基于T-S模型的神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉技術(shù)選擇中的應(yīng)用

白潔娜

（五家渠農(nóng)六師勘測設(shè)計(jì)研究有限責(zé)任公司，新疆五家渠831300）

?

基于T-S模型的神經(jīng)網(wǎng)絡(luò)在節(jié)水灌溉技術(shù)選擇中的應(yīng)用

白潔娜

（五家渠農(nóng)六師勘測設(shè)計(jì)研究有限責(zé)任公司，新疆五家渠831300）

摘要：為了有效對(duì)節(jié)水灌溉技術(shù)水質(zhì)展開監(jiān)控和應(yīng)用，選取一種基于T-S模糊的神經(jīng)網(wǎng)絡(luò)模型對(duì)水質(zhì)加以評(píng)價(jià)。文中從模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展情況入手，提出建立基于T-S模型的神經(jīng)網(wǎng)絡(luò)模型，分析了創(chuàng)建基于T-S模型的神經(jīng)網(wǎng)絡(luò)模塊，介紹了基于T-S模糊神經(jīng)網(wǎng)絡(luò)模式在節(jié)水灌溉技術(shù)中的應(yīng)用。

關(guān)鍵詞：T-S模型的神經(jīng)網(wǎng)絡(luò)；節(jié)水灌溉技術(shù)；應(yīng)用

我國是一個(gè)嚴(yán)重缺乏水資源的國家，水資源分布不均衡，加大節(jié)水灌溉技術(shù)的設(shè)計(jì)對(duì)保障國家的用水安全及促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展有著不可替代的作用。初期的節(jié)水灌溉技術(shù)評(píng)價(jià)法是采用粗線條對(duì)整個(gè)節(jié)水灌溉工程展開定性描述。

由于研究的逐步深入，該技術(shù)也由定性轉(zhuǎn)為定量、由規(guī)范性的研究轉(zhuǎn)化為實(shí)質(zhì)性的研究，所以尋求適應(yīng)的方法對(duì)節(jié)水灌溉工程展開綜合評(píng)定成為重要的問題。模糊神經(jīng)網(wǎng)絡(luò)可以引入模糊算法，把模糊邏輯辦法及神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合起來。

T-S模糊模式是一種非線性系統(tǒng)的局部刻畫，該模型把輸入空間劃分為多個(gè)模糊子空間，先創(chuàng)建線性模型，隨之采用隸屬函數(shù)把各個(gè)模型進(jìn)行連接，形成全局模型。

1　簡述模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀

模糊神經(jīng)網(wǎng)絡(luò)（FNN）是現(xiàn)階段新型的一種新型評(píng)價(jià)方法，是一種基于模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相互結(jié)合的形式。神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)是把模糊集合化，以語言變量、邏輯推理為基礎(chǔ)的數(shù)字控制系統(tǒng)，從而達(dá)到智能控制的形式。

神經(jīng)網(wǎng)絡(luò)還可以模仿人的大腦神經(jīng)網(wǎng)絡(luò)模型及信息處理機(jī)能，展開信息的處理、判斷、學(xué)習(xí)等，達(dá)到模仿人為進(jìn)行智能控制的目的。

模糊神經(jīng)網(wǎng)絡(luò)是綜合神經(jīng)網(wǎng)絡(luò)及模糊控制的所有優(yōu)點(diǎn)，進(jìn)行非線性、模糊性有關(guān)的處理上展現(xiàn)出獨(dú)特的優(yōu)勢。該系統(tǒng)不用創(chuàng)建基于系統(tǒng)動(dòng)態(tài)特性的數(shù)學(xué)模型，經(jīng)過網(wǎng)絡(luò)結(jié)構(gòu)的綜合學(xué)習(xí)，獲取神經(jīng)網(wǎng)絡(luò)優(yōu)異結(jié)構(gòu)，消除了只依靠設(shè)計(jì)經(jīng)驗(yàn)選取網(wǎng)絡(luò)結(jié)構(gòu)的隨意性，提升神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的收斂速度。

2　建立基于T-S模型的神經(jīng)網(wǎng)絡(luò)模型

T-S模型網(wǎng)絡(luò)模型是一種具有超強(qiáng)適應(yīng)能力的系統(tǒng)，T-S模型可以進(jìn)行自動(dòng)更新，也會(huì)不停的修正模糊子集的隸屬度函數(shù)。

T-S模型應(yīng)該運(yùn)用IF—THEN規(guī)則進(jìn)行定義，如果規(guī)則是Ri的情況下，模糊神經(jīng)網(wǎng)絡(luò)推理如下：

Pij代表模糊系統(tǒng)的參數(shù)值；

yi是依照模糊規(guī)則得出的輸出值，輸入部門是比較模糊，輸出部門是確定的，這個(gè)模糊推理代表輸出是輸入的線性組合。

如果輸入量x=［x1，x2…xk］，第一步先根據(jù)模糊規(guī)則計(jì)算出不同的輸入變量xj的隸屬度。

由模糊網(wǎng)絡(luò)模型結(jié)果計(jì)算出所需的模糊模型輸出數(shù)值。

圖1　模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡圖

T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)劃分為模糊化層、輸入層、模糊計(jì)算層、輸出層。輸出層與輸入向量x=［］進(jìn)行連接，節(jié)點(diǎn)數(shù)與輸入向量的數(shù)值相同。

模糊化層運(yùn)用隸屬度函數(shù)（1）對(duì)輸入值展開模糊化從而獲取隸屬度值μ。模糊計(jì)算曾層運(yùn)用模糊計(jì)算公式（2）。輸出層運(yùn)用公式（2）、（3）算出神經(jīng)網(wǎng)絡(luò)輸出值。

3　創(chuàng)建基于T-S模型神經(jīng)網(wǎng)絡(luò)模塊

基于T-S模型的神經(jīng)網(wǎng)絡(luò)節(jié)水灌溉技術(shù)一般應(yīng)用在模糊神經(jīng)網(wǎng)絡(luò)及遺傳算法展開對(duì)初始數(shù)據(jù)的處理，獲取相關(guān)的結(jié)果方便用戶進(jìn)行判斷。該系統(tǒng)主要進(jìn)行輸入數(shù)據(jù)的預(yù)處理、分析結(jié)果、數(shù)據(jù)處理等3項(xiàng)功能。

數(shù)據(jù)預(yù)處理模式主要對(duì)原數(shù)據(jù)進(jìn)行分類，轉(zhuǎn)化為模糊神經(jīng)網(wǎng)絡(luò)通用的格式。數(shù)據(jù)計(jì)算就是指通過預(yù)處理后的數(shù)據(jù)展開處理并獲取相關(guān)的結(jié)果。分析結(jié)果就是對(duì)模糊神經(jīng)網(wǎng)絡(luò)輸出層結(jié)果展開圖形化，方便用戶進(jìn)行理解。

基于模糊神經(jīng)網(wǎng)絡(luò)的節(jié)水灌溉技術(shù)隸屬于專家決策的某個(gè)分支，主要的特征必須先展開知識(shí)的驗(yàn)證，并為驗(yàn)證知識(shí)創(chuàng)建相應(yīng)的知識(shí)庫，該系統(tǒng)就是采用模糊推理技術(shù)根據(jù)人的思維及推理意念，采用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)自適應(yīng)性來對(duì)模糊推理系統(tǒng)進(jìn)行推理，才有遺傳算法進(jìn)行全局優(yōu)化。

依照系統(tǒng)的特點(diǎn)展開分析，為基于T-S模型神經(jīng)網(wǎng)絡(luò)節(jié)水灌溉技術(shù)系統(tǒng)展開功能設(shè)計(jì)，具體情況如圖2所示。

圖2　基于T-S模糊神經(jīng)網(wǎng)絡(luò)模型節(jié)水灌溉技術(shù)模型

3.1數(shù)據(jù)輸入

數(shù)據(jù)輸入模塊就是對(duì)學(xué)習(xí)樣本及試驗(yàn)樣本的原始數(shù)據(jù)展開輸入，方便形成具有可靠的數(shù)據(jù)預(yù)處理模塊的形式。以此為基礎(chǔ)展開人性化的設(shè)計(jì)，采用人性化界面方便提升用戶的工作效率及使用性能。

該系統(tǒng)選取的輸入數(shù)據(jù)量很大，用戶比較容易出現(xiàn)錯(cuò)誤，所以該模塊運(yùn)用數(shù)據(jù)輸入驗(yàn)證技術(shù)，以此來提升數(shù)據(jù)輸入的效率及準(zhǔn)確度。

3.2數(shù)據(jù)處理

數(shù)據(jù)預(yù)處理模塊的功能就是對(duì)輸入學(xué)習(xí)的樣本數(shù)據(jù)展開相關(guān)的計(jì)算和預(yù)處理，消除不需要的數(shù)據(jù)信息，把原始數(shù)據(jù)處理形成可以為神經(jīng)網(wǎng)絡(luò)及遺傳算法應(yīng)用的數(shù)據(jù)。

數(shù)據(jù)處理模塊則是采用通過預(yù)處理的樣本數(shù)據(jù)及遺傳算法為神經(jīng)網(wǎng)絡(luò)展開訓(xùn)練，并采用訓(xùn)練后的網(wǎng)絡(luò)對(duì)樣本展開數(shù)據(jù)處理，獲取最終的輸出結(jié)果，便于為用戶提供分析。

采用T-S模糊神經(jīng)網(wǎng)絡(luò)對(duì)節(jié)水灌溉的水質(zhì)進(jìn)

公式（5）中，y作為歸一化之后的數(shù)據(jù)，x代表原始數(shù)據(jù)，xmin、xmax分別表示數(shù)據(jù)集合內(nèi)的最小值和最大值。

因輸入數(shù)據(jù)是5個(gè)水質(zhì)指標(biāo)，輸出數(shù)據(jù)則是1水質(zhì)等級(jí)，因此，模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是5-10-1，就是說有10個(gè)隸屬度。文中模糊隸屬度中心、寬度采用“rand（）”函數(shù)隨意取得。

3.3結(jié)果分析

結(jié)果分析是采用處理過的樣本展開節(jié)水灌溉技術(shù)方面的闡述，形成比較簡單的文字性文字或圖像進(jìn)行表述，方便用戶展開決策分析，為灌溉地區(qū)選取高效的節(jié)水灌溉技術(shù)。

T-S模糊神經(jīng)網(wǎng)絡(luò)是根據(jù)模糊系統(tǒng)原理創(chuàng)建起來的，網(wǎng)絡(luò)內(nèi)不同節(jié)點(diǎn)及其參數(shù)都有相應(yīng)的物理含義。在網(wǎng)絡(luò)初始化之時(shí)，這類參數(shù)的初始值由系統(tǒng)的模糊及定性知識(shí)來得到，如此一來網(wǎng)絡(luò)可以快速進(jìn)行收斂。

文中運(yùn)用對(duì)比檢驗(yàn)的SVM模型運(yùn)用交叉驗(yàn)證及時(shí)展開參數(shù)，如此一來，可以從大范圍內(nèi)一直縮小參數(shù)范圍，從而實(shí)現(xiàn)尋優(yōu)參數(shù)的效果。行評(píng)價(jià)之前對(duì)樣本數(shù)據(jù)展開歸一化處理，采用maPminmax函數(shù)把訓(xùn)練樣本及檢驗(yàn)樣本根據(jù)公式（5）展開歸一化處理，讓其轉(zhuǎn)換為0～1之間的數(shù)。

4　基于T-S模糊神經(jīng)網(wǎng)絡(luò)模式在節(jié)水灌溉技術(shù)中的應(yīng)用

節(jié)水灌溉上幾乎選取的指標(biāo)受到多種因素的影響，模糊系統(tǒng)可以有效地對(duì)人的思維展開模擬，很好的解決推斷過程中出現(xiàn)的自學(xué)問題，把模糊系統(tǒng)及神經(jīng)網(wǎng)絡(luò)相互結(jié)合，實(shí)現(xiàn)較好解決節(jié)水灌溉技術(shù)有關(guān)的問題。

依照模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、特點(diǎn)，建立基于TS模糊神經(jīng)網(wǎng)絡(luò)的輸入層包括5個(gè)神經(jīng)元，4個(gè)輸出元，具體情況如圖2所示。

把模糊神經(jīng)網(wǎng)絡(luò)及節(jié)水灌溉技術(shù)相互結(jié)合，各層的計(jì)算如下所示，最后獲取基于T-S模糊神經(jīng)網(wǎng)絡(luò)節(jié)水灌溉技術(shù)模型。輸入層是各個(gè)節(jié)點(diǎn)直接與輸入向量的不同分量x進(jìn)行連接，它起到把輸入值傳遞到下一層次，這層的節(jié)點(diǎn)數(shù)為N1=n。

在節(jié)水灌溉上幾乎選為指標(biāo)體系的向量，這里的節(jié)點(diǎn)與輸入序列相互連接，把不同輸入值傳遞到下層。該層的各個(gè)節(jié)點(diǎn)對(duì)每一語言變量的取值，它的作用可以對(duì)各個(gè)輸入分量計(jì)算。

根據(jù)輸入層所輸入的數(shù)據(jù)，模糊化層的各幾點(diǎn)必須算出模糊隸屬度，從而選取最佳的節(jié)水灌溉技術(shù)。

運(yùn)用高斯函數(shù)當(dāng)作隸屬度函數(shù)，計(jì)算公式如下：

輸出層是為模糊化計(jì)算所設(shè)置的，達(dá)到清晰化計(jì)算，獲取輸出值，該層的節(jié)點(diǎn)個(gè)數(shù)是由實(shí)際問題所設(shè)定。在該模型中輸出層神經(jīng)元的節(jié)點(diǎn)數(shù)是由選用的節(jié)水灌溉技術(shù)種類而定。

5　結(jié)語

模糊神經(jīng)網(wǎng)絡(luò)是一種新型的網(wǎng)絡(luò)模式，可以把模糊邏輯法與神經(jīng)網(wǎng)絡(luò)法有效的結(jié)合起來。文中以T-S模糊神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在節(jié)水灌溉技術(shù)的實(shí)際情況為研究依據(jù)，由模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀入手，提出建立基于T-S模型的神經(jīng)網(wǎng)絡(luò)模型，從而改進(jìn)節(jié)水灌溉技術(shù)。

參考文獻(xiàn)

［1］趙振霞，唐濤，張茂國等.基于神經(jīng)網(wǎng)絡(luò)的節(jié)水灌溉適宜技術(shù)模型——人機(jī)交互界面的設(shè)計(jì)與實(shí)現(xiàn)［J］.水利科技與經(jīng)濟(jì)，2011，17（03）：86-88，100.

［2］巨天珍，孟凡濤，姚晶晶等.基于T-S模型的神經(jīng)網(wǎng)絡(luò)在小隴山森林健康評(píng)價(jià)中的應(yīng)用［J］.廣東農(nóng)業(yè)科學(xué)，2012，39（03）：167-169.

［3］荀新新，張德生，王雁等.基于T-S模糊神經(jīng)網(wǎng)絡(luò)組合模型的CPI預(yù)測［J］.陜西科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（03）：173-176.

［4］周志軒，王艷芳.基于BP神經(jīng)網(wǎng)絡(luò)的灌區(qū)耗水量模擬預(yù)測模型［J］.農(nóng)業(yè)科學(xué)研究，2011，32（03）：41-43.

［5］孫萍，黃彬彬.基于神經(jīng)網(wǎng)絡(luò)的萬年縣節(jié)水灌溉適宜技術(shù)選擇研究［J］.安徽農(nóng)業(yè)科學(xué)，2011，39（35）：21962-21964.

［6］夏美娟，梁雪春，韓峰濤等.基于改進(jìn)FCM聚類算法的T-S模糊神經(jīng)網(wǎng)絡(luò)水質(zhì)評(píng)價(jià)方法［J］.計(jì)算機(jī)與應(yīng)用化學(xué)，2013（10）：1197-1202.

［7］殷飛，金世佳.節(jié)水灌溉對(duì)生態(tài)環(huán)境影響評(píng)價(jià)方法的影響研究［J］.農(nóng)機(jī)化研究，2013（05）：45-48.

中圖分類號(hào)：S275

文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1008-1305（2016）01-0040-03

DOI：10.3969 /j.issn.1008-1305.2016.01.0013

收稿日期：2014-09-05

作者簡介：白潔娜（1981年—），女，工程師。