188宝金博页面版

书 书杭艳红，杨　林．基于 ＧＡ－ＢＰ神经网络的耕地自然质量计算模型研究［Ｊ］．江苏农业科学，２０１７，４５（８）：１８３－１８６．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１７．０８．０５２基于 ＧＡ－ＢＰ神经网络的耕地自然质量计算模型研究杭艳红，杨　林（东北农业大学资源与环境学院，黑龙江哈尔滨 １５００３０）　　摘要：在常规耕地分等的方法中由于人为因素会干扰评价因子的权重及 ＢＰ神经网络模型自身优化过程中容易陷入局部极小值的情况，通过遗传算法全局搜索最优权值的能力对 ＢＰ神经网络进行优化，建立耕地自然质量计算的遗传算法优化的 ＢＰ神经网络模型（ＧＡ－ＢＰ网络模型）。以黑龙江省绥化市明水县进行实证研究，结果证明，ＧＡ－ＢＰ网络模型能有效地避免常规方法评价因子确定权重时的人为干扰，同时具有较高的优化效率及泛化能力，能够更加快速智能地计算耕地的自然质量分，从而确定耕地的自然等别，应用效果相对较好。　　关键词：耕地自然质量；遗传算法；ＢＰ神经网络　　中图分类号：Ｆ３２３．２１１　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１７）０８－０１８３－０４收稿日期：２０１６－１０－１４基金项目：国家自然科学基金（编号：４１５７１１６７）。作者简介：杭艳红（１９６９—），女，黑龙江阿城人，博士，副教授，研究方向为土地资源利用。Ｅ－ｍａｉｌ：１３９３６３９１９９４＠１６３．ｃｏｍ。　　耕地是土地中的精华 ［１］ 。中国是农业大国，“十分珍惜和合理利用每一寸土地，切实保护耕地”是我国的基本国策。耕地质量优劣直接决定我国农业发展水平，也是粮食产量的重要保障，耕地质量直接影响农业产业结构和耕地产出水平，耕地质量目前已愈发受到重视，要切实加强耕地质量的评价与监测，从而有效提升耕地内在质量 ［２］ 。实现“藏粮于地”已成我国对耕地质量保护与提升的重要目标。耕地红线不仅是数量上的，更是质量上的，要坚持数量与质量并重，为国家农业发展打下坚实基础。人多地少的国情使我国农业生产一直坚持高投入、高产出模式，耕地长期高强度、超负荷利用，造成质量状况堪忧、基础地力下降 ［３］ 。耕地质量评价是促进粮食和农业可持续发展的迫切需要和理论基础。了解和摸清土壤资源，开展耕地质量评价，是实现农业可持续发展、确保粮食安全的基础工作 ［４］ 。明水县作为黑龙江省主要的农业县，拥有丰富的耕地资源，耕地资源的质量对明水县粮食安全、农产品竞争力、农业结构战略性的调整起到了重要作用 ［５］ 。为了科学地研究耕地质量问题，许多专家在模型与方法上进行了深入研究。唐南奇等通过 ＢＰ神经网络模型和精度检测的方法，通过少量典型样本的训练和学习后，可简便、快捷地计算出大规模待定样本的分等综合指数；其泛化功效和精度检测也符合要求 ［６］ ；孔维娜认为人工神经网络模型评价方法同样能在耕地评价中达到较高的准确度 ［７］ ；员学峰建立陕西年耕地面积减少时间序列的预测模型，ＢＰ神经网络在对陕西的耕地资源年减少量进行预测时，精度较高、可靠性较好，表明 ＢＰ神经网络用于耕地减少的预报具有一定的可行性 ［８］ 。人工神经网络和遗传算法（ＧＡ）的结合应用取得了较多成果。迟宝明通过对比分析结果得出，基于遗传算法的 ＢＰ神经网络模型对地下水位进行的短期预测明显优于 ＢＰ神经网络模型，是一种比较理想的短期预测模型 ［９］ ；张保祥等利用神经网络和遗传算法对济南市市区地下水进行了预报研究，并对地下水位、最大开采量和泉排量进行了预测，效果良好 ［１０］ 。张学喜利用遗传算法和 ＢＰ神经网络可以建立边坡稳定性影响因素和边坡稳定性状态之间的非线性映射关系，利用这种映射关系可以评价边坡的稳定状态，而且评价结果具有较高的精度 ［１１］ 。而在土地评价方面，伍振军基于遥感和遗传 ＢＰ神经网络算法对流域土地覆盖／土地利用分类方法进行了研究，遗传算法优化的 ＢＰ神经网络可克服本身缺陷，能够快速提高土地分类的精度 ［１２］ 。综上得出，ＢＰ神经网络存在收敛速度过慢甚至不收敛、容易陷入局部极小值等缺陷。本研究以明水县为例建立了明水县耕地质量评价的体系，利用遗传算法改进的 ＢＰ人工神经网络对明水县的耕地质量进行更加科学的评价，这些成果为全面提高明水县的农业生产水平，实现耕地质量计算机的动态监管，适时为明水县各个耕地管理单元的耕地质量状况和调节提高的措施提供了基础数据管理平台和数据。在目前农用地分等应用中，耕地质量分等大部分采用相对成熟的《农用地分等规程》中的方法，引入智能化、信息化技术研究耕地自然质量计算的方法相对较少。将遗传算法与 ＢＰ神经网络有机结合，可实现优势互补，从而达到提高 ＢＰ神经网络模型整体性能的目的。１。拢猩窬绲墓菇ǎ拢猩窬绲氖抵适乔笕≌鐾缱芪蟛詈钚≈档奈侍，具体采用最速下降法按照误差函数的负梯度方向进行权系数修正 ［１３］ 。ＢＰ神经网络具有很强的非线性拟合能力，同时拥有学习规则简单、计算机上容易实现等优点。在ＢＰ神经网络中，样本数据从输入层经过隐含层逐层向后传播，训练网络权值则沿着减少误差的方向传递，从输出层经过中间各层逐层向前修正神经网络的连接权值。随着样本训练的不断进行，最终误差逐渐减小。３层的 ＢＰ神经网络已经具有优秀的对连续映射的逼近能力，完全可以满足耕地自然质量评价的计算要求。１．１　网络结构的确定利用 ＢＰ神经网络可以建立 １个包括输入层、隐含层、输— ３ ８ １ — 江苏农业科学。玻埃保纺甑 ４５卷第 ８期网络出版时间：2017-05-03 15:49:02网络出版地址：http://kns.cnki.net/kcms/detail/32.1214.S.20170503.1549.083.html