3种油葵光合光响应曲线模型拟合及其光合参数与产量的关系

采用2种典型的光响应模型对3个油葵品种KWS203、TH320及矮大头667DW叶片的光合-光响应曲线进行拟合,并分析其光合参数与油葵生物产量、籽粒产量的关系。结果表明:直角双曲线修正模型和非直角双曲线模型对3个油葵品种的光合-光响应曲线的拟合精度较高,拟合方程的决定系数均为R2≥0.997。其中直角双曲线修正模型可以更好地拟合KWS203和矮大头667DW光系统Ⅱ动力学下调或光抑制部分的光合-光响应曲线,可准确计算其饱和光照度及最大净光合速率,且与实际测量值相当接近。直角双曲线修正模型拟合3种油葵光合-光响应曲线所得的光合参数与产量关系表明,油葵产量与最大净光合速率和饱和光照度具有相关性,饱和光照度与其生物产量(r=0.971**)、籽粒产量(r=0.982**)的相关系数均为极显著差异水平,但最大净光合速率与其生物产量(r=0.309)、籽粒产量(r=0.344)的相关系数都未达到显著水平;TH320的最大净光合速率、饱和光照度均最大,为36.926μmol/(m2·s),CO2、2 286.884μmol/(m2·s),其生物产量、籽粒产量也最高,分别为13 664.25kg/hm2、4 711.81 kg/hm2。综上所述,直角双曲线修正模型更符合油葵的光合生理特征,是研究油葵光合-光响应曲线的首选模型;TH320相对于其他2个油葵品种,具有更高的光饱和点和最大净光合速率,更低的暗呼吸速率和光合产物消耗。     

基于模糊优选BP神经网络模型的作物-水盐响应关系模拟研究

棉花在诸多影响因素下,生长过程表现为复杂的非线性,使其水-盐的响应关系难以用传统的数学模型进行精确描述。本研究基于大田棉花膜下咸淡水滴灌试验成果,采用模糊优选BP神经网络模型,对籽棉产量与灌溉水量和灌溉水矿化度的响应关系进行了模拟。结果表明：该模型的模拟结果精度良好。模拟得到的连接权重矩阵可良好地表达籽棉产量与各生长阶段微咸水处理水平之间的响应关系,在微咸水灌溉技术中具有一定的指导意义。     

基于BP神经网络的马尾松立木生物量模型研究

以马尾松为例,探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型;对比单输入变量与多输入变量模型、单输出变量与多输出变量模型,并分析模型的输入变量数和输出变量数对模型估测精度的影响;将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明:1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为Wt、Wa、Wr,隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量,其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量,并可以同时估测多个量,从而简化了生物量建模和估测工作,对实际生产具有一定的意义。      

灰色理论与BP神经网络耦合的粮食产量预报

以河南省为例,选取影响粮食产量的8个农业生产条件为指标,以2000~2007年8个序列的数据分别建立新陈代谢GM(1,1)模型,得到一系列预测值。将8个指标1990年至2007年的原始数据作为BP神经网络的输入样本,粮食产量实际值作为输出样本,然后对网络进行训练,构建了BP神经网络。再将各新陈代谢GM(1,1)模型得到的8个农业生产条件的预测值作为BP神经网络的输入,得到的输出即为最终预测值。仿真实验表明,用灰色理论与神经网络耦合模型研究河南粮食产量的拟合精度和预测准确度都比较理想。     

油葵对沼液灌溉引起的盐碱胁迫响应

为解决养殖业废弃物沼液长期灌溉引起农田盐渍化风险问题,本研究选择油葵作为沼液消纳作物研究其耐盐碱性并进行大田验证.通过室内模拟沼液中盐分主要的胁迫类型,配制不同浓度盐、碱离子进行油葵种子发芽胁迫实验,明确油葵发芽期对沼液中盐、碱胁迫的耐受阈值,同时大田实验设置不同沼液灌溉量灌溉油葵,观测生长状况和农艺性状,综合分析油葵对盐、碱胁迫的响应机制.结果 表明,油葵发芽对中性盐耐受阈值在180～240 mmol?L-1之间,对碱性盐离子耐受阈值在60～120 mmol?L-1之间.发芽过程中,碱性盐离子浓度为60 mmol?L-1时,细胞膜相对透性为24％,与中性盐(22％)相近,但相对盐害率为32.36％,显著高于中性盐处理(1.45％),K+/Na+下降91.11％～92.81％,中性盐处理下K+/Na+下降79.90％～87.33％.大田试验利用Na+浓度约为35 mmol?L-1沼液长期灌溉油葵,在低灌溉量(150 m3?hm-2)下,油葵各农艺性状变化不大,且K+/Na+差异不显著,但在高灌溉量(600 m3?hm-2)下,油葵生长各农艺指标受到抑制,各组织K+/Na+下降57％～88％.研究表明,碱性盐产生的高pH危害高于盐离子渗透胁迫,且碱性盐会更大程度破坏油葵离子稳态,影响油葵发芽与生长.利用养殖业废弃物中沼液作为再生水资源灌溉农田,应控制其HCO-3、CO2-3的含量,调控废水pH,以降低对农作物的伤害.     

基于BP人工神经网络的寒地水稻抗旱性综合评价

为筛选适宜寒地水稻大田抗旱性的综合评价指标，并鉴定抗旱水稻种质资源，以分蘖期干物质量、拔节期株高、产量等15个性状的抗旱系数为指标，使用主成分分析法对50个参试材料的抗旱性进行综合评价。选取45个样本的抗旱系数作为输入，把对应的抗旱综合评价值作为输出，利用误差返向传播和神经网络的方法建立学习模型；剩余5个样本为验证样本，用于判断学习模型的预测准确性。改变3组学习样本来建立3个不同的学习模型并进行对比，比较其预测的准确度，进而验证该模型方法的合理性和稳定性。结果表明，采用主成分分析法可将15个单一抗旱系数转换成6个互相独立的综合性指标，方差累计贡献率达84.013%。采用聚类分析法将50个参试材料分为3种类型：强抗旱型、中间抗旱型、干旱敏感型。强抗旱类型含有24个材料，中间抗旱型含有18个材料，干旱敏感型含有8个材料。根据各性状抗旱系数与抗旱综合评价值(D值)的相关性分析结果，筛选出分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数等10个适宜抗旱性评价指标。以特征指标值为输入层，综合评价值(D值)为输出层，构建BP神经网络学习模型，定...     

基于贝叶斯正则化BP神经网络的日光温室温度预测模型

针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量,采用贝叶斯正则化算法对BP神经网络进行改进。结果表明,该方法改进的BP神经网络模型得到简化,拟合曲线光滑,具有较好的泛化能力和网络推广能力。     

基于人工神经网络深松机关键部件的参数优化

利用BP神经网络训练数据,以深松机关键部件的三个结构参数-翼张角、刃角和翼倾角为输入参量,输出目标参量为牵引阻力,建立深松机牵引阻力的人工神经网络模型.结果表明:训练良好的BP网络输出数据与实测数据吻合较好,网络模型具有较高的精度,并具有收敛速度快等特点.同时,确定了一组最优结构参数,为深松铲的设计提供理论依据.     

高矿化水灌溉对水稻生育和产量的影响

在淡水资源不足情况下,研究利用高矿化水灌溉的可能性具有重要的现实意义。本试验在水稻返青期和分蘖期采用人工盐渍化田间小区技术,观察了利用咸水灌溉对水稻生育和产量的影响。五种不同盐分浓度处理的相对产量分别为92.5％、86.3％、77.7％、67.6％和47.9％。试验表明水稻不同生育阶段其抗盐力不同;咸水延续时间的长短对水稻危害程度不同;盐害是灌溉水含盐和田格水盐分浓度共同作用的结果。本文根据试验和生产调查,提出灌溉水质评价指标,这在滨海地区回归水利用和引潮灌溉中具有重要的实用价值。     

基于BP神经网络连栽桉树人工林生长量预测

以广西国有东门林场雷卡分场的3个连栽代次的尾巨桉(Eucalyptus urophylla×E.grandis)人工林为研究对象,以林分的林龄和林分密度作为输入变量,分别以林分的平均胸径和树高为输出变量,构建了6个2∶n∶1的BP人工神经网络模型。用林分前5 a的数据对网络进行训练,第6、7年数据进行测试,经过大量训练选取最优模型后,得出以2∶2∶1的结构训练的模型最优,林分平均胸径的3个BP网络模型平均预测精度分别为99.09%、98.35%和96.37%,平均树高的3个BP网络模型平均精度分别为96.22%、96.48%和96.6%。回归分析证明模型的拟合效果良好。模型可用来分析、模拟和预测相似条件下桉树人工林林分随林龄增长整个生长阶段的生长量变化情况。     

基于BP神经网络的淤地坝次降雨泥沙淤积预测

为了探求淤地坝在次降雨情况下的泥沙淤积量,以黄土高原丘陵区花梁坝实测数据为例,引用3层前馈型BP网络建模方法,对侵蚀性降雨条件下淤地坝泥沙淤积量进行了研究。在模型输入层变量分别为最大30min降雨强度(mm/min)、降雨总量(mm)、平均降雨强度(mm/min)和降雨侵蚀力(mm2.min),输出层变量为淤地坝泥沙淤积量,根据降雨资料和淤积信息对应关系所计算的实际资料,对网络进行了训练,并运用训练后的网络进行模拟和预测。结果表明,BP网络的绝对拟合误差和相对拟合误差均较低,绝对拟合误差最大为-0.0061万t,相对拟合误差最大为-1.2946%。同时,BP网络还具有较高的预测精度,泥沙淤积预测的绝对误差最大为-0.039万t,相对误差最大为-5.5901%。该模型的建立为土壤侵蚀产沙规律的研究提供了一条新途径。     

土壤含水率与像素颜色之间关系的BP人工神经网络模型

建立像素颜色RGB值与土壤含水率之间的数学关系，是染色入渗法的应用基础。结合沟灌染色入渗试验。研究了染色入渗过程中土壤含水率与像素颜色分量之间关系的BP人工神经网络模型。分析土壤含水率与像素颜色分量之间的关系，确定BP人工神经网络的拓扑结构，以像素颜色分量的相对值作为输入因子。土壤含水率作为输出因子，建立了包含1个隐层的BP人工神经网络。结果表明，该模型具有较高的拟合精度和验证精度，优于二次多项式模型。     

用人工神经网络模拟土体塌陷的可行性分析

探讨了利用人工神经网络预测土体塌陷与土体参数和荷载条件之间关系的可行性。BP神经网络是最常用的神经网络之一,通过网络训练,最终确定了6个变量即输入信息、8个隐层和1个输出层的网络结构。在比较了预测值与试验值后,进一步证实了人工神经网络在评估土体塌陷方面效果明显。     

间隔覆盖条件下坡面产流产沙状况的BP神经网络模拟

本文以塿土和黄绵土作为实验材料,尝试使用BP神经网络方法(Back-Propagation neural network)模拟人工降雨条件下,间隔覆盖坡面的产流产沙状况。通过设置不同坡度、降雨强度、面积比,获得各种因素不同水平组合下的实测数据;以实际降雨强度、坡度、面积比、径流起始时间和初始含水率5个因子为输入变量、坡面产流量和产沙量为输出变量,利用BP神经网络模型与多元线性回归模型对数据进行模拟分析,并检验其模拟效果。研究结果表明:训练样本集平均相对误差为18.23%,预测样本集平均相对误差为5.21%;与多元线性回归模型相比,BP神经网络模型拟合精度较高,拟合效果更理想,表现出更强的预测能力。另外,比较不同土质坡面产流量与产沙量模拟效果,塿土优于黄绵土。从本研究的结果看,BP神经网络模型应用于坡面产流产沙模拟预测,省时省力,方便快捷,具有一定的应用潜力,但其实际的模拟预测能力尚需进一步探索。     

Study on Maize-water Model for Supplemental Irrigation in Loess Plateau

The Loess Plateau has a typical semi-arid climate, and the area suffers from very harsh ecological environment, severe soil erosion and water runoff, and uneven distributed precipitation. Due to the re...     

基于模拟退火和遗传算法的神经网络在精确施肥的研究

为了更加精确地描述农作物产量与土壤和施肥量中的N、P、K浓度之间的复杂的非线性关系,对原始的BP神经网络进行了改进。首先采用模拟退火算法对神经网络的初始权值和阈值进行优化,提高了网络的整体逼近性能,再用遗传算法对神经网络的权值和阈值进行改善,并对这两种方法的优化效果进行了比较,结果表明模拟退火和遗传算法的神经网络能产生很好的效果。     

雨量站分布不均匀流域的降雨径流预报人工神经网络模型

为解决传统方法难以可靠预报雨量站分布不均匀流域的次降雨径流量这一水文预报难题 ,探讨了人工神经网络模型用于该类水文预报问题的可能性。实例研究表明 ,以次暴雨量及其前期影响雨量为输入、次暴雨径流总量 (净雨量 )为输出的 BP网络模型 ,预报的相对误差比蓄满产流模型预报的相对误差平均低 9.2 % ,这说明 ,人工神经网络模型可作为雨量站分布不均匀等雨量观测存在系统偏差或不足流域的降雨径流预报模型。     

基于BP神经网络的华北落叶松小班蓄积预估模型研究与应用

林分蓄积是衡量小班林分生产力的重要指标。选择华北落叶松人工林小班数据,对以年龄、公顷株数和立地指数为自变量,小班公顷蓄积为因变量的BP (back propagation)神经网络模型和多元回归模型进行研究。研究结果表明:①BP神经网络参数最优组合:三层网络结构包括输入层3个神经元,隐含层10个神经元和1个神经元,输出层1个神经元,R语言算法选用含有动量的自适应梯度下降法,MATLAB软件算法选择Levevberg-Marquardt法;②多元回归模型中,生长理论方程为基础修正函数"Logistic+幂函数"组合的修正模型V=SI~(0.977 2)N~(0.510 3)0.500 1/[1+44.226 1exp(-0.146 6t)]表现最优,其决定系数R~2为0.721 8;③BP模型预测精度最高,其次是多元回归模型和材积表法。基于以上研究,为了提高BP模型的实用性,通过JAVA和R语言编程方式,将构建BP神经网络小班蓄积预估模型存储到收获预估模型的模型库中,在人工林收获预估中实现BP模型的调用,实现从经典的数学模型形式向智能化软件方向发展,提高BP模型在实际生产中的可操作性,为森林经营作业提供决策支持。     

人工神经网络在滁州市酸雨多维预测中的应用

使用酸雨时间序列作为训练样本的基础,生成训练样本输入数据和期望输出数据,建立时间序列神经网络预测模型。通过误差反向传播的算法训练神经网络,获得输入输出之间的映射关系,得到未来3年的酸雨数据。BP神经网络模型的应用设计借助于MAT-LAB软件包中的神经网络工具箱完成。