RBF人工神經網(wǎng)絡在棉花膜下滴灌灌溉預報中的應用.pdf

1、合理的灌溉制度是緩解我國水資源危機，建設節(jié)水型社會的重要課題之一，也是灌溉管理中制定最佳配水、調水計劃的依據(jù)。對水資源不足、干旱少雨的新疆來說，進行灌溉需水量預測，制定合理的灌溉制度是十分必要的。膜下滴灌是一種新型的節(jié)水灌溉技術，由于其顯著的保水增溫效應被廣泛地運用于各種作物，并達到了節(jié)水和增產的雙重效果。計算機人工神經網(wǎng)絡是20世紀80年代興起的非線性科學，近20年來得到飛速發(fā)展，在人工智能、自動控制和模式識別等領域取得了令人矚目的成

2、果。將神經網(wǎng)絡應用于非線性系統(tǒng)的建模和預測，可以不受線性模型的限制，有效地描述問題本身具有的不確定、多輸入等復雜的非線性特性。因此，本文將計算機人工神經網(wǎng)絡與棉花膜下滴灌相結合，不僅可使棉花增產，而且達到了節(jié)水的目的，對于制定合理的灌溉制度有著重要的現(xiàn)實意義。本文以2008年新疆石河子棉區(qū)為例，建立了基于RBF人工神經網(wǎng)絡的棉花膜下滴灌灌溉預報模型，并通過田間實測資料對模型進行了檢驗，得到以下結論： 1.應用148團墾區(qū)提供的氣

3、象資料，運用MATLAB軟件，以日平均氣溫、日照時數(shù)和水汽壓作為影響作物需水量的因素，建立了預測預報作物需水量的RBF神經網(wǎng)絡模型。將2008年實測的土壤含水率通過水量平衡方程計算所得的作物需水量作為實測值與RBF網(wǎng)絡模型的預測值進行對比，得出預測模型絕對誤差最大為0.0277mm/d、最小為0.0001mm/d、平均為0.0089mm/d；相對誤差最大為4.789％、最小為0.004％、平均為0.614％，可見預測效果較好。說明此模型

4、的預測準確度較高，能很好地應用于生產實踐。預測作物需水量是灌區(qū)進行灌溉預報最為關鍵性的問題，此問題的解決為灌區(qū)進行灌溉預報奠定了基礎。 2.介紹了應用水量平衡方程建立棉花實時灌溉預報的方法，并對水量平衡方程中各參數(shù)的確定進行了詳細說明，其中作物需水量采用RBF神經網(wǎng)絡模型進行預測。用水量平衡法進行灌區(qū)的灌溉預報可以很好地利用短期的天氣預報信息，使灌溉制度的制定更符合灌區(qū)的實際情況。 3.采用試算法推算未來的灌水天數(shù)，灌水

5、量的預報采用公式Ii=10γH1β田持(1-φ下限)，對試驗田第一塊地進行了灌溉預報。 4.由預測報表4-3可以明顯看出，實際灌水11次，而用模型預報的灌水次數(shù)僅需8次；實際灌水總量達到了320.04mm，而預報的灌水量僅為246.68mm。經過分析表明預報的灌水次數(shù)和灌水量更充分地利用了降雨，是符合實際要求的，且達到了節(jié)水的目的。更進一步表明了實時灌溉預報模型的應用不但能減少水量浪費，起到節(jié)水的作用，而且更充分地利用了氣象資料