基于BP神经网络原理研究预测烟田土壤水分的输入样本.pdfVIP

四川省烟草学会JII东南片区2007年度学术年会论文 基于BP神经网络原理 研究预测烟田土壤水分的输入样本 尹健康1’2邢小军2姚进 【摘要】：本文结合国内外土壤水分的研究情况，分析了土壤水分对烟叶生产的影响，提出 以烟区月均气温、日照、降雨量、蒸发量等为输入样本，初探烟田土壤水分的BP网络模型，结 合栽培经验通过对样本进行采集分析提出烟叶生产各阶段的水分要求，并以易于测量输入样本对 烟区生产进行了规划． 【关键词】：烟田；土壤水分； BP神经网络；输入样本 我国是世界烟叶生产第一大国，每年种植烟草140多万公顷，烟叶年产量达170多万吨。烟 草是我国重要的经济作物，也是主要的税收来源u1。土壤是烟叶赖以生存的场所，土壤水分的变 化对烟叶的生长发育和产量、品质都有很大的影响。烤烟属比较耐旱的作物，烤烟适宜种植在降 水量充足而且分布适宜的地区。土壤水分充足，烟株生长旺盛，叶片大而较薄，产量较高，但烟 叶细胞间隙大，组织疏松，调制后颜色淡，香气不足，烟碱含量相对较低。若土壤水分不足，土 壤干旱，则烟株生长受阻，长势差，产量低，叶片小而厚，组织粗糙，质量差。本文以占四』lI烟 叶种植60％的凉山烟区为例，对烟田土壤与烟叶生长进行研究，凉山烟区烟叶一般移栽时自然降 水不足，不能满足烟叶正常生长需要，后期又往往雨量过多，影响烟叶成熟采收。针对凉山烟区 的气象特点和烟田土壤水分的要求，探索烟叶根系层土壤水分的规律，有利于指导烟区种植的规 划。对土壤水分变化的研究文献逭5建立的经验性模型比较简单、便于应用，但模型中经验参数的 适用范围有限；文献卜1建立的机理模型通用性强，但参数较多，应用不便。文献。41介绍了利用降 雨，蒸发、气温、气压等等，通过建立数学模型进行估算，美国土壤学家用Thornthwaite方法 计算潜在蒸散量，再与降水量比较，以估计全年各个时期土壤水分的亏缺状况，并采用定性的图 SimulationModel， 示方法来表示。美国康奈尔大学应用土壤信息系统，建立计算机模型(Newhall 简称NSM)瞳1。文献恒1提出较完整的关于SPAC(Soi卜Plant-htmospb,ere-Continum)的概念，用数 学模型描述SPAC系统中的水流运动过程，尚处于半经验版理论的阶段。本文研究的人工神经网 络(ANN)中的BP网络具有较强的自学习能力和处理非线性问题能力，人j冲经网络 ifiCialneural (ANN-art ifiCial111tell tietworks)是属于人工智能(Arti：·cllceJ范眵的一 种计算技术，它根据人们对生物神经网络的研究成果设计出来，具有良好的数荨描述，可阻芎便 模拟，在数值预测方面，它不需要预先确定样本数据的数学模型，仅通过学习样本数据即司以进 ，行相当精确的预测。这项技术在烟叶生产上的初步探索可以对烟区规划起到了一定的指导作用。 一、建立BP神经网络的原理 BP神经网络是一种具有三层神经元的阶层网络，其拓扑结构如图1。图中，m、p、q分别是 输入层、隐含层、输出层，wij为输入层与隐含层的连接权值，vjt为隐含层至输出层的连接 权值。Ak输入模式向量，Yk为输出模式向量。BP的学习由以下四个过程组成：学习模式输入神 经网络后，神经元的激活值由输入层经隐含层，在输出层各神经元获得响应的“模式顺传播”过 程；然后按减小希望输出与实际输出的误差方向，从输出层向隐含层再向输入层逐层修正各连接 权值的“误差逆传播”过程；由“模式顺传播”过程与“误差逆传播”过程的交替进行的网络学 习训练过程；网络全局误差趋向极小的学习收敛过程。 W 4 图1 BP神经网络拓扑结构 二、烟田土壤水分的神经网络模型 土层贮水量，At为各生长阶段时间，P、I、S、ET、L分别为相应时段内的降水量、灌水量、径 流量、蒸散发强度及渗漏量．渗漏量主要与边界处土壤导水性能和水势梯度有关，实际应用中一 般采用与上层贮水量有关的经验关系计算[3】，根据各生长阶段初的土壤贮水量实测值Q1、预 测各生长阶段时间A