農產業(yè)SOM網絡構造

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了農產業(yè)SOM網絡構造范文，希望能給你帶來靈感和參考，敬請閱讀。

1som網絡基本原理和結構

SOM網絡，也稱kohonen網絡，由芬蘭學者Kohonen［1］于1981年提出，其認為處于空間中不同區(qū)域的神經元有不同的分工，當一個神經網絡接受外界輸入模式時，將會分為不同的反應區(qū)域，各區(qū)域對輸入模式具有不同的響應特征［2］。SOM網絡被廣泛地應用于分類聚類、語音識別、數據分析和預測等多個領域。

1．1網絡結構SOM網絡由輸入層和輸出層組成，其中輸入層模擬感知外界輸入信息的視網膜，輸出層(競爭層)模擬作出響應的大腦皮層。樣本從輸入層進入網絡內部;輸出層上神經元之間相互競爭，使得若干神經元活躍，并最終成為獲勝結點。神經元的排列形式一般有一維陣列和二維陣列2種，其中二維陣列(圖1)應用最為廣泛。

1．2學習過程SOM網絡的學習過程是一個尋找最優(yōu)權值的過程:網絡中有多個神經元分布，其權值用來模擬人腦的記憶單元，計算每個神經元權值與輸入樣本的歐式距離，距離最小的神經元為獲勝神經元，獲勝的神經元及其鄰域內的神經元采用一定的規(guī)則在訓練中逐步調整權值，直到得到一個較好的權值分布。最終可使網絡的某些節(jié)點成為對特定模式類敏感的神經細胞，從而形成能夠反映樣本模式類分布情況的有序特征圖。

2基于SOM網絡的農業(yè)產業(yè)結構研究模型

2．1農業(yè)產業(yè)結構由于我國氣候、降水、土壤、地形等自然條件差異較大，農業(yè)類型呈多樣化形式，其分布具有較強的地域性。如青海省獨特的地理環(huán)境及其資源條件，客觀上決定了其地表資源利用的主體方式是農牧業(yè)［3］。全面了解各地區(qū)的農業(yè)產業(yè)結構，分析各地區(qū)農業(yè)的優(yōu)勢和劣勢，有利于農業(yè)的發(fā)展和相關政策的制定。農業(yè)產業(yè)結構也稱為農業(yè)生產結構，是一定地域的農業(yè)其各產業(yè)部門的組成和構成比例。是農業(yè)生產力合理組合和開發(fā)利用方面的基本問題，影響著農業(yè)資源是否能合理應用。通常可以分為3個層次:一是生產結構，表現為不同生產部門之間的比例;二是產品結構，表現為同一生產部門中不同產品之間的結構;三是品種結構，主要表現為某一產品中不同品種之間的比例。

2．2SOM農業(yè)產業(yè)模型網絡分為2層，輸入層上將產業(yè)結構數據作為樣本輸入值，維數為4，競爭層采用二維陣列，節(jié)點數為5×5。對網絡進行權值初始化操作，通常設置為(0，1)的隨機數，建立獲勝領域初始值Nj(0)，確定學習速率的初始值η(0)(0＜η(0)＜1)和學習次數T。再對樣本進行如下運算:①計算Xpi與ωji之間的歐氏距離，尋找獲勝節(jié)點，找出歐式距離最小的獲勝節(jié)點;②定義優(yōu)勝領域Nj(t)，通常初始領域Nj(0)較大，在訓練過程中Nj(t)隨訓練時間逐漸收縮;定義學習率η(t)，通常η(t)隨著時間增大而減小;③修改權值，對優(yōu)勝領域Nj(t)內的所有節(jié)點按照規(guī)則進行權值調整，ωji(t+1)=ωji(t)+η(t)(Xpi－ωji(t))i=1，2，…，n，j∈Nj(t);④選取下一個樣本進入網絡的輸入層，返回步驟①，直到所有樣本學習完畢;⑤t=t+1，返回步驟②，直至t=T為止。

3實例應用

選取生產結構為研究點，對我國31個省、市、區(qū)的農業(yè)內部結構作聚類研究，各地區(qū)農業(yè)中種植業(yè)、漁業(yè)、畜牧業(yè)和林業(yè)所占的比重如表1所示。SOM網絡是一種自組織網絡，能夠根據樣本的固有特征自動聚類，將31個地區(qū)的產業(yè)結構數據作為樣本輸入值，得到31個地區(qū)的農業(yè)產業(yè)結構分布，聚類結果分為4類，如表2所示。通過試驗可以得出，第一類代表的是以種植業(yè)和漁業(yè)為主的地區(qū);第二類代表了種植業(yè)占明顯優(yōu)勢的地區(qū);第三類代表了種植業(yè)稍占優(yōu)勢且畜牧業(yè)發(fā)展良好的地區(qū);第四類地區(qū)是以種植業(yè)為主，畜牧業(yè)和漁業(yè)為輔的結構。

4結語

SOM算法是一種無導師學習方法，其網絡具有良好的自組織性，能夠挖掘數據之間的關聯(lián)并自動進行聚類。試驗表明，引用SOM網絡對全國農業(yè)產業(yè)結構的聚類分析是有效的，可以為后期的農業(yè)規(guī)劃提供數據依據。