基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)集成的作物精準(zhǔn)施肥模型.pdf

《基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)集成的作物精準(zhǔn)施肥模型.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第26卷2010焦第12期12月農(nóng)業(yè)工程學(xué)報(bào)TransactionsoftheCSAE、b1．26No．12Dec．2010193基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)集成的作物精準(zhǔn)施肥模型于合龍1，趙新子2，陳桂芬瞅，萬保成1，高杰1(1．吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院，長春130118；2．吉林省農(nóng)業(yè)機(jī)械管理總站，長春130062)摘要：作物最優(yōu)施肥蹙與土壤養(yǎng)分含量、產(chǎn)量之問存在復(fù)雜的非線性關(guān)系。為更加準(zhǔn)確地模擬這種關(guān)系，提出一種改進(jìn)的的BP神經(jīng)網(wǎng)絡(luò)集成方法。該方法采用K-均值聚類優(yōu)選神經(jīng)腳絡(luò)個(gè)體，采用掙格朗U乘子方法計(jì)算待集成的神經(jīng)網(wǎng)絡(luò)個(gè)體的權(quán)值。然后，基

2、于農(nóng)田肥料效應(yīng)試驗(yàn)數(shù)據(jù)，以土壤養(yǎng)分含量和施肥饋?zhàn)鳛樯窠?jīng)網(wǎng)絡(luò)的輸入，以產(chǎn)量作為神經(jīng)網(wǎng)絡(luò)的輸出，建立了作物精準(zhǔn)施肥模型。該模型通過求解一個(gè)非線性規(guī)劃問題，能同時(shí)獲得最大產(chǎn)量和最優(yōu)施肥最。試驗(yàn)結(jié)果表明，在施肥模型的擬合精度方面，改進(jìn)的神經(jīng)網(wǎng)絡(luò)集成方法(其均方根誤差為64．54)明濕優(yōu)于單個(gè)神經(jīng)嘲絡(luò)方法(其均方根誤差為169．74)。而且，作為～種定量模型，基于改進(jìn)的神經(jīng)網(wǎng)絡(luò)集成的施肥模型優(yōu)于傳統(tǒng)施肥模型，能有效地指導(dǎo)精準(zhǔn)施肥。關(guān)鍵詞：反向傳播，神經(jīng)網(wǎng)絡(luò)，非線性規(guī)劃，精準(zhǔn)農(nóng)業(yè)，施肥模型，K-均值聚類doi：10．3969／j．issn．1002—6

3、819．2010．12．033中圖分類號(hào)：S126文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1002—6819但010)-12-0193--06于合龍，趙新子，陳桂芬，等．基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)集成的作物精準(zhǔn)施肥模型[J]．農(nóng)業(yè)工程學(xué)報(bào)，2010，26(12)：193—198．YuHelong，ZhaoXinzi，ChenGuifen，eta1．CropprecisionfertilizationmodelbasedonimprovedBPneuralnetworkensemble[J]．TransactionsoftheCSAE，2010，26(12)：1

4、93—198．(inChinesewithEnglishabstract)0引言精準(zhǔn)施肥是精準(zhǔn)農(nóng)業(yè)技術(shù)中的核心內(nèi)容，其基本思想是基于土壤養(yǎng)分的空間變異性實(shí)行變量施肥。實(shí)踐證明，精準(zhǔn)施肥町以節(jié)約肥料，增加糧食產(chǎn)最，均衡十壤養(yǎng)分【lj，減少環(huán)境污染。精準(zhǔn)施肥的難點(diǎn)主要在于決策模型的制定，然而現(xiàn)有的施肥模型與當(dāng)前牛產(chǎn)實(shí)踐相互矛盾之處非常之多，積累的大量數(shù)據(jù)難以指導(dǎo)乍產(chǎn)實(shí)踐【2】。因此，有必要構(gòu)建一種更有效的作物精準(zhǔn)施肥模型。傳統(tǒng)的精準(zhǔn)施肥策略中主要采用養(yǎng)分平衡法和肥料效應(yīng)函數(shù)法。養(yǎng)分平衡法待定系數(shù)較多，不能反映養(yǎng)分間的交互作用，而且由于目標(biāo)產(chǎn)量很

5、難估計(jì)準(zhǔn)確，導(dǎo)致施肥鼉計(jì)算誤差較大。由于產(chǎn)量和土壤養(yǎng)分、施肥量以及其它影響因素間呈高度的非線性，而神經(jīng)網(wǎng)絡(luò)被認(rèn)為是解決非線性問題的有力工具，因此一些不同形式的神經(jīng)網(wǎng)絡(luò)被用于精準(zhǔn)施肥決策中。2001年，Pokrajac等p卅建立了基于神經(jīng)網(wǎng)絡(luò)的精準(zhǔn)施肥決策支持系統(tǒng)。2004年，馬成林等【5】提出了一個(gè)基于數(shù)據(jù)包絡(luò)分析和人工神經(jīng)網(wǎng)絡(luò)的變量施肥決策方法。此外，一些其他形式的神經(jīng)網(wǎng)收稿Et期：2009．06．21修訂F1期：2010。06．18基金項(xiàng)目；國家“863”項(xiàng)14(2006AAl0A309)；國家星火計(jì)劃項(xiàng)目(2008GA661003)：

6、長春市科技特派員項(xiàng)目(2009245)；吉林農(nóng)業(yè)大學(xué)青年基金項(xiàng)目(2007038)作者簡介：于合龍(1974一)，男，吉林德惠人。副教授，博士，主要從事數(shù)據(jù)挖掘與精準(zhǔn)農(nóng)業(yè)研究。長春吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院，130118。Emaihyuhelong@yahoo．corn．cn※通信作者：陳桂芬(1956一)，女，吉林長春人，教授．博士生導(dǎo)師，主要從事專家系統(tǒng)和農(nóng)業(yè)信息技術(shù)研究。長春吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院，130118。Email：guifchen@163．gom絡(luò)也被用于變量施肥決策睜71。現(xiàn)有的基于神經(jīng)網(wǎng)絡(luò)的精準(zhǔn)施肥模型主要存在以下問題：

7、第一，在訓(xùn)練數(shù)據(jù)獲取方面，通常需要安排專門的出間試驗(yàn)，需要較長的試驗(yàn)周期和較高的試驗(yàn)成本。另一方面，在測(cè)上配方施肥開展過程中，已經(jīng)積累了大量的“3414”田間試驗(yàn)數(shù)據(jù)，但實(shí)踐證明，3414試驗(yàn)數(shù)據(jù)并沒有得到充分利用，甚至有部分?jǐn)?shù)據(jù)由于不能成功地?cái)M合三元-二次方程而遭廢棄t剮。第二，在神經(jīng)網(wǎng)絡(luò)輸入輸出模式方面，現(xiàn)有模型都足以土壤養(yǎng)分、產(chǎn)量作為輸入，以施肥量作為輸出。但該種模式需要事先估計(jì)最大目標(biāo)產(chǎn)量，而對(duì)于目標(biāo)產(chǎn)量的估計(jì)通常并沒有一個(gè)定量公式，因此很難估計(jì)準(zhǔn)確，從而導(dǎo)致施肥量計(jì)算不準(zhǔn)。第三，現(xiàn)有模型均使用單個(gè)網(wǎng)絡(luò)進(jìn)行擬合，但單個(gè)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)

8、精度不高，泛化能力不強(qiáng)。針對(duì)以上問題，本文提出了一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)集成方法，并有針對(duì)性地采取以下3種措施：第一，以“3414”試驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本集，充分利用現(xiàn)有數(shù)據(jù)，減少試