BP神经网络模型在辽西农业灌溉用水预测中的应用分析

方　旭，徐　琳

(辽宁泽龙水利实业有限责任公司，辽宁 沈阳 110000)

BP神经网络模型在辽西农业灌溉用水预测中的应用分析

方旭，徐琳

(辽宁泽龙水利实业有限责任公司，辽宁 沈阳 110000)

[摘要]为对辽宁西部地区的农业灌溉用水进行预测，以辽西锦州市为实例，采用BP神经网络模型预测锦州市2001-2014年农业灌溉用水量，并和实测的农业灌溉数据进行对比分析预测精度。研究结果表明：BP神经网络模型适用性于辽西地区的农业灌溉用水预测，模型预测灌溉用水量和实测记录灌溉水量之间相对误差在1.8%-5.5%，满足农业灌溉用水预测规范精度要求。研究成果对于辽宁其他地区农业灌溉用水预测提供参考价值。

[关键词]BP神经网络模型；农业灌溉用水预测；模型适用性分析；辽宁西部地区

水资源是当前社会非常宝贵的资源，在目前水资源需求日益加剧的大背景下，水资源的合理配置对于区域水资源保护和规划至关重要。我国作为农业大国，农业灌溉用水的合理配置也是区域水资源合理配置的重点配置内容，对于农业灌溉需水的准确预测则是灌溉用水合理配置的关键，为此，国内许多科学家针对农业灌溉用水预测方法展开大量研究工作，并取得一定的研究成果[1-8]。在这些研究方法中，BP神经网络模型由于具有预测范围广且对于长短期灌溉用水预测都具有适用性的特点，在我国许多区域都进行过研究和运用，研究成果均表明BP神经网络模型对于农业灌溉用水预测具有极好的预测精度，适合于区域的农业灌溉用水预测，而BP神经网络模型在辽宁西部地区的农业灌溉用水预测研究较少，而辽宁西部地区由于特殊的气候和地理位置，使得这些区域水资源相对短缺，而基本上都是主要以农业为主的区域，农村灌溉需水量较大，对于水资源短缺的区域，农业灌溉用水预测合理性对于区域水资源配置至关重要。为次，本文引入BP神经网络模型，以辽宁西部地区锦州市为实例，对锦州市2001-2014年农业灌溉水量进行预测，并结合区域实测记录灌溉数据，对比分析BP神经网络模型在辽宁西部地区的适用性和预测精度。研究成果对于辽宁其他地区以及北方地区农业灌溉用水预测提供参考价值。

1模型的构建

影响区域灌溉需水的主要因素有区域降水量，区域蒸发量、区域平均气温以及区域的灌溉面积。BP神经网络模型输入的神经单元的个数即为对变量影响的因素的个数，本文主要考虑区域降水量，区域蒸发量、区域平均气温以及区域的灌溉面积这4个主要要素，因此模型输入为4维的向量。BP神经网络模型的目标向量设定为锦州市的灌溉用水量，即模型的输出变量为一维的向量。BP神经网络模型的具体原理，由于文章篇幅原因，可详见参考文献[9]。

2模型应用分析

以锦州市为例，该研究区位于辽宁西部地区，区域属于暖湿带季风气候，流域多年平均降水天数为70～80 d，区域多年平均气温为6℃～11℃，多年平均降水量为550～660 mm, 区域多年平均地表水为6.8亿 m3，区域多年平均水资源总量为11.98亿 m3，属于水资源相对短缺的区域。区域多年平均用水总量为8.5亿 m3，其中农业灌溉用水量5.7亿 m3，占总用水量的67%，占据总水量比重较大，为此，对于水资源供需矛盾日益紧张的趋势下，锦州地区水资源合理配置对于区域水资源保护和水资源可持续发展至关重要，而对于锦州地区农业灌溉用水预测的合理性是有效配置的关键，因此本文引入BP神经网络模型对锦州地区农业灌溉用水进行预测，分析该方法的预测精度。

采用BP神经网络模型对锦州地区2001-2014年农业灌溉用水量进行了预测，并结合锦州地区实测记录2001-2014年的农业灌溉用水数据对比分析预测精度，对比分析成果见表1和图1。

图1　预测值和实测值对比图

为运用BP神经网络模型预测的辽西地区锦州市2001-2014年灌溉用水预测结果及与实测灌溉数据对比分析结果，可以看出，BP神经网络模型在辽西地区灌溉用水预测具有较好的精度，预测的灌溉用水量和实测记录灌溉水量数据之间的相对误差均小于6%，相对误差在1.49%-5.77%之间，满足区域灌溉用水预测的精度规范要求，规范要求预测的灌溉水量和实测记录灌溉水量之间的相对误差应在10%以内。可见，BP神经网络模型适用于辽西地区的灌溉用水预测，预测精度较好。图1为预测的灌溉水量和实测记录灌溉水量过程对比结果图，从图1中可以看出，从2001年-2014年，BP神经网络模型预测的灌溉水量和实测记录的灌溉水量在过程均较为吻合。综上，BP神经网络模型适合于辽西地区的灌溉用水预测，可用于区域灌溉用水量的预测。

表1　锦州市2001-2014年农业灌溉用水预测对比结果

3结语

本文采用BP神经网络模型预测了辽西地区锦州市2001-2014年灌溉用水量，并和实测的区域灌溉水量进行对比分析模型的预测精度和适用性，研究结论为BP神经网络模型在辽西地区的农业灌溉用水预测具有较好的精度，模型预测的各年份灌溉水量和实测的灌溉水量之间的相对误差均小于6%，满足区域农业灌溉用水预测相对误差应小于10%的规范要求，BP神经网络模型适用性辽西地区农业灌溉用水量的预测。

参考文献

[1]赵敬瑛,王恂,赵柳.大洼县县城供需水量预测[J]. 地下水.2014,04:131+146.

[2]杨建宏. 水资源动态配置支持系统研究与应用[J]. 地下水.2013,04:120-123.

[3]万玉文,苏超,方崇. 灰色预测模型在广西达开水库灌区农业灌溉用水管理中的应用[J]. 节水灌溉.2012,09:58-60+66.

[4]高海菊. 基于人工神经网络的灌区灌溉预报模型[D].河海大学.2006.

[5]刘玉金. 基于主成分分析与多元线性回归分析的灌溉水利用效率影响因素分析[D].内蒙古农业大学.2014.

[6]唐延芳. 灌溉用水量预测方法的研究[D].沈阳农业大学.2007.

[7]颜婷莉. 大区域灌溉需水量计算与预测研究[D].河海大学.2007.

[8]邵东国,郭元裕,沈佩君. 区域农业灌溉用水量长期预报模型研究[J]. 灌溉排水.1998,03:28-33.

[9]张丹. 基于BP人工神经网络的水稻需水量预测及灌区灌溉制度研究[D].沈阳农业大学.2007.

[收稿日期]2015-11-12

[作者简介]方旭(1987-)，男，辽宁抚顺人， 助理工程师，主要从事水利方面工作。

[中图分类号]S274.3

[文献标识码]B

[文章编号]1004-1184(2016)03-0113-02