（农业水土工程专业论文）模糊神经网络模型及其在水土资源中的应用.pdf

摘要 暑! 皇_ m _ _ t ) mm-m 摘要 水土资源领域中的时间序列总是受天文、地理、人为活动等众多因素的影响，因而存在 高维、非线性、实测数据信息不完整等特征，但同时也具有多年变化的周期性和趋势性。常 规的线性模型很难解决这些问题，因此，为解决水土资源中的复杂问题，本文建立了几种模 糊神经网络模型，还通过m a t l a b 7 0 软件进行编程，建立数学模型，并应用于实践中，结 果都取得了良好的效果。 本文取得了以下三方面的成果： 1 、构建了三江平原别拉洪河站多年降雨量预测和三江平原富锦市永富乡耕作土壤评价 的模糊b p 网络模型。 ( 1 ) 三江平原降雨量的多少不但直接影响当地水资源的开发和利用，而且与干旱、洪 涝等自然灾害的发生、发展及其强度密切相关，因此，准确地预测降水量，既可为三江平原 制定水资源开发利用策略提供科学依据，又可为防灾、抗灾、救灾提供有效的指导。 ( 2 ) 土壤质量的变化直接影响着粮食的增产。三江平原大面积开荒后，随着开垦年限 的增长，土壤质量一般都呈现下降趋势，所以三江平原土壤的下降应当引起有关部门的高度 重视。 2 、建立了三江平原创业农场的地下水预测的自适应模糊神经网络模型。 三江平原地下水位的下降主要是因为以井灌水稻为主的农业仍将是该地区的主导产业， 单纯追求粮食产量，盲目无序地开发利用地下水所造成的。如果仍按目前的发展模式，井灌 水稻面积仍逐年加大，地下水资源开采量仍会增加，势必造成地下水供需动态平衡被进一步 破坏，降雨及周围河水的侧向渗漏来不及补给，导致该地区地下水水位下降。因此，提醒该 地区有关部门采取有效措施，如对机井进行合理布局、充分利用好地表水资源、采用新的节 水灌溉措施等，以控制地下水资源的开采量，同时也应适当缩减井灌水稻的种植面积，退耕 还林，使地下水动态平衡得以逐渐恢复，实现水资源的可持续利用。 3 、建立基于减法聚类的自适应模糊神经网络的三江平原富锦市农业水资源利用状况评 价模型。 三江平原农业水资源的供需矛盾日益加剧，从对三江平原富锦市2 0 0 0 年农业水资源供 需状况看，富锦市水资源利用不合理，所以相关管理部门要大力采取节水措施，加强水资源 管理，做到科学用水，计划用水，要根据本地的实际情况加强立法，制定切实有效的水法。 从未来发展看，由于松花江水系水量的逐年减少，三江平原灌区的用水危机极大，必须狠抓 节水和水资源管理尤，其是农作物布局结构的调整，使有限的水资源合理分配和利用以达到 水资源永续利用的目的。 基于以上几种的模型的建立，本论文实现了理论与实践的有机结合。同时本文将所建立 的模型用于水土资源的多元复杂性、非线性研究，取得满意结果，为解决当前某些实际问题 提供新技术，为水土资源系统研究提供了新思路。 关键词：水土资源：模糊神经网络；自适应模糊神经网络；减法聚类；预测：评价 a b s t m c t f u z z y n e u r a ln e t w o r ka n di t sa p pl i c a t i o n si nw a t e ra n d s o i lr e s o u r c e s a b s t r a c t t i m es e r i e so fw a t e ra n ds o i lr e s o u r c e si sa l w a y se f f e c t e db yt h ea s t r o n o m y , t h eg e o g r a p h y a n dt h ea r t i f i c i a la c t i v i t y , s ot h e r ea r ec h a r a c t e r i s t i c ss u c ha sh i g hd i m e n s i o n a l ，n o n l i n e a ra n d m e a s u r e dd a t aw i t hi n c o m p l e t ei n f o r m a t i o na n ds oo n ，b u tt h e r ei sp e r i o d i c i t ya n dt r e n d y s i m u l t a n e o u s l yo fm u l t i a n n u a lv a r i a t i o n 。i t i s v e r yd i 伍c u l tt o s o l v e t h e s ep r o b l e m sb yt h e c o n v e n t i o n a ll i n e a rm o d e l ，t h e r e f o r e ，t os o l v et h ec o m p l e xp r o b l e m si nt h ew a t e ra n ds o i lr e s o u r c e s ， s e v e r a lk i n d so ff u z z yn e u r a ln e t w o r km o d e l ( f n n ) i se s t a b l i s h e di nt h i sp a p e ra n dc a r r i e do nt h e p r o g r a m m i n gt h r o u g ht h em a t l a b 7 0s o f t w a r e ，e s t a b l i s h e dt h em a t h e m a t i c a lm o d e l ，a n du s e di n t h ep r a c t i c e ，t h er e s u l t sa r eg o o d t h ef o l l o w i n gr e s u l t so ft h r e ea s p e c t sa r em a d ei nt h i sp a p e r ： 1 f u z z yb pn e t w o r km o d e li se s t a b l i s h e dw h i c hi su s e di nt h em u l t i a n n u a lr a i n f a l lf o r e c a s to f b i e l a h o n gr i v e ra n dc u l t i v a t e ds o i la p p r a i s a lo f y o n g f ut o w nf u j i nc i t yi ns a n j i a n gp l a i n ( 1 ) t h el o c a lw a t e rr e s o u r c e sd e v e l o p m e n ta n du s ei se f f e c t e db yt h er a i n f a l lo fs a n j i a n gp l a i n ， a n dt h ed r o u g h ta n df l o o da n do t h e rn a t u r a ld i s a s t e r so c c u r r e n c e ，t h ed e v e l o p m e n ta n dt h ei n t e n s i t y i sa l s oc l o s e l yr e l a t e dt ot h er a i n f a l lo f s a n j i a n gp l a i n s o a c c u r a t er a i n f a l lf o r e c a s t si st h es c i e n t i f i c b a s i so f w a t e rr e s o u r c e sd e v e l o p m e n to fs a n j i a n gp l a i n ，a n dt h ee f f e c t i v ei n s t r u c t i o ni sp r o v i d e df o r t h ed i s a s t e rp r e v e n t i o n ，r e s i s tn a t u r a lc a l a m i t i e sa n dt h ed i s a s t e rr e l i e f ( 2 ) t h eg r a i np r o d u c t i o ni n c r e a s ei s e f f e c t e db ys o i l q u a l i t yc h a n g e t h es o i lq u a l i t y i s g r o w i n gw o r s e ，a f t e rs a n j i a n gp l a i nw a so p e n e du pw i t hb i ga r e a ，t h e r e f o r et h ed e t e r i o r a t i o ns o i l q u a l i t yo fs a n j i a n gp l a i nm u s tb et a k e ns e r i o u s l yb yt h er e l a t e dg o v e r n m e n t 2 e s t a b l i s h m e n tt h em o d e lo f a d a p t i v en e u r o f u z z yi n f e r e n c es y s t e m ( a n f i s ) o fp r e d i c t i o n g r o u n d w a t e ri nt h ec h u a n gy ef a r mi ns a nj i a n gp l a i n t h er e a s o nt h el e v e lo fg r o u n d w a t e ri ns a nj i a n gp l a i ni st h a tw e l li r r i g a t i o nr i c ei st h el e a d i n g i n d u s t r yi nt h i sa r e a ，s i m p l yt h ep u r s u i to ff o o dp r o d u c t i o n 。b l i n da n dd i s o r d e ri nd e v e l o p m e n ta n d u t i l i z a t i o no ft h eg r o u n d w a t e r i ft h ec u r r e n tm o d eo fd e v e l o p m e n tw i l lc o n t i n u e ，t h ea r e ao fw e l l i r r i g a t i o nr i c ew i l li n c r e a s ey e a rb yy e a r , t h ee x p l o i t a t i o no fg r o u n d w a t e rr e s o u r c e sw i l lc o n t i n u et o i n c r e a s e ，t h u st h ed y n a m i cb a l a n c eo fg r o u n d w a t e rs u p p l ya n dd e m a n di sb o u n dt ob ef u r t h e r d a m a g e d ，f o rt h el a t e r a ll e a k a g eo fr a i n f a l la n dr i v e r sa r o u n dt h e r ew a sn ot i m et or e c h a r g et h e g r o u n d w a t e r , a n dc a u s et h ed e c l i n ei nt h el e v e lo fg r o u r l d w a t e r t h e r e f o r e ，r e m i n dt h er e l e v a n t d e p a r t m e n tt ot a k ee f f e c t i v em e a s u r e s s u c ha sd i s t r i b u t ew e l l si nar a t i o n a lw a y , m a k ef u l lu s eo f s u r f a c ew a t e rr e s o u r c e s ，a n di n t r o d u c et h en e ww a t e r - s a v i n gi r r i g a t i o nm e a s u r e sa n ds oo n ，t o c o n t r o lt h ee x p l o i t a t i o no fg r o u n d w a t e rr e s o u r c e s ，a tt h es a l t l et i m et h ep l a n ta r e ao fw e l l i r r i g a t i o n r i c es h o u l da l s ob ea p p r o p r i a t e l yr e d u c e d ，a n dr e t u r n i n gf a m a l a n dt of o r e s t ，s ot h ed y n a m i cb a l a n c e i i l 东北农业大学工学硕士学位诠文 o fg r o u n d w a t e rc a ng r a d u a l l yr e s t o r e ，f m a l l ya c h i e v es u s t a i n a b l eu s eo fw a t e rr e s o u r c e s 3 b a s e do nt h ea d a p t i v en e u r o f u z z yi n f e r e n c es y s t e m ，t h ea g r i c u l t u r a lu t i l i z a t i o no fw a t e r r e s o u r c e se v a l u a t i o nm o d e li ns a n ji a n gp l a i nf u j i nc i t yw a se s t a b l i s h e d t h ec o n f l i c tb e t w e e ns u p p l ya n dd e m a n do fw a t e rr e s o u r c e si na g r i c u l t u r ei sg r o w i n gi n s a n j i a n gp l a i n f r o ma g r i c u l t u r a lw a t e rs u p p l ya n dd e m a n ds i t u a t i o ni ns a n j i a n gp l a i nf u j i nc i t yi n 2 0 0 0t os e e ，t h eu s eo fw a t e rr e s o u r c e si si r r a t i o n a l ，s ot h er e l e v a n ta d m i n i s t r a t i v ed e p a r t m e n t s s h o u l dv i g o r o u s l ya d o p tw a t e r s a v i n gm e a s u r e st os t r e n g t h e nt h em a n a g e m e n to fw a t e rr e s o u r c e s ， t ou s ew a t e rs c i e n c ea n dp l a n n e d ，a c c o r d i n gt ot h el o c a lc o n d i t i o n st os t r e n g t h e nl e g i s l a t i o n ， s p e e d i n gu pt h ed e v e l o p m e n to fe f f e c t i v ew a t e rl a w f r o mf u t u r ed e v e l o p m e n t ，b e c a u s eo ft h e p r o g r e s s i v ed e c l i n eo ft h es o n g h u ar i v e rw a t e r , t h es a n j i a n gp l a i ni r r i g a t i o nd i s t r i c tw a t e rc r i s i si s g r e a t w em u s tp a yc l o s ea t t e n t i o nt ow a t e r - s a v i n ga n dw a t e rr e s o u r c e sm a n a g e m e n t ，i np a r t i c u l a r t h er e s t r u c t u r i n go ft h ed i s t r i b u t i o no fc r o p st oe n s u r et h a tt h el i m i t e dr a t i o n a la l l o c a t i o na n du s eo f w a t e rr e s o u r c e st om e e tt h ep u r p o s eo fs u s t a i n a b l eu s eo fw a t e rr e s o u r c e s b a s e do nt h ea b o v e s e v e r a lm o d e l ，i nt h ep a p e r ，t h et h e o r ya n dp r a c t i c ea r eo r g a n i c a l l yc o m b i n e d a tt h es a m et i m e ， t h i sw i l lb et h em o d e lf o rt h em u l t 币l ec o m p l e x ，n o n l i n e a rs t u d yo ns o i la n dw a t e rr e s o u r c e sa n d o b t a i ns a t i s f a c t o r yr e s u l t s ，i no r d e rt os o l v es o l l l ep r a c t i c a lp r o b l e m sc u r r e n t l yp r o v i d en e w t e c h n o l o g i e sf o rs o i la n dw a t e rr e s o u r c e ss y s t e mp r o v i d e san e w i d e a k e yw o r d s ：w a t e ra n ds o i lr e s o u r c e s ；f u z z yn e u r a ln e t w o r k ；a d a p t i v en e u r o - f u z z yi n f e r e n c e s y s t e m ；s u b t r a c t i v ec l u s t e r i n g ；p r e d i c t i o n ；e v a l u a t i o n p o s t g r a d u a t e ：y a n gx i a n y e m a j o r ：s o i la n dw a t e ro fa g r i c u l t u r a le n g i n e e r i n g s u p e r v i s o r ：f uq i a n g i v 研究生学位论文独刨声明和使用授权 独创声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含未获得 ( 逵! 细遗直墓他盂要挂型直明的! 奎拦卫窒2 或其他教育机构的学位或证 书使用过的材料。与我- 同i i e 作的同志对本研究所做的任何贡献均己在论文中作 了明确的说明并表示谢意。 学位论文作者签名：裼钐日日期砂。霹r 月厂7 日学位论文作者签名：尹多钐叼日期砂。霹r 月7 7 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，学校有权保 留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。 本人授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以 采用影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位论文在解 密后适用本授权书) 学位论文作者签名：勿钐需了 导师签名： 日期：如萨厂月伪 日期如少年咿 绪论 1 绪论 1 1 研究目的及意义 水是生命之源，土是生存之本。水和土是人类赖以生存和发展的基本条件，是不可替代 的基础资源。对于水资源来说，地球上真正能被人类直接利用的，仅占全球水贮量的0 3 ， 而且当今世界水资源短缺，我国人均水资源拥有量仅占世界平均水平的1 4 左右，是世界水 资源极度缺乏的国家之一，水资源的匮乏已经制约了中国生态环境建设，影响了中国经济和 社会的可持续发展；而土地资源是人类生产活动最基本的自然资源和劳动对象。水土资源都 是有限的、难以再生的，因此，水土资源已成为重要的研究课题。 水土资源系统内部结构错综复杂，同时水土资源系统随时间演变的过程受到众多因素影 响，这些因素之间存在着复杂的关系，随着人类活动对水土资源系统影响的加深，使得因素 之间的关系更加复杂，因此对研究方法，也提出了更高的要求。 目前，各种人工智能方法已有了长足的发展，而且在各个领域也取得了广泛的应用。由 于任何一种智能方法单独实现都具有局限性，所以多种人工智能方法的结合就成为广大学者 研究的热点。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) 是一种由大量的简单处理单元所组成， 模拟人脑神经网络的结构和功能的非线性动力系统。它具有信息分布存贮和并行处理等特 点，还具有自组织、自学习的功能。利用其极强的非线性函数逼近能力，能对难以精确描述 的复杂非线性对象进行建模，从而实现对复杂非线性对象进行有效的控制或模拟。神经网络 在模式识别、图像处理、非线性建模、预报预测、组合优化和人工智能等方面得到十分广泛 的应用。所以将神经网络应用到水土资源上，具有重要的现实意义。 模糊( f u z z y ) 理论是在模拟人类思维具有模糊性的基础上创立的，它的出现使人们对现 象的不确定性理解有了更深的认识，并在模式识别、聚类分析、系统评价、人工智能及信息 处理等方面取得了显著成就。模糊现象和模糊概念在水土资源中大量存在，诸如江河的汛期 与非汛期，径流、洪水过程的典型与不典型等均属于模糊现象、模糊概念的范畴。因此，将 模糊系统理论应用到水土资源上，可以提高水土资源预测的可靠性和预测的精度。 鉴于神经网络和模糊系统理论的特点，将两者结合为模糊神经网络( f u z z yn e u r a l n e t w o r k ) 。由于模糊神经网络具有神经网络和模糊系统理论两种智能方法的特点，所以将其 用于水土资源中，为解决水土资源系统复杂性问题开辟新的研究途径与模式。 1 2 模糊神经网络的发展及研究现状 1 9 7 4 年，s c l e e 和e t l e e 在c y b e r n e t i c s 杂志上发表了“f u z z ys e t sa n dn e u r a ln e t w o r k s ”一 文，首次把模糊集和神经网络联系在一起；接着在1 9 7 5 年，他们又在m a t h b i o s c i 杂志上发表 了“f u z z yn e u r a ln e t w o r k s ”文，标志着对模糊神经网络研究的开始。 1 9 8 5 年，y a g e r 和k e l l e r 等人将模糊隶属函数引入到感知器学习算法中。1 9 8 7 年k o s k o 出版 东北农业大学工学硕士学位论文 了该领域的第一本专著神经网络与模糊系统，而且模糊数学的创始人z a d e h 和神经网络的 权威a n d e r s o n 分别为该书作了序言。在这本专著中他提出了模糊联想记忆、模糊认知图等重 要概念。随着研究的深入国际著名学术期刊纷纷出版专辑，如i e e e t r a n s a c t i o no i l n e u r a l n e t w o r k s ) ) 、( f u z z ys e t sa n ds y s t e m s ) ) 致使在国内外引起了很大的影响。真正的神经网络和 模糊理论相结合研究是在1 9 8 8 年美国国家宇航局( n a s a ) 召开主持的“神经网络与模糊系统” 的国际研讨会，此后，模糊神经网络的研究在美国、日本、法国、加拿大、新加坡等国蓬勃 发展起来。 1 9 9 0 年，t a k a g i 贝j j 发表了论述神经网络和模糊逻辑融合的早期综述性文章。1 9 9 2 年是模 糊神经网络研究的成果年，t y a m a k a w a 在原来的基础上又提出了新的模糊神经元，新的模糊 神经元的每个输入端不是具有单一的权系数，而是模糊权系数和实权系数串联的集合： k n a k a m u r a _ j f t l m t o k u n a g a 分别提出了与t y a m a k a w a 的新模糊神经元类同的模糊神经元： d n a u c k , r l r k r u s e 提出用单一模糊权系数的模糊神经元进行模糊控制及过程学习；t r e q u e n a 和m d e l g a d o 提出了具有实数权系数、模糊阀值和模糊输入的模糊神经元。1 9 9 4 年李晓忠、 汪培庄、罗承忠出版了我国在该领域的第一部专著模糊神经网络，还有知名教授刘增良 在这方面做了大量的工作，也出版了不少专著，特别是模糊技术与神经网络技术选编丛 书对我国模糊神经网络的研究影响很大。 在f n n 的研究过程中，许多专家和学者对其不断进行研究和改进，也取得一批可喜的成 果。 田民乐等( 1 9 9 8 ) 提出由多个模糊推理器和权重分配器构成的模糊神经网络，实现了多 重多维的推理功能并把局部网络的广泛连接变为简单的单一连接，简化了网络的结构。达飞 鹏等( 2 0 0 0 ) 将滑模控制和模糊神经网络有机结合提出了一种分散滑模自适应控制，用模糊 神经网络的输出代替滑模控制中的符号函数，从而消除了滑模控制中所固有的颤动现象，并 利用l i a p u n o v 稳定理论证明了闭环系统是稳定的且跟踪误差收敛到零的一个领域内。邹开其 ( 2 0 0 1 ) 在反馈混合模糊监测神经网络系统基础上，提出一个模糊逼近神经网络摄动系统。 刘普寅( 2 0 0 2 ) 建立了一种新的模糊神经网络模型，该模型在设计学习算法、逼近能力等方 面具有优越的性能。最后证明了相应的前向三层网络可以作为连续递增模糊函数的通用逼近 器。宗群等( 2 0 0 3 ) 提出了种基于遗传算法的模糊神经网络的电梯群控调度方法，即用遗 传算法对模糊神经网络隶属函数的参数进行学习，结果表明该方法能够适应各种交通流模式 的变化，实现了在各种交通模式下根据各种相应服务要求进行电梯合理调度的目标。王粉花 等( 2 0 0 4 ) 年设计了一种基于免疫算法( i a ) 的模糊神经网络板厚板形综合控制系统，用i a 算法优化具有全局性的隶属函数参数后，再用梯度下降法在线调节和优化网络的局部性参 数。在应用于二机架可逆冷连轧板厚板形综合控制中的仿真实验表明，该系统有较强的抗干 扰性和较好的收敛性。韩敏等( 2 0 0 5 ) 提出了一种改进的基于t - s 模型的模糊神经网络的结构 和算法。网络结构包括前件和后件网络二部分，在后件网络中增加了一个隐含层以提高计算 能力，在前件网络中运用了有效模糊规则选取的方法以提高收敛速度，仿真结果证明：该网 络能达到更高的误差精度、更快的训练速度和更好的泛化能力。壬玲玲等( 2 0 0 6 ) 将粗糙集 理论与模糊神经网络相结合，通过利用粗糙集理论中的约简的计算方法，从样本数据中获取 精简的规则，再根据这些规则构造模糊神经网络各层的神经元个数，克服了当输入维数高时， 2 绪论 模糊神经网络的结构过于庞大的缺点，从而使网络模型结构最简。并采用误差反向传播算法 ( b p 算法) 来训练该新型网络中的权值参数及隶属函数的中心值和宽度，仿真结果验证了该 模型的优越性。 1 3 论文研究的主要内容 从模糊神经网络在已有的自然科学各领域应用看，模糊神经网络具有很大的发展潜力， 因此本课题根据目前水土资源的基本状况，针对降雨、土壤质量、地下水和农业用水的资料， 运用模糊神经网络模型进行了预测和评价，其研究成果可为相关部门提供可靠的理论依据， 进而达到合理调配水土资源的目的，也为水土资源可持续发展提供一个新的理论思路。 本课题以实际数据资料为载体，以数学算法研究为关键，真正达到理论结合实践的目的， 主要内容安排如下： 第一章：绪论。分析了模糊神经网络的发展和研究现状，同时指出本论文的研究目的和 意义。 第二章：模糊神经网络概述。介绍了模糊理论的发展历程、数学基础、模糊关系、应用 领域和人工神经网络的发展历程、模型特点、模型的学习方法、模型分类、应用现状的基础 上，介绍了模糊神经网络的耦合方式、主要形式和在水土资源的应用现状。 第三章：基于b p 算法的模糊神经网络模型及应用。详细分析t b p 算法的原理，并用隶属 度函数与b p 算法进行耦合。首次应用在降雨量的预测和土壤的质量评价当中，取得了良好的 效果。 第四章：自适应模糊神经网络模型及其应用。结合实测资料建立了地下水预测的自适应 模糊神经网络模型，在这个基础之上将基于减法聚类的自适应模糊神经网络用在了水资源利 用状况评价上，结果表明方法都是可行的，同时也为解决水土资源的实际问题提供了新的方 法和思路。 第五章：结论与展望。总结概括了论文的研究内容，提出模糊神经网络在解决实际问题 中还存在的问题，并展望了模糊神经网络在水土资源中的应用研究。 本课题主要以黑龙江省三江平原为载体。借鉴该地区的实测数据，同时基于m a t l a b 7 0 建立模糊神经网络模型并运用于实践。三江平原位于黑龙江省东北部，东起乌苏里江，西接 汤旺河及牡丹江分水岭，南至大兴凯湖及绥芬河分水岭，北界黑龙江，包括黑龙江、松花江 与乌苏里江汇流的三角地带以及倭肯河与穆棱河流域和兴凯湖平原。南北长5 0 0 k m ，东西宽 4 3 0 k m ，全区总控制面积l o 8 8 锄2 ，其中山区面积为3 7 4 万k m z ，占总面积的3 4 4 ：丘陵 面积为o 9 4 万k m 2 ，占总面积的8 6 ；平原面积为6 2 万k m 2 ，占总面积的5 7 。该区西南 高东北低，除西部和西南部边界的小兴安岭、老爷岭、张广才岭和横亘中部的完达山为森林 覆盖的山区外，广阔的冲积平原与河流形成的阶地、河漫滩上广泛发育着沼泽和沼泽化草甸 区。内有佳木斯市等2 3 个市县和5 0 个国营农场，总人口8 5 2 0 万人，其中非农业人口4 4 8 3 万人，劳动力为1 6 5 4 万人；国民生产总值为5 0 6 亿元，其中第一产业为1 3 3 亿元，第二产 业为1 8 6 亿元，第三产业为1 8 7 亿元。 全区有两条山脉和三条大江。西北部的小兴安岭呈东北至西南走向，与黑龙江斜交，中 部的完达山呈西南至东北走向，横贯三江平原，与乌苏里江斜交。三条大江是黑龙江、乌苏 3 东北农业大学工学硕： 学位论文 里江国际界河和松花江内河。两条山脉，三条大江，自然形成了三江平原。 1 4 论文的基本技术路线 根据资料建立模型 l 降雨量预测的模糊b p 模型 土壤质量评价的模糊b p 模型 i；圈觳集舯 自适应模糊神经网络地下水预测模型 一jv h je y m 基于减法聚类的自适应模糊神经网络农业水评价模型 i 网络输出? 小满蒽 1满意 输出结果 l 结合实际，进行分析 图1 - 1 技术路线图 f i g 1 - 1t e c h n i q u el i n ef l o wc h a r t 1 5 本章小结 本章首先对本论文进行研究的目的和意义进行了阐述，并详细梳理了模糊神经网络的发 展和研究现状，之后介绍了本论文的主要研究内容及技术路线。 4 模糊神经网络概述 2 模糊神经网络概述 2 1 模糊理论 2 1 1 模糊理论的发展历程 1 9 6 5 年美国著名的控制论专家z a d e h 发表了奠基性论文“模糊集合论”，标志着模糊技术的 开始，此后，z a d e h 又分别于1 9 6 8 年、1 9 7 3 年发表了模糊算法和基于语言变量建立模糊逻辑 系统方法等具有开创性的研究论文。从此，该理论得到迅速的发展，在人工智能、模式识别、 自动控制和软科学决策领域中，得到了越来越多的成功应用。 1 9 7 4 年，英国的e h m a m d a n i 首先把模糊集理论用于锅炉和蒸汽机的控制，实用效果良 好，这一开拓性的试验工作标志着模糊控制论的诞生。 1 9 8 4 年国际模糊系统联合会成立，并于1 9 8 5 年召开了首届年会。8 0 年代后期日本采用模 糊控制技术在地铁、机车、机器人、过程控制、故障诊断、声音识别、图像处理、市场预测 等领域普遍应用，掀起了一股模糊热。8 0 年代以来信息科学技术飞速发展，网络化、智能化、 综合化成为时代的特征，为模糊理论的发展和应用提供了更广阔的需求，模糊理论在学术界 也得到普遍的认同和重视。1 9 9 2 年i e e e 召开了第一届关于模糊系统的国际会议 ( f u z z 一一i e e e ) 并决定以后每年举行一次。1 9 9 3 年i e e e 仓) j 办了专刊 i e e et r a n s a c t i o no n f u z z ys y s t e m s ) ) 。当前，模糊理论和应用正向深度和广度进一步发展，研究成果大量涌现， 已成为世界各国高科技竞争的重要领域之一。 2 1 2 模糊理论的数学基础 2 1 2 1 模糊集的定义 模糊集合理论被认为是经典集合论的扩展。经典集合理论的研究对象是具有明确边界的 集合，而模糊理论的研究对象是“模糊”集合，其边界是“灰色的”。 定义2 一l 设u 是论域，称映射 。? u 呻【o ，1 1 ， x i - - 心g ) 【d l 】 ( 2 - 1 ) 确定了一个u 上的模糊集彳。映射t 。称为一的隶属函数，。g ) 称为工对a 的隶属度， 它表示论域u 中的元素属于模糊集爿的程度。 设长方形内表示论域u ，虚线表示模糊集彳的模糊边界，模糊集的抽象表示为图2 一l 。由 定义可知论域u 上的模糊集a 完全由隶属函数。b ) 来表征。 图2 - 1 模糊集 f i g 2 if u z z ys e t s 5 东北农业大学工学硕十学位论文 ! 曼皇詈! 皇量曼! 詈曼毫皇詈! 皇! ! ! 詈鼍皇鼍! 曼i 一一毫i 皇詈鼍曼! 曼量詈曼詈! 曼! ! 皇! 詈鼍! ! ! 詈曼! 皇皇 由定义和图可知，砌b ) 可以在【0 ，1 】闭区间内连续取值。 2 1 2 2 模糊集的表示法 ( 1 ) 论域u 是有限集。u = k 、，x ：。j 。 ，u 上的任意模糊集a ，其隶属函数为 臼g ，= l ，2 ，疗) 。 1 ) z a d e h 表示法： 彳：型+ 剑+ + 剑 x i 工2工月 ( 2 2 ) 这里坐型不是分数，“+ ，也不表示求和，只有符号意义，它表示点x i 对模糊集a 的隶 x i 属度是爿k ) 。 2 ) 序偶表示法： a = ( x 1 ，彳g 。疆0 ：，彳b ：) l ，( 0 ，爿k ) ) ) ( 2 3 ) 3 ) 向量表示法： 彳= 0 “l 爿g ：1 彳k ) ) ( 2 - 4 ) ( 2 ) 论域u 是无限集此时u 上的模糊集一表示为： 彳：f 型型( 2 5 ) j 白石 这里的“f ”不是积分号，型型也不是分数。 一工 2 1 2 3 模糊集的基本运算 由于模糊集中没有点和集之间的绝对属于关系，所以其运算的定义只能以隶属函数间的 关系来确定。设a ，曰是同一论域上的两个模糊集合，隶属函数分别为。和。 ( 1 ) a 与b 的交 彳n 丑甘。8 ( ，) = g ) b g ) = m i n 。b l 口g ) ) ，v x e u ( 2 6 ) ( 2 ) a 与日的并 ( 3 ) 一的补 a w b 铮的。b ( ，) = 鳓g ) v 母g ) = m 戤缸。g ) ，砌c r ) ) v 石u ( 2 7 ) j 甘, u a g ) = 1 一。g l 帆u ( 2 8 ) 模糊集运算还包括环和、乘积、有界和、有界积等。 2 1 2 4 模糊集隶属函数的建立 模糊集合的隶属函数是经典集合特征函数的扩展和一般化，但却在模糊集和中占有很重 要的地位。隶属函数的确定实质上是人们对客观事物中介过渡的定性描述，这种描述本质上 是客观的。目前隶属度的计算还没有固定的公式，只有靠经验来确定。最常用的隶属函数为 三角形、梯形、正态型和钟型，但是每种隶属函数都有3 种：偏小型、偏大型和中间型，下 面介绍都以中间型为例。 6 模糊神经网络概述 ( 1 ) 三角形 隶属函数的解析式2 9 ：隶属函数曲线如图2 - 2 。 心g ) = ( 2 ) 梯形 隶属函数的解析式2 1 0 ：隶属函数曲线如图2 3 。 m ( x ) l 0 。g ) 一 0 j a 6 一a 1 d 一工 d c 0 b j 4 口 = 工 6 6 工 c c o ( 4 ) 钟型 隶属函数的解析式( 2 1 2 ) ：隶属函数曲线如图2 5 。 心。砑1 l + j = i 7 ( 2 1 1 ) ( 2 1 2 ) 东北农业大学工学硕上学位论文 汕( x ) 1 o ax m ( x ) l 0 cx 图2 4 正态型隶属函数图2 5 钟型隶属函数 f i g 2 - 4m e m b e r s h i pf u n c t i o no f n o r m a l f i g 2 5m e m b e r s h i pf u n c t i o no f b e l l 2 1 3 模糊关系 2 1 3 1 模糊关系的定义 模糊关系的定义： 与模糊子集是经典集合的推广一样，模糊关系是普通关系的推广。其定义为： 设论域，v ，称u x g 的一个模糊集r 为从【，到v 的模糊关系，其隶属函数为： 鳓j u x f t o ，i 】 g ，y ) l - - , 心g y ) = r ( 2 1 3 ) 称隶属度r 为g ，y ) 上的模糊关系。 对于有限论域c ，= k ，工：矗 矿= d 。，y ：，y 。 ，则u 到v 的模糊关系r 可用m x 阶模糊矩 阵表示，即： 露= h l 。 ( 2 1 4 ) 其中勺= 月k 叫yj 【d l 】 2 1 3 2 模糊关系的运算 由于模糊关系r 就是直积【，矿的一个模糊集，因此，模糊关系同样具有模糊集的运算。 设r ，r l ，r ：为u 到v 的模糊关系，则模糊关系的运算如下： ( 1 ) 相等： 墨= 恐曷b y ) = 岛g ，j ，)( 2 1 5 ) ( 2 ) 包含： r i r 2 马g ，y ) s 岛g ，j ，) ( 2 1 6 ) ( 3 ) 并： r iu r 2 铮羁g y ) v 恐g ，y )( 2 1 7 ) ( 4 ) 交： 局n 也铮r g ，y ) 心g j ，)( 2 1 8 ) ( 5 ) 补： 砸，y ) i _ 如_ y )( 2 1 9 ) 设有三个论域，y ，z ，r ，是石到y 的模糊关系，r ：是y 到z 的模糊关系，则r i 和r ， 的合成r 。r ：是x 到z 的一个模糊关系，其隶属函数为： c r - 。r 2 妇，y b 。v ，( r g y ) v r ：g ，y ” ( 2 2 0 ) 这里的v 代表取大，a 代表取小，a ：；k ：a 4 、法是模糊合成最常见的方法。 8 模糊神经网络概述 2 1 3 3 模糊化运算 将精确量转化为模糊量的过程称为模糊化。在模糊控制系统中，被观测数据往往是精确 值，而模糊控制中的操作是基于模糊集合理论的，因此必须先进行模糊化。模糊化方法主要 有以下2 种： ( 1 ) 精确量离散化 精确量的离散化是通过模糊集合的隶属函数将精确值模糊化的。对于论