基于BP神經(jīng)網(wǎng)絡(luò)的智慧農(nóng)業(yè)云服務(wù)平臺(tái)設(shè)計(jì)

褚 喆

（河南測(cè)繪職業(yè)學(xué)院，河南 鄭州 450015）

隨著互聯(lián)網(wǎng)與物聯(lián)網(wǎng)的不斷發(fā)展，很多網(wǎng)絡(luò)應(yīng)用開(kāi)始提供云服務(wù)平臺(tái)。目前的云服務(wù)平臺(tái)劃分為三大類(lèi)：以信息儲(chǔ)存為主的數(shù)據(jù)型云服務(wù)系統(tǒng)、以信息處理為主的運(yùn)算型云服務(wù)系統(tǒng)、運(yùn)算和信息儲(chǔ)存處理兼顧的復(fù)合型云服務(wù)系統(tǒng)。3種平臺(tái)均能夠準(zhǔn)確識(shí)別出不同信息源頭的數(shù)據(jù)，并將采集到的信息整合到統(tǒng)一模式下。智能農(nóng)業(yè)云服務(wù)平臺(tái)是以云計(jì)算商業(yè)模式的應(yīng)用方式（虛擬化、分布式存儲(chǔ)和計(jì)算）為主要支持手段，對(duì)大量的農(nóng)用信息系統(tǒng)服務(wù)實(shí)現(xiàn)統(tǒng)一描述和部署異構(gòu)分散，解決由成千上萬(wàn)農(nóng)用系統(tǒng)服務(wù)發(fā)出的數(shù)萬(wàn)并發(fā)請(qǐng)求，可以解決由大量的農(nóng)用信息系統(tǒng)服務(wù)對(duì)計(jì)算、儲(chǔ)存的安全性和擴(kuò)展性需求?？蛻?hù)可以根據(jù)不同需求來(lái)配置或定制其需求的農(nóng)信產(chǎn)品，實(shí)現(xiàn)多渠道、廣覆蓋、低成本、多樣化的農(nóng)產(chǎn)品信息服務(wù)。通過(guò)對(duì)軟件硬件資源的有效集成和動(dòng)態(tài)分配，達(dá)到信息資源最大化和服務(wù)價(jià)值最大化，減少對(duì)業(yè)務(wù)初期的投資、運(yùn)行投入[1]。

農(nóng)業(yè)云服務(wù)系統(tǒng)是一個(gè)專(zhuān)門(mén)的、全方位的大數(shù)據(jù)分析應(yīng)用服務(wù)云平臺(tái)，能夠?qū)Ｗ⒂谥С洲r(nóng)業(yè)領(lǐng)域的數(shù)據(jù)分析研究，同時(shí)集成多渠道的農(nóng)村數(shù)據(jù)分析，以專(zhuān)業(yè)數(shù)據(jù)分析為導(dǎo)向，面向有關(guān)人士提供數(shù)據(jù)檢索、在線數(shù)據(jù)分析、數(shù)據(jù)共享交換等服務(wù)的知識(shí)開(kāi)放平臺(tái)。為此，設(shè)計(jì)基于BP 神經(jīng)網(wǎng)絡(luò)的智慧農(nóng)業(yè)云服務(wù)平臺(tái)。

1 智慧農(nóng)業(yè)云服務(wù)平臺(tái)總體架構(gòu)

本次所研究的智慧農(nóng)業(yè)云服務(wù)平臺(tái)，可為農(nóng)戶(hù)提供農(nóng)村電商、移動(dòng)支付、智能化社區(qū)建設(shè)等服務(wù)，其主要包括農(nóng)村信息服務(wù)門(mén)戶(hù)網(wǎng)站訪問(wèn)量、農(nóng)村公共服務(wù)平臺(tái)數(shù)據(jù)、農(nóng)村電子商務(wù)服務(wù)平臺(tái)數(shù)據(jù)等。采用多種技術(shù)相互結(jié)合的方式實(shí)現(xiàn)平臺(tái)系統(tǒng)中的動(dòng)態(tài)交互，所使用的技術(shù)主要為PHP、JavaScript、HTML、CSS 等。通過(guò)不同技術(shù)之間的相互結(jié)合，共同承擔(dān)平臺(tái)系統(tǒng)中交互與處理的功能，而對(duì)于介質(zhì)庫(kù)的管理與訪問(wèn)則可以使用PDO的方式來(lái)完成，將這些技術(shù)相互結(jié)合后構(gòu)建一個(gè)完整且穩(wěn)定的智慧農(nóng)業(yè)云服務(wù)平臺(tái)。主要包括：①用戶(hù)層。用戶(hù)層位于整個(gè)平臺(tái)模型的最上層，是距離客戶(hù)最近的一個(gè)層級(jí)，由HTML 元素組合而成，用戶(hù)所得到的農(nóng)業(yè)信息均在該層級(jí)內(nèi)完成，是客戶(hù)輸入信息的主要窗口。②應(yīng)用層。主要承擔(dān)業(yè)務(wù)邏輯與對(duì)象請(qǐng)求等核心功能，位于用戶(hù)層與數(shù)據(jù)層的中間，起著承接的作用。③數(shù)據(jù)層。作為平臺(tái)系統(tǒng)中的直接數(shù)據(jù)庫(kù)，平臺(tái)系統(tǒng)所涉及的數(shù)據(jù)信息添加、修改等操作都是通過(guò)該層來(lái)實(shí)現(xiàn)[2]。系統(tǒng)總體架構(gòu)具體見(jiàn)圖1。

圖1 系統(tǒng)總體架構(gòu)Fig.1 Overall system architecture

2 智慧農(nóng)業(yè)云服務(wù)平臺(tái)軟件設(shè)計(jì)

2.1 設(shè)計(jì)農(nóng)業(yè)信息采集模塊

在設(shè)計(jì)農(nóng)業(yè)信息采集模塊時(shí)，需要先將原始數(shù)據(jù)信息進(jìn)行初始化，即將連續(xù)的特征狀態(tài)轉(zhuǎn)變?yōu)殡x散的特征狀態(tài)。對(duì)特征屬性由大到小排序；初始的2 個(gè)斷點(diǎn)之間構(gòu)成一個(gè)新的區(qū)間；根據(jù)確定的離散狀態(tài)特征進(jìn)行斷點(diǎn)區(qū)間的衡量，從而可以更加合理地對(duì)其進(jìn)行選擇或者分割；按照一定的算法對(duì)數(shù)據(jù)進(jìn)行控制，以此防止數(shù)據(jù)信息的丟失。在實(shí)際離散的過(guò)程中，可能也會(huì)存在調(diào)整其中薄弱環(huán)節(jié)的情況發(fā)生，但選擇的標(biāo)準(zhǔn)是無(wú)法進(jìn)行更改的。以D-S 證據(jù)理論算法為基礎(chǔ)，在農(nóng)業(yè)信息采集過(guò)程中需要滿(mǎn)足運(yùn)算的交換律以及結(jié)合律，具體如公式（1）。

式中：參數(shù)J作為數(shù)據(jù)信息相互沖突的系數(shù)，當(dāng)其等于1時(shí)，可以說(shuō)明km、kn之間存在相互沖突的情況，無(wú)法利用上述公式進(jìn)行合成。當(dāng)采集到的農(nóng)業(yè)信息作為需要識(shí)別的目標(biāo)時(shí)，相互之間獨(dú)立的證據(jù)以及所對(duì)應(yīng)的權(quán)重關(guān)系可以假設(shè)為采集的數(shù)據(jù)信息存在異常情況。所采集到的數(shù)據(jù)信息，可以分為多個(gè)組別；再對(duì)數(shù)據(jù)信息進(jìn)行預(yù)處理，將連續(xù)的屬性逐漸離散化，以此來(lái)作為有效的輸入；去掉多余的信息，使用D-S 證據(jù)理論算法對(duì)其進(jìn)行約減，將約減后得到的數(shù)值進(jìn)行輸出得到相應(yīng)信息表。在D-S 證據(jù)理論算法研究的過(guò)程中，仍需要對(duì)研究對(duì)象利用數(shù)學(xué)的運(yùn)算來(lái)處理并采集有效信息，雖然D-S 證據(jù)理論算法是可以解決一般性信息的離散問(wèn)題，而在實(shí)際運(yùn)用過(guò)程中信息特性或者約束條件的范圍值總是處于連續(xù)的狀態(tài)[3]。

2.2 建立BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層、輸出層構(gòu)成，假定輸入層中存在的節(jié)點(diǎn)數(shù)量為，隱藏層中存在的節(jié)點(diǎn)數(shù)量為，輸出層中存在的節(jié)點(diǎn)數(shù)量為，那么BP 神經(jīng)網(wǎng)絡(luò)內(nèi)部由神經(jīng)元所傳遞出來(lái)的各個(gè)層級(jí)函數(shù)關(guān)系，如公式（2）。

式中：jl——隱藏層所產(chǎn)生的信號(hào)；ul——輸出層所輸出的信號(hào)；co——所需要輸入的變量值；n1——隱含層中存在的固定閾值；nk——輸出層中存在的固定閾值；Rlk——同時(shí)存在于隱藏層與輸入層中的權(quán)重?cái)?shù)值；代表同時(shí)存在于輸出層中和隱藏層中的權(quán)重?cái)?shù)值；f1( )x——存在于隱藏層中的線性激勵(lì)函數(shù)；f2( )x——同時(shí)存在于輸出層中的非線性激勵(lì)函數(shù)。

通過(guò)上述公式（2）所表現(xiàn)出來(lái)的函數(shù)關(guān)系，可以將輸入與輸出之間的關(guān)系如公式（3）。

為了能夠讓BP 神經(jīng)網(wǎng)絡(luò)模型在擬合狀態(tài)下的精準(zhǔn)程度，處在允許出現(xiàn)誤差的范圍內(nèi)，采用梯度下降方法將訓(xùn)練樣本產(chǎn)生的誤差作為性能的函數(shù)，對(duì)模型內(nèi)部各個(gè)層級(jí)的權(quán)重?cái)?shù)值與固定閾值進(jìn)行不斷尋優(yōu)的過(guò)程，具體計(jì)算過(guò)程如公式（4）。

式中：d——權(quán)重?cái)?shù)值的總量；Yo——實(shí)際所輸出的信息；uo——神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)過(guò)程中產(chǎn)生的輸出。

假設(shè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)所設(shè)計(jì)變量c=( )c1,c2,…,cn的聯(lián)合概率密度函數(shù)為fc( )c時(shí)，利用網(wǎng)絡(luò)結(jié)構(gòu)的可靠性所評(píng)估出來(lái)的應(yīng)力強(qiáng)度干涉模型，在極限狀態(tài)下的函數(shù)關(guān)系如公式（5）。

式中：[ρ]——網(wǎng)絡(luò)結(jié)構(gòu)所承受的最大應(yīng)力值。

利用上述公式就可以對(duì)網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)生失效狀態(tài)的概率進(jìn)行定義[4]。

2.3 介質(zhì)庫(kù)管理與數(shù)據(jù)備份

介質(zhì)庫(kù)管理的模塊采用B/S 和C/A/S 結(jié)合的方式構(gòu)成。農(nóng)業(yè)云服務(wù)平臺(tái)系統(tǒng)中的數(shù)據(jù)管理和運(yùn)行維護(hù)部分采用B/S架構(gòu)，通過(guò)IE 瀏覽器完成各項(xiàng)業(yè)務(wù)功能，而監(jiān)督站部分則采用C/A/S結(jié)構(gòu)完成。介質(zhì)的存放包括介質(zhì)存放空間和介質(zhì)管理兩個(gè)方面的規(guī)劃考慮，規(guī)劃各單位的介質(zhì)資料采用多套介質(zhì)周期輪換的方式，以確保各單位數(shù)據(jù)資料有一定周期的備份輪換時(shí)間，具體結(jié)構(gòu)見(jiàn)圖2。

圖2 介質(zhì)庫(kù)管理模塊示意圖Fig.2 Media library management module schematic

介質(zhì)庫(kù)管理模塊采用J2EE 架構(gòu)設(shè)計(jì)開(kāi)發(fā)應(yīng)用系統(tǒng)，能夠?qū)崿F(xiàn)農(nóng)業(yè)環(huán)境中需要的所有功能，使安裝在J2EE 系統(tǒng)上的各種軟件能夠達(dá)到最高可靠度、安全性、可擴(kuò)展性和可靠性。因?yàn)檗r(nóng)業(yè)云服務(wù)平臺(tái)主要利用電子外網(wǎng)平臺(tái)進(jìn)行數(shù)據(jù)傳輸，因此在平臺(tái)系統(tǒng)中需要充分考慮各種不穩(wěn)定因素，保證整個(gè)服務(wù)平臺(tái)的安全性。而基于對(duì)各平臺(tái)集中式同城異地經(jīng)營(yíng)及數(shù)據(jù)備份的特點(diǎn)，云服務(wù)平臺(tái)用來(lái)進(jìn)行存儲(chǔ)的系統(tǒng)一般采取IPSAN 網(wǎng)絡(luò)結(jié)構(gòu)，利用IP 網(wǎng)絡(luò)平臺(tái)來(lái)傳輸數(shù)據(jù)，存儲(chǔ)網(wǎng)絡(luò)設(shè)計(jì)支持IPSAN。IPSAN 通過(guò)iSCSI技術(shù)，將硬盤(pán)的區(qū)塊數(shù)據(jù)轉(zhuǎn)換成網(wǎng)絡(luò)封包進(jìn)行數(shù)據(jù)傳輸，而這種以IP為核心的SAN存儲(chǔ)技術(shù)，也成為未來(lái)的發(fā)展趨勢(shì)之一。

需要在用戶(hù)端放置一個(gè)相對(duì)低檔的“近線/前置存儲(chǔ)”，采用“存儲(chǔ)轉(zhuǎn)發(fā)”模式，用戶(hù)可通過(guò)軟件、硬件的各種不同方式，將需要的數(shù)據(jù)備份到該存儲(chǔ)網(wǎng)絡(luò)中，再通過(guò)網(wǎng)絡(luò)傳輸?shù)皆品?wù)平臺(tái)中。通過(guò)該方式獲得的備份后數(shù)據(jù)，也需要進(jìn)行差錯(cuò)校驗(yàn)，避免在數(shù)據(jù)傳輸?shù)倪^(guò)程中出錯(cuò)或者是被惡意修改，那么本地備份客戶(hù)端和遠(yuǎn)程備份中心的數(shù)據(jù)集如公式（6）。

式中：BRu——本地備份客戶(hù)端發(fā)往遠(yuǎn)程備份中心的記錄；BR'u——遠(yuǎn)程備份中心發(fā)往本地備份客戶(hù)端的記錄。

由此可以看出，在差錯(cuò)校驗(yàn)的過(guò)程中，本地備份客戶(hù)端和遠(yuǎn)程備份中心的數(shù)據(jù)集是可以互相作為檢驗(yàn)依據(jù)的[5]。

3 應(yīng)用測(cè)試與分析

將此次設(shè)計(jì)的智慧農(nóng)業(yè)云服務(wù)平臺(tái)作為主要檢測(cè)對(duì)象，查找系統(tǒng)在原設(shè)計(jì)中，與出現(xiàn)問(wèn)題沖突的內(nèi)容，然后再根據(jù)這些問(wèn)題做出后續(xù)調(diào)整，以保證系統(tǒng)在實(shí)際使用工作中的順利通過(guò)。為此，對(duì)智慧農(nóng)業(yè)云服務(wù)平臺(tái)內(nèi)在的特性加以測(cè)試，完成后將該系統(tǒng)運(yùn)用在實(shí)際工作環(huán)境中，智慧農(nóng)業(yè)云服務(wù)平臺(tái)可視圖見(jiàn)圖3。具體測(cè)試環(huán)境見(jiàn)表1。

表1 系統(tǒng)進(jìn)行測(cè)試所需環(huán)境Tab.1 The environment required for system testing

圖3 智慧農(nóng)業(yè)云服務(wù)平臺(tái)可視圖Fig.3 Smart agriculture cloud service platform visibility graph

為了測(cè)試此次設(shè)計(jì)智慧農(nóng)業(yè)云服務(wù)平臺(tái)的工作性能，將此次所設(shè)計(jì)的云服務(wù)平臺(tái)作為實(shí)驗(yàn)組，將使用傳統(tǒng)方法（SECS/GEM 協(xié)議和ZeorMG）所設(shè)計(jì)的云服務(wù)平臺(tái)分別作為對(duì)照組1 和對(duì)照組2，從而分析3 種方法在相對(duì)穩(wěn)定的前提下，農(nóng)業(yè)數(shù)據(jù)信息的檢測(cè)準(zhǔn)確率，設(shè)定農(nóng)業(yè)信息數(shù)量上限為6 000條，農(nóng)業(yè)數(shù)據(jù)信息為農(nóng)業(yè)生產(chǎn)數(shù)據(jù)信息，具體見(jiàn)圖4。

圖4 不同方法下測(cè)試結(jié)果示意圖Fig.4 Diagram of test results under different methods

根據(jù)圖4 可以看出：基于SECS/GEM 協(xié)議所設(shè)計(jì)農(nóng)業(yè)云服務(wù)平臺(tái)，當(dāng)農(nóng)業(yè)數(shù)據(jù)信息數(shù)量增加到6 000 個(gè)時(shí)，檢測(cè)的準(zhǔn)確率從100%下降到38%左右；基于ZeorMG 方法所設(shè)計(jì)農(nóng)業(yè)云服務(wù)平臺(tái)，當(dāng)農(nóng)業(yè)數(shù)據(jù)信息數(shù)量增加到6 000 個(gè)時(shí)，檢測(cè)準(zhǔn)確率從100%下降到62%左右；而基于BP 神經(jīng)網(wǎng)絡(luò)所設(shè)計(jì)農(nóng)業(yè)云服務(wù)平臺(tái)，當(dāng)農(nóng)業(yè)數(shù)據(jù)信息數(shù)量增加到6 000 個(gè)時(shí)，檢測(cè)準(zhǔn)確率始終在90%～100%變化。對(duì)上述數(shù)據(jù)進(jìn)行計(jì)算可知：基于SECS/GEM 協(xié)議所設(shè)計(jì)農(nóng)業(yè)云服務(wù)平臺(tái)，檢測(cè)平均準(zhǔn)確率為58.92%；基于ZeorMG 方法所設(shè)計(jì)農(nóng)業(yè)云服務(wù)平臺(tái)，檢測(cè)的平均準(zhǔn)確率為76.33%；而基于BP 神經(jīng)網(wǎng)絡(luò)所設(shè)計(jì)農(nóng)業(yè)云服務(wù)平臺(tái)，檢測(cè)平均準(zhǔn)確率為95.17%。綜上所述，使用兩種傳統(tǒng)方法所設(shè)計(jì)的云服務(wù)平臺(tái)，其異常檢測(cè)的準(zhǔn)確度均比較低；而利用本文方法所設(shè)計(jì)的云服務(wù)平臺(tái)，能夠使檢測(cè)準(zhǔn)確率始終維持在90%以上。因此，本文所設(shè)計(jì)的云服務(wù)平臺(tái)可達(dá)到預(yù)先所需要的效果。

4 結(jié)語(yǔ)

經(jīng)過(guò)實(shí)踐證明，利用BP 神經(jīng)網(wǎng)絡(luò)所設(shè)計(jì)的智慧農(nóng)業(yè)云服務(wù)平臺(tái)，優(yōu)于常規(guī)的云服務(wù)平臺(tái)，但是這種云服務(wù)平臺(tái)也有一定缺陷，今后研究方向?yàn)閿?shù)據(jù)安全與智能檢測(cè)，設(shè)計(jì)較為完備的人工智能體系，在保障準(zhǔn)確同時(shí)又增強(qiáng)數(shù)據(jù)檢測(cè)后的穩(wěn)定性。