發(fā)布時間：2022-01-14所屬分類：農(nóng)業(yè)論文瀏覽：1次
摘 要： [摘要] 優(yōu)良的地下水灌溉水質(zhì)是發(fā)展綠色農(nóng)業(yè)的重要條件。 但傳統(tǒng)農(nóng)業(yè)在農(nóng)田灌溉方面， 著重于對灌溉系統(tǒng)進(jìn)行建設(shè)與管理。 忽略了地下水源的開發(fā)與綜合利用。 近年來， 隨著遼寧省經(jīng)濟(jì)社會快速發(fā)展， 人們的生產(chǎn)活動日益頻繁， 掠奪式開采與開發(fā)地下水， 導(dǎo)致地下水資源
[摘要] 優(yōu)良的地下水灌溉水質(zhì)是發(fā)展綠色農(nóng)業(yè)的重要條件。 但傳統(tǒng)農(nóng)業(yè)在農(nóng)田灌溉方面， 著重于對灌溉系統(tǒng)進(jìn)行建設(shè)與管理。 忽略了地下水源的開發(fā)與綜合利用。 近年來， 隨著遼寧省經(jīng)濟(jì)社會快速發(fā)展， 人們的生產(chǎn)活動日益頻繁， 掠奪式開采與開發(fā)地下水， 導(dǎo)致地下水資源嚴(yán)重不足。 不僅水源受到污染， 且地下水灌溉水質(zhì)質(zhì)量不斷下降。 故本文將以我國遼寧省某灌區(qū)為例進(jìn)行研究， 采用 SOM 神經(jīng)網(wǎng)絡(luò)模型對灌區(qū)地下水灌溉水質(zhì)分析評價。
[關(guān)鍵詞] SOM; 神經(jīng)網(wǎng)絡(luò); 地下水; 灌溉水質(zhì); 分析評價
對地下灌溉水水質(zhì)進(jìn)行分析評價， 主要針對水質(zhì)指標(biāo)值， 采用科學(xué)的方法建立合理的參數(shù)模型，以此分析、確定地下灌溉水水質(zhì)等級。 當(dāng)前針對 地 下 灌 溉 水 水 質(zhì) 進(jìn) 行 分 析 評 價 的 主 要 方 法 分為：層次分析法及主成分分析法和單因子分析法、模糊綜合評價法、屬性識別模型法、灰色聚類法、物元可拓法、神經(jīng)網(wǎng)絡(luò)分析法 8 種。 但上述方法各自具有一定的屬性缺點。 因此，需通過兩種或兩種以上的方法進(jìn)行綜合分析、 評價。 本文通過采用 SOM 神經(jīng)網(wǎng)絡(luò)綜合分析法， 對某灌溉區(qū)地下水水質(zhì)進(jìn)行評價分析。 在分析中，基于地下水灌溉水水質(zhì)影響因素為重要指標(biāo)， 通過選擇礦化度及堿度和酸度為地下水灌溉水質(zhì)評價的主要因子。 研究評價結(jié)果表明，基于 SOM 神經(jīng)網(wǎng)絡(luò)背景綜合評估地下水灌溉水質(zhì)， 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)能夠始終保持不變，且在聚類過程中，能夠更加直觀反映不同類在競爭層二維平面的相對位置， 從而有效防止了水質(zhì)評價分析結(jié)果受高維樣本數(shù)據(jù)影響， 簡化了整個分析運算過程， 使分析評價結(jié)果更加客觀、真實。
1 地下水灌溉水質(zhì)研究中 SOM 神經(jīng)網(wǎng)絡(luò)的基本概念
SOM 神經(jīng)網(wǎng)絡(luò)是自組織競爭型神經(jīng)網(wǎng)絡(luò)中的一種， 該自組織競爭型神經(jīng)網(wǎng)絡(luò)能夠基于不同的外界環(huán)境進(jìn)行自動識別。 因此，它是一種無監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)模型。 具體到地下水水質(zhì)分析中，此神經(jīng)模型可對水源環(huán)境進(jìn)行自動識別， 以此按照不同參數(shù)特征進(jìn)行數(shù)據(jù)分類[1]。
此概念主要由芬蘭赫爾 辛基大學(xué)教 授 Teuvo Kohonen 提出，該神經(jīng)網(wǎng)絡(luò)中的不同網(wǎng)絡(luò)權(quán)值可通過 SOM 自組織特征映射進(jìn)行識別、調(diào)整。 因此，神經(jīng)網(wǎng)絡(luò)始終收斂于一種表示狀態(tài)。 在這一收斂形態(tài)中， 某種具體的輸入模式只與一個神經(jīng)元比較敏感及匹配，故在此過程中，某一特定神經(jīng)元可在模式識別過程中， 充當(dāng)某一輸入模式的數(shù)據(jù)檢測器，因此確保了數(shù)據(jù)分析與模型評估的科學(xué)性。
2 地下水灌溉水質(zhì)研究中 SOM 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及應(yīng)用原理
在采用上述神經(jīng)網(wǎng)絡(luò)模型， 對地下水灌溉水質(zhì)進(jìn)行總體分析評價時，主要應(yīng)用原理為：在網(wǎng)絡(luò)學(xué)習(xí)過程中， 當(dāng)在網(wǎng)絡(luò)模型中輸入地下水質(zhì)的相關(guān)樣本數(shù)據(jù)時， 競爭層神經(jīng)元權(quán)值與輸入樣本之間的歐幾里德距離， 會被神經(jīng)網(wǎng)絡(luò)模型競爭層中的神經(jīng)元進(jìn)行計算分析， 獲勝神經(jīng)元即為最后經(jīng)過計算分析得到的距離最小的神經(jīng)元[3]。 然后，對相鄰神經(jīng)元權(quán)值及獲勝神經(jīng)元權(quán)值進(jìn)行調(diào)整，從而保證周邊權(quán)值與獲勝神經(jīng)元權(quán)值能夠與該 SOM 神經(jīng)網(wǎng)絡(luò)模型中輸入的數(shù)據(jù)樣本一致。 模型經(jīng)過對相關(guān)數(shù)據(jù)進(jìn)行反復(fù)運算，以此使 SOM 神經(jīng)網(wǎng)絡(luò)模型中各神經(jīng)元的連接權(quán)值呈現(xiàn)出不同的樣本分布特征。 按照該數(shù)據(jù)分布特征，將具有相似性的數(shù)據(jù)納入同一神經(jīng)元中， 以此使同類神經(jīng)元具有相同或大致相似的分布權(quán)數(shù)。 因此，通過具體權(quán)數(shù)分析評價， 最終對地下水灌溉水水質(zhì)總體情況進(jìn)行分析[4]。
3 基于 SOM 神經(jīng)網(wǎng)絡(luò)評估地下水灌溉水質(zhì)的操作流程
通過上述概 念梳 理 及 對 SOM 神經(jīng) 網(wǎng) 絡(luò) 結(jié) 構(gòu)的應(yīng)用原理進(jìn)行分析可知，基于 SOM 神經(jīng)網(wǎng)絡(luò)評估地下水灌溉水質(zhì)， 需按照一定的步驟及操作流程進(jìn)行模型數(shù)據(jù)分析， 因此在具體應(yīng)用實踐中需嚴(yán)格遵循以下流程：
4 基于 SOM 神經(jīng)網(wǎng)絡(luò)評估地下水灌溉水質(zhì)的實例
本文 主 要 以 遼 寧 省 某 農(nóng) 田 灌 溉 地 下 水 的 10 個水樣作為水質(zhì)等級評價實例， 進(jìn)行模型分析評價。 在具體分析評價過程中，首先結(jié)合上述模型科學(xué)選取該農(nóng)田灌溉區(qū)影響地下水質(zhì)的具體因素[5]。
在一般情況下，地下水水質(zhì)情況會受水的 PH 值及水溫和水的礦化度、鹽度和堿度等影響，但由于上述因素中水的 PH 值及溫度值經(jīng)過檢測，基本可以滿足當(dāng)?shù)毓喔扔盟|(zhì)標(biāo)準(zhǔn)[6]。 因此，本文在采用 SOM 神經(jīng)網(wǎng)絡(luò)評估地下水灌溉水質(zhì)時，主要選取水樣鹽度、水樣堿度及水樣礦化度三大指標(biāo)，作為該省某農(nóng)田灌溉區(qū)地下水水質(zhì)評價因子。 如表 1 數(shù)據(jù)所示為遼寧省某農(nóng)田灌溉區(qū)主要地下水灌溉水源樣本特征參數(shù)：
其次，在研究分析過程中，主要選用的水質(zhì)評價 標(biāo) 準(zhǔn) 為 現(xiàn) 行 《農(nóng) 田 灌 溉 水 質(zhì) 標(biāo) 準(zhǔn)》(GB5084-- 2015)，水質(zhì)主要等級分為四級，每個樣本分別包括堿度及礦化度和鹽度三個主要指標(biāo)[7]。
在上述數(shù)據(jù)表中， 包括待評價分析樣本和標(biāo)準(zhǔn)樣本一共有 10 組不同的灌溉水水質(zhì)樣本矢量，而在每個樣本矢量單元中， 又分別包括三個不同的評價指標(biāo)。 本文在對上述樣本數(shù)據(jù)進(jìn)行 SOM 神經(jīng)網(wǎng)絡(luò)模型分析時， 基本算法及核心算法分別通過于 SOM 工具箱及 Matlab7.5 語言編程實現(xiàn)。采用 newsom(P，{D1，D2，…，Di｝函數(shù)創(chuàng)建一個基于 SOM 神經(jīng)網(wǎng)絡(luò)的自組織競爭型特征的映射; 在上述函數(shù)關(guān)系式中，SOM 神經(jīng)網(wǎng)絡(luò)模型的輸入向量采用 P 表示，SOM 神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)維數(shù)采用 i 表示。
與此同時，分別通過函數(shù) sim(x)及 train(x)進(jìn)行數(shù)據(jù)模型仿真處理運算。 通過采用 SOM 工具箱及 Matlab7.5 語言匯編 程序?qū)ι?述 樣 本 數(shù) 據(jù) 循 環(huán)模擬處理 30 次，在此基礎(chǔ)上，按照 SOM 神經(jīng)網(wǎng)絡(luò)模型的不同維數(shù)， 對具體運算的數(shù)據(jù)結(jié)果進(jìn)行科學(xué)分類[8]。
當(dāng)上述分析流程結(jié)束后， 結(jié)合該灌溉區(qū)的實際情況，對 SOM 神經(jīng)網(wǎng)絡(luò)模型中競爭層的神經(jīng)元實際維數(shù)進(jìn)行科學(xué)確定。 上表中待評價樣本及標(biāo)準(zhǔn) 樣 本 分 別 采 用 SOM 神 經(jīng) 網(wǎng) 絡(luò) 工 具 箱 及 Matlab7.5 語言 程 序 進(jìn) 行 訓(xùn) 練 ， 訓(xùn) 練 后 不 同 樣 本 在 SOMS 神經(jīng)網(wǎng)絡(luò)競爭層中的具體分布情況如下表 2 數(shù)據(jù)所示。 此時，經(jīng)過競爭獲勝神經(jīng)元中的連接權(quán)值，分別代表了該水質(zhì)等級故障樣本的聚類中心，并科學(xué)確定 每個訓(xùn)練 樣本在 SOM 神經(jīng) 網(wǎng)絡(luò)模型競爭層中的具體輸出位置。 在對該灌溉區(qū)的實際水質(zhì)進(jìn)行分析評價時， 可按照待評價水質(zhì)樣本激活的獲勝神經(jīng)元落入標(biāo)準(zhǔn)水質(zhì)樣本聚類中心鄰域內(nèi)的具體權(quán)值， 科學(xué)對該灌溉區(qū)內(nèi)樣本水質(zhì)的實際等級進(jìn)行確定，以此實現(xiàn)對水質(zhì)進(jìn)行綜合評價，具體分析結(jié)果如下：
5 結(jié)語
綜上所述，地下水水質(zhì)分析評價，是區(qū)域水資源管理及農(nóng)業(yè)發(fā)展過程中的重要環(huán)節(jié)。 本文創(chuàng)新性地在評價分析過程中，引入了 SOM 神經(jīng)網(wǎng)絡(luò)評估模型， 對遼寧省某灌溉區(qū)地下水水質(zhì)進(jìn)行分析評價。 在研究中，重點結(jié)合 SOM 自組織映射神經(jīng)網(wǎng)絡(luò)的特性， 構(gòu)建了基于地下水灌溉水質(zhì)分析的 SOM 神經(jīng)網(wǎng)絡(luò)模型。 通過對影響該區(qū)域地下水水質(zhì)的主要因子進(jìn)行分析。 在此基礎(chǔ)上， 結(jié)合 SOM 神經(jīng)網(wǎng)絡(luò)模型中的 Matlab 神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)，對網(wǎng)絡(luò)模型進(jìn)行仿真分析， 經(jīng)過理論與實踐相結(jié)合，研究結(jié)果表明，基于 SOM 神經(jīng)網(wǎng) 絡(luò)背景綜 合評估地下水灌溉水質(zhì)，不僅操作過程簡便易行，且網(wǎng)絡(luò)結(jié)構(gòu)更加科學(xué)完整， 為神經(jīng)網(wǎng)絡(luò)模型提供了相關(guān)數(shù)據(jù)。 網(wǎng)絡(luò)模型通過訓(xùn)練、學(xué)習(xí)及競爭，最終結(jié)合模型主觀意愿，將相應(yīng)水質(zhì)分析結(jié)果輸出，因此大大提高了地下水灌溉水水質(zhì)分析的科學(xué)性和真實性， 由此為該灌溉區(qū)制定積極的水資源管理和開發(fā)對策提供了科學(xué)的參考依據(jù)。 ——論文作者：陳 亮
參考文獻(xiàn)：
[1]李學(xué)森.凌河流域水資源現(xiàn)狀及保護(hù)措施[J].水土保持應(yīng)用技術(shù)， 2015，(03)：36-37.
[2]高素麗.遼陽市水資源開發(fā)利用和管理保護(hù)對策[J].水土保持應(yīng)用技術(shù)，2011，(04)：45-47.
[3]白潔娜.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 [J].水利技術(shù)監(jiān)督，2016，(1)：40-42.
[4]宋小波，蔡新，楊杰.基于改進(jìn)AHP法的水閘安全性模糊綜合評價 [J].水電能源科學(xué)，2013，(2)：174-176+137.
[5]夏云林.農(nóng)田水利節(jié)水灌溉技術(shù)淺析[J].水利規(guī)劃與設(shè)計，2015，(9)：45-47.
[6]李軍，蔣世瓊.基于改進(jìn)AHP法的道路選線風(fēng)險評估研究[J].安全與環(huán)境學(xué)報，2013，(1)：246-249.
[7]王春素.高效節(jié)水灌溉措施及效益評價[J].水利技術(shù)監(jiān)督，2014，(4)：50-52.
[8]宋巖，劉群昌，江培福.基于改進(jìn)AHP模糊物元模型的農(nóng)業(yè)用水效率評價[J].人民長江，2013，(22)：30-33.
