积的 63%.表 6 模型应用参数Table 6 model parameters年代粮食产量亿吨播种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%20094.75169534.5150040005020195.2251610024.5244340006020295.63151610024.5398045006520396.081610024.56483500070表 7 灌溉面积发展需求预测结果Table 7 irrigation development needs results年代灌溉面积亿亩模拟产量亿吨实际产量亿吨绝对误差亿吨相对误差%20097.82794.75344.75020.00320.0720199.05315.22535.2480.00050.01202910.355.63155.62860.00280.01203913.13746.08156.08020.00130.026. 结论本文根据未来 30 年中国的人口增长与粮食需求发展趋势，预测 2009 年，2019 年，2029年，2039 年中国的粮食总产目标为 4.75 亿吨、5.22 亿吨，5.63 亿吨，6.08 亿吨；利用过去40 多年全国粮食总产与影响因素的对应关系，建立了灌溉面积发展预测人工神经网络模型； 用此模型预测出 2009 年、2019 年、2029 年、2039 年全国有效灌溉面积的发展需求分别为7.83 亿亩、9.05 亿亩、10.35 亿亩、13.14 亿亩；根据当前全国灌溉发展状况及面临的问题， 提出灌溉长期发展对策是：全面普及节水灌溉，改善灌溉投资环境，建立灌溉市场运行机制， 加强政府宏观调控.参考文献1 郭嗣琮 陈刚信息科学中的软计算方法沈阳：东北大学出版社，20011481542 黎志成，等.神经网络模型中权值分布的研究.决策与决策支持系统，1993.3(2)3 水利部灌溉排水发展研究课题组.20002010 年农田灌溉排水发展方向及主要目标研究，19954 国务院.中国的粮食安全状况.19965 Hoptield J J,Tank D W.Neural Compulation of Decisions Optimization Problems.Biol.Cybern,1985.5054Artificial neural network model in the development of irrigation demand forecastYu ShuyeDepartment of Information and Computing Science,Liaoning Engineering Technology University, Fuxin，Liaoning(123000)AbstractIn this paper, the computer artificial neural network theory to introduce macro-irrigation development strategy research in the field to the "Five-year Plan" at the end of the national total grain output and impact factor for the training set samples, set up the development of irrigation demand forecast artificial neural network model; from 40 since 1949 The multi-year time series, the optional 5 years ofrelevant parameters as a sample check to ensure the accuracy of the model, built on the model checking;according to China's future population growth and food demand trends, use of the model for the future30, the country's irrigated area development needs of the forecast; and predict the results of the analysis, development of the corresponding countermeasures. The results of the development of the national macro-irrigation development strategy and policy measures to ensure that the next 30 years, Chinesefood and economic security is very important The reference value.Keywords: Irrigation；Artificial Neural Networks；Forecast