浅谈外资进入广东农业的现状及对策

近年来,广东省不断加大外资进入农业的力度,有效地促进了广东省农业的发展;但与此同时,也带来了一些负面影响.本文围绕外资进入农业的积极和不利影响,对如何充分利用外资,促进农业经济义快又好地发展进行了探讨.     

基于不同叶位的茄子花期光合速率预测模型研究

在研究作物不同叶位光合速率差异的基础上,以花期茄子植株为试验材料,设计嵌套试验,利用回归型支持向量机算法(SVR)实现多元非线性回归拟合,建立了一种融合不同叶位的光合速率预测模型,采用异校验方法对该模型进行验证分析。结果表明:考虑叶位影响下的光合速率预测值与实测值决定系数为0. 9960,均方误差为0. 2503,平均相对误差为5. 47%,平均绝对误差为0. 068。该试验结果为研究作物株间按需补光以及不同叶位高效智能补光奠定了良好基础。     

基于SVM-ACO算法的光环境优化调控模型

设施光环境优化调控是提高作物产量与品质的关键,而光饱和点决定作物利用光的能力。因此,如何根据温度、CO_2浓度变化实现光饱和点的动态获取是设施光环境调控技术发展的重要问题。针对上述问题,本文提出基于支持向量机—蚁群算法(SVM-ACO)的黄瓜光环境优化调控模型。通过多因子嵌套试验获得不同光光量子通量密度、CO_2浓度、温度组合条件下的光合速率值,利用支持向量机算法建立光合速率模型,设计基于连续蚁群寻优算法获取光饱和点并以其为调控目标,建立全范围温度、CO_2浓度下的光环境优化调控模型。调控模型可实现光饱和点的动态获取,且模型决定系数为0.995,均方根误差为15.73,为设施光环境高效精准调控提供了理论依据。     

基于支持向量机-改进型鱼群算法的CO2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO2优化调控模型，为CO2精准调控提供定量依据。设计了嵌套试验，采集不同温度、光子通量密度、CO2浓度组合下的黄瓜光合速率，以此构建基于支持向量机的黄瓜光合速率预测模型；以预测模型网络为目标函数，采用改进型鱼群算法实现二氧化碳饱和点寻优，获得不同温度、光子通量密度组合条件的CO2饱和点，进而构建CO2优化调控模型。异校验结果表明，CO2饱和点实测值与预测值相关系数为0.965，最大相对误差3.056%。提出的CO2优化调控模型可动态预测CO2饱和点，为实现设施CO2精准调控提供了可行思路。     

黄瓜初花期光合速率主要影响因素分析与模型构建

植物光合速率受生理、生态多种因素交互影响,分析提取主要影响因素是构建高效光合速率模型的基础。选取8个典型影响因素,以初花期的黄瓜植株为实验材料,设计光合速率嵌套实验,采用相关分析法分析各因素与光合速率的相关性,证明光子通量密度、CO_2浓度、温度、气孔导度和叶绿素含量与光合速率显著相关;提出了一种融合遗传算法的径向基函数(GA-RBF)神经网络光合速率建模方法,采用RBF神经网络构建光合速率模型,利用GA算法优化RBF神经网络的扩展速度。采用异校验方法分别对融合主要影响因素和全部因素的模型性能进行分析,结果表明融合主要影响因素的模型精度显著提高,光合速率预测值与实测值决定系数为0.997 6,最大绝对误差为1.008 6μmol/(m~2·s),平均绝对误差为0.350 9μmol/(m~2·s),在降低复杂度的同时提高了预测精度。     

基于支持向量机-改进型鱼群算法的CO2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO_2优化调控模型,为CO_2精准调控提供定量依据。设计了嵌套试验,采集不同温度、光子通量密度、CO_2浓度组合下的黄瓜光合速率,以此构建基于支持向量机的黄瓜光合速率预测模型;以预测模型网络为目标函数,采用改进型鱼群算法实现二氧化碳饱和点寻优,获得不同温度、光子通量密度组合条件的CO_2饱和点,进而构建CO_2优化调控模型。异校验结果表明,CO_2饱和点实测值与预测值相关系数为0.965,最大相对误差3.056%。提出的CO_2优化调控模型可动态预测CO_2饱和点,为实现设施CO_2精准调控提供了可行思路。     

黄瓜初花期光合速率主要影响因素分析与模型构建

植物光合速率受生理、生态多种因素交互影响，分析提取主要影响因素是构建高效光合速率模型的基础。选取8个典型影响因素，以初花期的黄瓜植株为实验材料，设计光合速率嵌套实验，采用相关分析法分析各因素与光合速率的相关性，证明光子通量密度、CO2 浓度、温度、气孔导度和叶绿素含量与光合速率显著相关；提出了一种融合遗传算法的径向基函数（GA-RBF）神经网络光合速率建模方法，采用RBF神经网络构建光合速率模型，利用GA算法优化RBF神经网络的扩展速度。采用异校验方法分别对融合主要影响因素和全部因素的模型性能进行分析，结果表明融合主要影响因素的模型精度显著提高，光合速率预测值与实测值决定系数为0.9976，最大绝对误差为1.0086μmol/(m2·s)，平均绝对误差为0.3509μmol/(m2·s)，在降低复杂度的同时提高了预测精度。