马俊青 苗兴乐
摘 要 在面对地域面积大且地势起伏大的农田时，传统的农田节水灌溉技术无法从根本上解决水资源浪费的情况，因此提出基于支持向量机（Support Vector Machine，SVM）算法的农田节水灌溉路径自动规划方法。通过构建农田节水灌溉路径的模型获取农田节水灌溉方案，利用SVM算法对农田节水灌溉最优路径进行自动规划。结果表明，SVM算法自动规划出的路径用水总量为994.42 m3·hm-2，而按照人工所规划出的路径用水总量为1 368.42 m3·hm-2，在同样时间内可以更有效地对农田进行节水灌溉，可见此次基于SVM算法自动规划的农田节水灌溉路径是有效果的。
关键词 农田;节水灌溉路径;SVM算法;规划方法
中图分类号：S274.2 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2022.09.045
收稿日期：2022-02-11
作者简介：马俊青（1977—），女，内蒙古包头人，本科，工程师，主要从事农田水利工程建设与管理。E-mail：347589556@qq.com。
农业作为我国第一产业，是发展国民经济的基础。在水资源匮乏和分布不均等情况下，通过技术手段可以提高农田粮食产量，同时减少水资源的过度消耗。结合我国当前情况，需要大力开展节水灌溉技术的推广应用，并合理规划出节水灌溉路径方法。
支持向量机（Support Vector Machine，SVM）算法是利用分类和总结来分析系统数据的监督学习模型和算法，是当今时代一种新型的机器学习算法，可以用最少的风险结构代替传统的人工经验产生的风险。支持向量机是一类可用于分类和回归的有监督机器学习模型，通过最优化算法得到所有解答中的最优方案，可以解决在传统网络中没有办法避开的局部问题[1]。因此，通过SVM算法构建农田节水灌溉的基础模型，可以选择出最优的节水灌溉路径。
1 基于SVM算法的农田节水灌溉路径自动规划方法
1.1 构建农田节水灌溉模型
建立节水灌溉模型是为了使农田的节水灌溉系统可以更好地实现监督和预测功能，而节水灌溉模型包含数据输入与预测数据输出两个层面。
1.1.1 数据输入
数据输入主要包括影响农田节水灌溉的因素，分别是环境因素、土壤因素和农作物自身因素。因此需要对影响节水灌溉的因素进行研究和分析，更加准确地预测出农田可以达到节水目标的灌溉量。
1）环境因素方面，主要是受农作物灌溉需要的用水量影响，特别是会体现在农田的蒸发水量W0上，其计算过程如下：
[W0=0.408ΔFX-Tα900S+273i3R0-RnΔ+α1+0.34i3] （1）
（1）式中：FX是农田内净化后的辐射数量，单位为MJ·m-2·d-1;T是农田区域土壤的密集度，单位为mg·m-3;S、i3分别是距离地面3 m检测到的平均气温与风速，单位分别为℃、m·s-1;R0、Rn分别是农田种植地面的饱和压力和实际压力值，单位为MPa;Δ是农田蒸发曲线的斜率;α是农田区域实际检测到的常量数值。
2）土壤因素方面，构建节水灌溉模型之初要考虑土壤中可以渗入的水量。在正常降雨和灌溉的情况下，土壤中水量的渗入值计算方法为：
[TU=QZ0+P+DD] （2）
（2）式中：TU是土壤中水量的渗入值，单位为mm·min-1;Q是水分的传导量，单位为m·d-1;D是渗入水的总深度，单位为m;P是土壤的吸水量，单位为%。
3）农作物自身因素方面，主要由水分蒸发量和土壤可以保持的湿度所决定。
1.1.2 预测数据输出
预测数据输出是根据所得数据输入构建的模型中所得到的可供参考的数据[2]。使用上述的模型进行计算，可以获得所需的节水灌溉相关数据。
1.2 获取节水灌溉方案
节水灌溉模型所得到的各项指标大部分是积极正向的，如收益率、灌水平均量、节水量等，这些指標的数值越大越有利;也有一小部分是负面的，如土壤蒸发量、水分流失量、平均耗水量等，负面的指标数值需越小越好。因此在获取节水灌溉方案时，需要优先处理掉负面的或不能够正常使用的数据。对所得到的数据指标进行处理，通过系统整理变换之后，可以使指标都趋于正向。具体需要采用数据指标转换的方法，计算公式是：
[C00=Cmax+Cmin-C0] （3）
（3）式中：C00是处理后的数据值;Cmax是数据指数的最大数值;Cmin是数据指数的最小数值;C0是原始数据值。
式（3）所得到的数据就是正常构建模型所得到的数据[1e，ii=1-n]，另外需要形成以[ββ1，β2，…，βn]为基础的一组数据值k（e），计算公式是：
[ke=i=1nβile，i] （e≥1） （4）
（4）式中：β为单位数据下的长度;l为单位数据离散度。
根据[kee=1-n]进行分类，如式（5）：
[Pβ=Y0H0] （5）
（5）式中：Y0是数据值k（e）的标准差;H0是数据值k（e）的分类值。
局部的范围值可能重合在一起或者极其相近，所以将得到的分类值P（β）代入式（4）即可得到最终节水灌溉方案的数据值k（e），并且是按照从大到小、从优到劣的顺序进行排列的[3]。
1.3 SVM算法自动规划最优路径
SVM算法参考数值的选择通常为举例的方法、智能优化的方法和进行网络搜索，其中最常用的就是使用网络搜索来接收数据。该方法可以将误差数值A和核函数参考数值B分别取X个和Y个数值，用X×Y个（A，B）组合分别进行分析，并选择精准度最高的一组作为最优参考数值。
假设上述SVM算法分类管理器最佳的误差数值和核函数参考数值分别为ASVM和BSVM，将数值在网络搜索的基础上转化成相应的坐标，即：
[XSVM=PLASVMYSVM=PLBSVM] （6）
（6）式中：P为参数自变量，L为自变量更新函数取值时的值。
由式（6）可知，管理器的数据参考范围为[X∈XSVM-2，XSVM+2]，[Y∈YSVM-2，YSVM+2]。可知，X、Y是在网络搜索的基础上转化成的坐标，当数据长度为1时，数据分别在5个值的范围内，因此最优的参考数值是从其中获得。基于网络搜索的区域内，在原始数据的样本基础上再采用最佳SVM分类管理器对数据进行分类及择优，从而得到最精确的数据范围[4]。
当数据经过SVM算法计算过后，可能会存在某类不在正常规定范围内的数据，所以需要在上述计算之后，再增加特殊的计算步骤。增加的算法步骤在使用过程中对大多数类和少数类分别使用不同的惩罚数值，通过对错误的少数样本数据增加惩罚，从而改善SVM分类管理器的输出结果。
2 应用的实验测试
2.1 准备工作
选择农作物的品质和产量都较好的农田作为实验的数据样本，标记农田的地理坐标进行模拟测试，农田地理相对位置的坐标为（1.36，3.82），（5.98，4.66），（7.65，5.47），（5.09，4.82），（3.28，0.59），（6.19，6.81），（8.64，2.55），将对应的（x，y）坐标分别标记为a、b、c、d、e、f和g。
按照坐标顺序正常进行灌溉的路径（a到g）称为区域A，如图1所示，而采用SVM算法进行自动规划出的路径称为区域B，如图2所示。并将区域A与区域B用正常方法进行灌溉，测试两个灌溉路径的节水效果[5]。
2.2 数据监测及反馈结果
在相同时间内，将区域A按照正常坐标路径进行灌溉，区域B则采用SVM算法计算后自动得到的最优路径进行灌溉，根据灌溉数据监测结果查看两个区域内使用水量的情况。为了保证测试的结果更加具有准确性与真实性，共进行15次实验，结果列于表1。
从表1可以看出，按照正常坐标路径进行灌溉的用水量基本维持在85～95 m3·hm-2，采用SVM算法计算后自动得到的最优路径进行灌溉的用水量可保持在63～69 m3·hm-2，用水量明显减少。通过上述测试出的用水量可知，区域A总用水量为1 368.42 m3·hm-2，平均用水量为91.228 m3·hm-2;而计算所得出的最优路线的用水总量为994.42 m3·hm-2，平均用水量则为66.295 m3·hm-2。上述测试表明，采用SVM算法规划出的农田节水灌溉路线比正常情况下的灌溉路径更加节约水资源。
3 结语
此次規划路径的方法是在我国当前节水灌溉技术的基础上，更加合理地自动规划出一条适合农田地理环境的节水灌溉路径，为更多无法用人工规划路径的区域提供了更加完整的数据基础。但只依赖上述的SVM算法规划路径无法应用于面积庞大、地势高低差距大的区域，容易出现误差，从而影响后续规划的路径。今后可以在此算法的基础上进行优化升级，添加适合面积较大区域的算法模型，将误差控制在最小的范围内，规划出更加准确的农田节水灌溉路径。
参考文献：
[1] 石会琴.农田灌溉管理存在的问题及对策[J].农业科技与信息，2021（23）：103-104.
[2] 李学军，程红.基于LSTM算法的智能节水灌溉预测模型研究[J].农机化研究，2022，44（3）：22-27.
[3] 刘宇.基于网络路由算法的智能灌溉系统研究[J].农机化研究，2022，44（8）：215-219.
[4] 王龙强.基于PSO-SVM的来水量预测模型[J].水科学与工程技术，2020（1）：14-16.
[5] 许伟栋，赵忠盖.基于PCA-SVM算法的马铃薯形状分选[J].控制工程，2020，27（2）：246-253.
（责任编辑：张春雨 丁志祥）
猜你喜欢 农田 环境监测取样在农田土壤中的运用分析农业灾害研究(2022年1期)2022-05-07达尔顿老伯的农田小猕猴智力画刊(2022年3期)2022-03-28致敬爱的祖母散文诗世界(2022年1期)2022-01-13余欣荣：加快理顺农田建设工作体制机制集中力量推进高标准农田建设农民致富之友(2018年23期)2018-12-19加快理顺农田建设工作体制机制集中力量推进高标准农田建设乡村科技(2018年31期)2018-10-21汪岗镇三万亩农田改造工程启动东坡赤壁诗词(2018年1期)2018-03-31回乡所见东坡赤壁诗词(2018年1期)2018-03-31古代器具灌农田科学启蒙(2017年4期)2017-04-10黑板像农田红蜻蜓(2017年2期)2017-03-29野火烧不尽小学教学研究·新小读者(2015年10期)2015-12-05 相关热词搜索： 农田 算法 路径