基于神经网络的农业干旱评估模型和其概率分布研究.pdfVIP

基于神经网络的农业干旱评估 模型及其概率分布研究’ 陈晓楠1 黄强1 邱林2 段春青1 摘 要 基于人工神经网络拟合函数的思想，建立了量化计算农业干旱程度的神经网络模 型，并通过神经网络拟合农业干旱程度的概率分布函数，进而对农业干旱的概率分布进行 详细的研究。文中建立的模型避免了建立具体数学表达式及求解其参数的不便，并且可以 在未知随机变量具体分布的情况下拟合其概率分布函数。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。 关键字 水文学及水资源；农业干旱程度；概率分布；人工神经网络 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，而农业干旱是 各种作物不同干旱程度的综合反映[1]。在前期的工作中，我们基于此概念提出了农业干旱 评估指标，最重要的是能够正确地度量出干旱给农业造成损失的大小，并利用Jensen模 型建立了新的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[2]。其表示形式为： —蜊 №m． 1t r，TTr川、 (1) Dr=∑(．Dr)。W。=∑{1一ⅡI湍鲁r}W； ’ i啦! l≈1‘ 7耵一 J一1-、’’14 阶段时的需水量(ET)d与作物i第．『个生育阶段所允许最小的土壤贮水量(∞)if之和， 据作物经济损失的大小制定；Num为作物种类总数；t。为作物i的生育阶段总数。 之后，在假设降水服从P—m型分布的情况下，采用模拟方法对农业干旱概率分布进 行了研究[3]。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，降水未必服从P一Ⅲ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，此时又应如何求解农业干 旱概率分布函数。本文将利用人工神经网络来解决上述问题，采用神经网络建立农业干旱 评估模型，研究农业干旱的概率分布情况。 158)。 372 1 基于神经网络的农业干旱评估模型 1．1基于模拟退火算法的BP网络 神经网络共三层：输入层、隐含层、输出层。输入向量为靛维，输出向量m维，隐 含层共有h个神经元。 1．1．1传统BP网络学习方法 设输出层的权矩阵为W，硼d表示隐含层中第i个神经元与输出层中第J个神经元之 输入层中的第i个神经元与隐含层中第歹个神经元之间的权值，i=1，2，…，n，J=1， 2，…，h。 y。)。激励函数为： 1 f(net)5丽1 (2) 0’2，…，0’。)，其中 h (3) oj=f(r圯t，)=，(∑w口o’i)J=1，2，…，班 f篁1 D’严f(net (4) 7J)=，(∑％z。)歹=1，2，…，h i=1 每个样本的误差测度为： E=万1∑(弘一Ok)2 (5)