白潔娜

（五家渠農(nóng)六師勘測設計研究有限責任公司，新疆五家渠831300）

?

基于T-S模型的神經(jīng)網(wǎng)絡在節(jié)水灌溉技術選擇中的應用

白潔娜

（五家渠農(nóng)六師勘測設計研究有限責任公司，新疆五家渠831300）

摘要：為了有效對節(jié)水灌溉技術水質展開監(jiān)控和應用，選取一種基于T-S模糊的神經(jīng)網(wǎng)絡模型對水質加以評價。文中從模糊神經(jīng)網(wǎng)絡的發(fā)展情況入手，提出建立基于T-S模型的神經(jīng)網(wǎng)絡模型，分析了創(chuàng)建基于T-S模型的神經(jīng)網(wǎng)絡模塊，介紹了基于T-S模糊神經(jīng)網(wǎng)絡模式在節(jié)水灌溉技術中的應用。

關鍵詞：T-S模型的神經(jīng)網(wǎng)絡；節(jié)水灌溉技術；應用

我國是一個嚴重缺乏水資源的國家，水資源分布不均衡，加大節(jié)水灌溉技術的設計對保障國家的用水安全及促進農(nóng)業(yè)經(jīng)濟的發(fā)展有著不可替代的作用。初期的節(jié)水灌溉技術評價法是采用粗線條對整個節(jié)水灌溉工程展開定性描述。

由于研究的逐步深入，該技術也由定性轉為定量、由規(guī)范性的研究轉化為實質性的研究，所以尋求適應的方法對節(jié)水灌溉工程展開綜合評定成為重要的問題。模糊神經(jīng)網(wǎng)絡可以引入模糊算法，把模糊邏輯辦法及神經(jīng)網(wǎng)絡有機結合起來。

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)把各個模型進行連接，形成全局模型。

1　簡述模糊神經(jīng)網(wǎng)絡的發(fā)展現(xiàn)狀

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

神經(jīng)網(wǎng)絡還可以模仿人的大腦神經(jīng)網(wǎng)絡模型及信息處理機能，展開信息的處理、判斷、學習等，達到模仿人為進行智能控制的目的。

模糊神經(jīng)網(wǎng)絡是綜合神經(jīng)網(wǎng)絡及模糊控制的所有優(yōu)點，進行非線性、模糊性有關的處理上展現(xiàn)出獨特的優(yōu)勢。該系統(tǒng)不用創(chuàng)建基于系統(tǒng)動態(tài)特性的數(shù)學模型，經(jīng)過網(wǎng)絡結構的綜合學習，獲取神經(jīng)網(wǎng)絡優(yōu)異結構，消除了只依靠設計經(jīng)驗選取網(wǎng)絡結構的隨意性，提升神經(jīng)網(wǎng)絡學習的收斂速度。

2　建立基于T-S模型的神經(jīng)網(wǎng)絡模型

T-S模型網(wǎng)絡模型是一種具有超強適應能力的系統(tǒng)，T-S模型可以進行自動更新，也會不停的修正模糊子集的隸屬度函數(shù)。

T-S模型應該運用IF—THEN規(guī)則進行定義，如果規(guī)則是Ri的情況下，模糊神經(jīng)網(wǎng)絡推理如下：

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)則計算出不同的輸入變量xj的隸屬度。

由模糊網(wǎng)絡模型結果計算出所需的模糊模型輸出數(shù)值。

圖1　模糊神經(jīng)網(wǎng)絡結構簡圖

T-S模糊神經(jīng)網(wǎng)絡結構劃分為模糊化層、輸入層、模糊計算層、輸出層。輸出層與輸入向量x=［］進行連接，節(jié)點數(shù)與輸入向量的數(shù)值相同。

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

3　創(chuàng)建基于T-S模型神經(jīng)網(wǎng)絡模塊

基于T-S模型的神經(jīng)網(wǎng)絡節(jié)水灌溉技術一般應用在模糊神經(jīng)網(wǎng)絡及遺傳算法展開對初始數(shù)據(jù)的處理，獲取相關的結果方便用戶進行判斷。該系統(tǒng)主要進行輸入數(shù)據(jù)的預處理、分析結果、數(shù)據(jù)處理等3項功能。

數(shù)據(jù)預處理模式主要對原數(shù)據(jù)進行分類，轉化為模糊神經(jīng)網(wǎng)絡通用的格式。數(shù)據(jù)計算就是指通過預處理后的數(shù)據(jù)展開處理并獲取相關的結果。分析結果就是對模糊神經(jīng)網(wǎng)絡輸出層結果展開圖形化，方便用戶進行理解。

基于模糊神經(jīng)網(wǎng)絡的節(jié)水灌溉技術隸屬于專家決策的某個分支，主要的特征必須先展開知識的驗證，并為驗證知識創(chuàng)建相應的知識庫，該系統(tǒng)就是采用模糊推理技術根據(jù)人的思維及推理意念，采用神經(jīng)網(wǎng)絡的學習機自適應性來對模糊推理系統(tǒng)進行推理，才有遺傳算法進行全局優(yōu)化。

依照系統(tǒng)的特點展開分析，為基于T-S模型神經(jīng)網(wǎng)絡節(jié)水灌溉技術系統(tǒng)展開功能設計，具體情況如圖2所示。

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

3.1數(shù)據(jù)輸入

數(shù)據(jù)輸入模塊就是對學習樣本及試驗樣本的原始數(shù)據(jù)展開輸入，方便形成具有可靠的數(shù)據(jù)預處理模塊的形式。以此為基礎展開人性化的設計，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)錯誤，所以該模塊運用數(shù)據(jù)輸入驗證技術，以此來提升數(shù)據(jù)輸入的效率及準確度。

3.2數(shù)據(jù)處理

數(shù)據(jù)預處理模塊的功能就是對輸入學習的樣本數(shù)據(jù)展開相關的計算和預處理，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)絡及遺傳算法應用的數(shù)據(jù)。

數(shù)據(jù)處理模塊則是采用通過預處理的樣本數(shù)據(jù)及遺傳算法為神經(jīng)網(wǎng)絡展開訓練，并采用訓練后的網(wǎng)絡對樣本展開數(shù)據(jù)處理，獲取最終的輸出結果，便于為用戶提供分析。

采用T-S模糊神經(jīng)網(wǎng)絡對節(jié)水灌溉的水質進

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)集合內的最小值和最大值。

因輸入數(shù)據(jù)是5個水質指標，輸出數(shù)據(jù)則是1水質等級，因此，模糊神經(jīng)網(wǎng)絡結構是5-10-1，就是說有10個隸屬度。文中模糊隸屬度中心、寬度采用“rand（）”函數(shù)隨意取得。

3.3結果分析

結果分析是采用處理過的樣本展開節(jié)水灌溉技術方面的闡述，形成比較簡單的文字性文字或圖像進行表述，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。

T-S模糊神經(jīng)網(wǎng)絡是根據(jù)模糊系統(tǒng)原理創(chuàng)建起來的，網(wǎng)絡內不同節(jié)點及其參數(shù)都有相應的物理含義。在網(wǎng)絡初始化之時，這類參數(shù)的初始值由系統(tǒng)的模糊及定性知識來得到，如此一來網(wǎng)絡可以快速進行收斂。

文中運用對比檢驗的SVM模型運用交叉驗證及時展開參數(shù)，如此一來，可以從大范圍內一直縮小參數(shù)范圍，從而實現(xiàn)尋優(yōu)參數(shù)的效果。行評價之前對樣本數(shù)據(jù)展開歸一化處理，采用maPminmax函數(shù)把訓練樣本及檢驗樣本根據(jù)公式（5）展開歸一化處理，讓其轉換為0～1之間的數(shù)。

4　基于T-S模糊神經(jīng)網(wǎng)絡模式在節(jié)水灌溉技術中的應用

節(jié)水灌溉上幾乎選取的指標受到多種因素的影響，模糊系統(tǒng)可以有效地對人的思維展開模擬，很好的解決推斷過程中出現(xiàn)的自學問題，把模糊系統(tǒng)及神經(jīng)網(wǎng)絡相互結合，實現(xiàn)較好解決節(jié)水灌溉技術有關的問題。

依照模糊神經(jīng)網(wǎng)絡的結構、特點，建立基于TS模糊神經(jīng)網(wǎng)絡的輸入層包括5個神經(jīng)元，4個輸出元，具體情況如圖2所示。

把模糊神經(jīng)網(wǎng)絡及節(jié)水灌溉技術相互結合，各層的計算如下所示，最后獲取基于T-S模糊神經(jīng)網(wǎng)絡節(jié)水灌溉技術模型。輸入層是各個節(jié)點直接與輸入向量的不同分量x進行連接，它起到把輸入值傳遞到下一層次，這層的節(jié)點數(shù)為N1=n。

在節(jié)水灌溉上幾乎選為指標體系的向量，這里的節(jié)點與輸入序列相互連接，把不同輸入值傳遞到下層。該層的各個節(jié)點對每一語言變量的取值，它的作用可以對各個輸入分量計算。

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

運用高斯函數(shù)當作隸屬度函數(shù)，計算公式如下：

輸出層是為模糊化計算所設置的，達到清晰化計算，獲取輸出值，該層的節(jié)點個數(shù)是由實際問題所設定。在該模型中輸出層神經(jīng)元的節(jié)點數(shù)是由選用的節(jié)水灌溉技術種類而定。

5　結語

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

參考文獻

［1］趙振霞，唐濤，張茂國等.基于神經(jīng)網(wǎng)絡的節(jié)水灌溉適宜技術模型——人機交互界面的設計與實現(xiàn)［J］.水利科技與經(jīng)濟，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)絡在小隴山森林健康評價中的應用［J］.廣東農(nóng)業(yè)科學，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)絡組合模型的CPI預測［J］.陜西科技大學學報（自然科學版），2014（03）：173-176.

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

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

［6］夏美娟，梁雪春，韓峰濤等.基于改進FCM聚類算法的T-S模糊神經(jīng)網(wǎng)絡水質評價方法［J］.計算機與應用化學，2013（10）：1197-1202.

［7］殷飛，金世佳.節(jié)水灌溉對生態(tài)環(huán)境影響評價方法的影響研究［J］.農(nóng)機化研究，2013（05）：45-48.

中圖分類號：S275

文獻標識碼：B

文章編號：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。