摘要：随着人工神经网络在节水灌溉系统中的成功应用，节水灌溉系统工程所面临的问题也得到的一定程度上解决。文章对神经网络在节水灌溉中的应用进行了研究，基于节水效益，分析了未来神经网络在节水灌溉中的应用趋势。

关键词：神经网络;节水灌溉;应用;分析

随着水资源的日趋紧张，世界各国都在积极探索行之有效的节水途径和措施。喷灌和微灌技术是为了解决水资源不足而兴起的技术措施，提高灌溉效率而发展起来的神经网络技术是当前研究的热点。随着人类社会的不断发展和进步，节水灌溉系统的复杂性和动态性不断增加，影响因子不断增多，不仅需要了解气候、温度、水量、水质、土壤、盐碱等要素的自然变化规律，同时更需要掌握各要素的变化可能对社会、经济、生态、环境等系统产生的各种影响。使用传统的研究方法就会面临许多困难。人工神经网络在节水灌溉系统中的成功应用，极大地丰富了节水灌溉系统工程的内容。

1 基于节水灌溉的神经网络分析

人工神经网络是一种模仿人的大脑神经元特性，从而模拟人脑认知功能的一种处理非线性知识信息的新方法。它的研究可以追溯到1957年Rosenblatt提出的感知器(Perceptron)模型。它几乎与人工智能--AI(Artificial Intelligence)同时起步，但30余年来却并未取得人工智能那样巨大的成功，其中经历过长时间的萧条。直到2O世纪80年代，在获得了关于人工神经网络切实可行的算法以及以Von Neumann体系为依托的传统算法在知识处理方面日益显露出其力不从心后，人们才重新对人工神经网络发生了兴趣，从而导致神经网络的复兴。人工神经网络(Artificial-NeuralNetworks，简写为ANNs)也简称为神经网络(NNs)，或称作连接模型(ConnectionistMode1)，是对人脑或自然神经网络(NaturaiNeuraiNetwork)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能翻。其中应用最广泛的是BP(Back Propagation)算法神经网络，BP网络的学习算法是一种误差反向传播式的网络权值训练方法，它的理论基础是多层神经网络模型。BP神经网络由输入层、隐含层和输出层及各层神经元之间的连接组成，各层神经元通过权重、阈值连接。设W／为隐层神经元i与输入层神经元的连接权，组成隐含层的权矩阵W； 为输出层神经元k与隐层神经元i的连接权，组成输出层的权矩阵；隐含层和输出层的激活函数分别采用Js型函数和线性函数。

基于节水灌溉的神经网络模式与人工控制方式相比，具有节省水、肥、能量、杀虫剂、人工等优点，并可基本消除在灌溉过程中人为因素造成的不利影响，提高操作的准确性，有利于灌溉过程的科学管理和先进灌溉技术的推广。同时通过灌溉控制器适时、适量地灌水，提高农作物产量，有利于我国广大农村劳动力的转移和农村经济结构的调整，同时，对环境保护也起到一定的作用。自从上个世纪60年代初以来．在世界各国得到了迅速发展．到70年代．新型灌溉技术的应用在国外已经相当普及了。我国于1974年引进滴灌技术，1976年喷灌技术的研发列入国家科研计划，1977-1978年国家计委将喷灌技术列为重点推广项目，原水利水电部正式将喷灌列为水利建设项目。我国近10年来滴灌技术发展很快，现已在喷滴灌系统设计方面积累了较为丰富经验。

由于土壤湿度传感器的非线性以及其输出延迟较大，采用传统的反馈控制方法很难得到满意的结果，而近几年由于人工智能技术的发展，使得人工智能技术在节水灌溉中的应用显示出广阔的前景，其中包括用专家系统、模糊逻辑系统、神经网络来预测和建模，使得灌溉控制器用这些智能技术来及时、准确地预测环境参数，同时控制这些参数使得它更适合于作物生长。模糊控制和神经网络在灌溉控制器中的应用较多，这些系统一般以土壤湿度传感器测土壤水分，同时还通过自动天气预报站估算出作物的蒸腾量，然后把这两个信息经模糊化后输入到模糊控制器，模糊控制器经模糊规则决策得出模糊输出，再把该模糊输出精确化传送给执行机构，控制电磁阀动作。

2 神经网络在节水灌溉应用趋势分析

2.1当前神经网络应用概况

2.1.1 灌溉水质评价方面

人工神经网络在水库水质评价中的应用中，国内已经建立了评价模型，得出了水库水质等级，并通过计算结果与分级评分结果进行了比较，表明BP神经网络方法收敛较快，预测精度很高，为研究灌溉水质评价打下了基础。冯耀龙等建立了水质富营养化的BP人工神经网络模型，用水质指标等级作为训练样本，对l993一l998年于桥水库水质监测值进行了归类、分析与评价。

2.1.2 灌溉系统预测方面

神经网络对农业灌溉量的预测作用，将农业灌溉量看作灌区有效灌溉面积、年降雨量、粮食总产量的非线性函数，利用神经网络的非线性特征对灌区的灌溉供水量进行预测，通过验证得出，利用神经网络预测的相对误差较小，精度达到了要求。基于神经网络预测了灌溉用水量的研究中，采用了改进的BP网络对灌溉用水量进行了预测，并采用LM算法进行了误差逆传播校正，使得在精度和训练时间上都有了较大的改进，实例证明取得了较好的结果。用神经网络算法对水稻需水量的预测，得出人工神经网络具有很好的适应性和灵活性，提高了预报的准确性。通过对作物需水量的预测，还可以实现节水灌溉。

21.3 灌溉系统优化方面

我国学者研究了神经网络技术在节水灌溉专家系统中的应用，通过具有很强学习功能、记忆功能和并行处理功能的神经网络技术，优化了传统的专家系统，并设计了一套智能水平高、运算能力强、解决实际问题又准又快的节水灌溉专家系统，为节水农业提供了有力的技术支持。

2.2未来神经网络在节水灌溉应用趋势

经过多年的发展，国外灌溉控制器已逐步趋于成熟、系列化，但价格昂贵，国内虽引进一些，但多数是农业示范区、科研单位、高校，虽然国外生产的灌溉控制器性能优越，但没有考虑我国特殊的自然、气候、土地资源、农民经济状况等因素，因而国外引进的灌溉控制器在国内应用并不普及。国内虽然有多家研制灌溉控制器，但多数是小规模、实验和理论的探讨，应用不够普及，究其原因一则是开发性能完善的灌溉控制系统需要大量的人力、物力的投入，需要多部门、多学科的融合，这在一定程度上限制了性能完善、适应性强的控制器的开发。其次是现在开发出来的灌溉控制器价格昂贵，农民尽管知道能节省人力、灌溉用水、提高产量，但由于一次性投资太大，多数农民承受不起，这也在一定程度上限制了灌溉控制器的普及。

当前出现的难度为：a.神经网络在节水灌溉工程中获得了许多成功的应用和成果，其中如何选择样本、样本容量大小的确定、怎样才能使神经网络学习的效果最佳，这些都是使用神经网络过程中遇到的问题，所以大规模、系统化的应用还需要进行大量的研究和探索。b.对BP网络算法的改进，可以更好地提高学习推理效率。首先，在训练神经网络时，BP网络隐层神经元的作用机理及其个数选择是BP网络研究中的一个难题；同时探索更加优化的BP神经网络算法来防止陷入局部极小仍是个难点；c.为了提高该预测模型的普及性，应该进一步用高级语言来开发界面和接口，通过内嵌该神经网络预测模型，来提高该模型的应用普及，一定具有广泛的应用前景。

3 结语

综上所述，西方发达国家在节水灌溉控制器的开发上已越来越成熟，且发展趋势是研制大型分布式控制系统和小面积单片机控制系统，并带有通信功能，能与上位机进行通信，并可由微机对其编程操作。同时随着人工智能技术的发展，模糊控制、神经网络等新技术为节水灌溉控制器的研制开辟了广阔的应用前景。而国内在灌溉控制器的研制方面还没有形成规模大、应用范围广的成套灌溉控制产品。国内的一些高尔夫球场等大面积场地灌溉控制，一般引用国外现成的成套灌溉控制产品。

参考文献

[1]李远华.节水灌溉理论与技术[M].武汉：武汉水利电力大学出版社，1999.

[2]李志刚，张文焕．神经网络技术在节水灌溉专家系统中的应用[J]．山西农业科学，2007(8)：70-72．

[3]徐建新，李彦彬，谷红梅．基于神经网络的农业灌溉量预测[J]．农机化研究，2005(4)：1l5一l17．

作者介绍：仲子平（1972-），男，江苏姜堰人， 苏州农业职业技术学院，讲师，工学士从事农机与汽车专业的教学与研究.