融合叶位光合差异的设施黄瓜立体光环境优化调控模型

黄瓜整株光合积累不仅与温度、CO2浓度、光照强度有关,而且与不同叶位的光合特性显著相关,实现不同叶位需光参数动态获取,是设施黄瓜立体光环境优化调控亟待解决的问题。本文提出了融合多智能算法的黄瓜立体光环境优化调控模型,设计了多因素嵌套实验获取多维样本数据,构建耦合叶位、温度、光照强度、CO2浓度的回归型支持向量机光合速率预测模型;基于粒子群算法进行光饱和点寻优,获取不同环境条件下不同叶位的目标光照强度;采用回归型支持向量机算法,针对目标光照强度构建立体光环境优化调控模型。结果表明,本文所提方法可动态计算作物整株不同叶位不同环境因子作用下的目标光照强度,模型决定系数为0. 999 3,均方根误差为2. 349μmol/(m~2·s),进一步分析不同叶位叶绿素含量与光合特性关系,证明两者具有强关联性,研究对提高设施藤蔓类作物立体光环境调控效率具有重要意义。     

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。     

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。     

基于离散曲率的温室CO2优化调控模型研究

提出了基于离散曲率算法的温室CO_2优化调控模型,通过设计嵌套试验采集温室不同温度、光照强度、CO_2浓度组合下的番茄光合速率,利用支持向量机回归算法(Support vector regression algorithm,SVR)构建光合速率预测模型;以预测模型网络为目标函数,采用L弦长曲率算法实现CO_2响应曲线离散曲率的计算,利用爬山法获得不同温度、光照强度组合条件的CO_2响应曲线曲率最大点,以此作为效益最优的调控目标值,进而基于SVR构建CO_2优化调控模型。结果表明,调控模型的决定系数为0. 99、均方根误差为4. 42μmol/mol、平均绝对误差为3. 17μmol/mol,拟合效果良好。与CO_2饱和点目标值的调控效果对比发现,理论上CO_2供需量平均下降61. 81%,光合速率平均减少15. 58%;验证试验中,相较饱和点调控下光合速率平均下降15. 14%,CO_2供需量下降57. 61%,相较自然条件下光合速率升高26. 70%。说明此温室CO_2优化调控模型具有高效节能特点,为设施作物CO_2高效精准调控和节本增效提供了理论基础。     

基于改进型鱼群算法的番茄光环境调控目标值模型

针对光温耦合条件下番茄光环境调控目标值难以快速、精确获取的问题,在光温嵌套光合速率试验结果基础上,为提高人工鱼群算法寻优速度,基于视野和步长动态调整思想,提出了改进型鱼群算法的光温耦合寻优方法,对不同温度下光饱和点进行快速精准寻优,建立了番茄光环境调控目标值模型,模型决定系数为0.999 9。验证试验结果表明,不同温度下光饱和点的模型计算值与实测值高度线性相关,相关系数为0.988,最大相对误差在±2%内,明显优于遗传算法构建模型的相对误差(±6%)。快速、动态获取不同温度下光饱和点,对设施光环境精准调控效率具有重要意义。     

融合黄瓜光质需求的设施光环境智能调控模型

设施光环境是影响作物生长发育的重要因素之一,其包括设施光强和光质。不同温度下,两者与光合速率存在显著的互作关系,建立融合作物光质需求的设施光环境智能调控模型,是设施农业环境调控急需解决的问题之一。本文以黄瓜为试验材料,设计了温度、光照强度、光质比嵌套的植株净光合速率测试试验,获取了多因子耦合的试验样本,并利用支持向量机建立了融合黄瓜光质需求的光合速率预测模型。其次,提出了基于粒子群算法的光照强度和光质比寻优算法,获取了不同温度条件下最适合植物生长的光照强度和光质比。最后,基于寻优结果,利用偏最小二乘回归法构建红蓝光目标值调控模型。验证结果表明,光合速率预测模型训练集数据和测试集数据的拟合度分别为0. 997 1和0. 996 9,均方根误差分别为0. 363 0、0. 436 7μmol/(m~2·s)。红、蓝光目标值调控模型均方根误差分别为15. 087 8、10. 138 3μmol/(m~2·s),可满足调控模型精度要求。其调控效果相比于传统固定光质比调控模型有明显提升,为有效地进行设施光环境调控提供了重要依据。     

效益优先的温室光照优化调控模型研究

针对当前温室光照环境调控成本较高的问题,在满足作物生长需求的条件下降低调控成本,提出效益优先的温室光照优化调控模型.通过设计嵌套试验获取温室不同温度、二氧化碳浓度、光照强度组合下的黄瓜光合速率数据,以此环境参数作为输入、光合速率作为输出构建基于最小二乘支持向量机(LS—SVM)的光合速率预测模型;继而采用融合两种不同光...     

基于水分利用率与光合速率的温室作物需水模型研究

提出一种融合水分利用率（Water use efficiency, WUE）和光合速率的温室作物需水模型构建方法。在获取不同温度、光量子通量密度、CO2浓度和土壤含水率嵌套条件下番茄净光合速率和WUE的基础上,基于径向基神经网络（Radial basis function, RBF）构建光合速率和WUE预测模型;继而获取不同环境嵌套条件下的光合速率对土壤含水率的响应曲线,利用 U弦长曲率法获取光合速率约束下的土壤含水率调控适宜区间;在此区间内,基于WUE预测模型,以水分利用率最大为目标,利用粒子群算法(Particle swarm optimization, PSO)获取土壤含水率调控目标值;最后,利用支持向量机回归算法（Support vector regression, SVR）建立作物需水模型。结果表明,需水模型的训练精度为0.9969,测试精度为0.9788,均方根误差为0.23%,拟合效果良好。与单一考虑光合效率最优的模型相比,本模型WUE平均提高15.22%,土壤含水率平均下降12.76%,光合速率平均下降4.05%。说明融合WUE-光合速率的需水模型能兼顾作物需求和经济效益,可为温室土壤含水率的精准调控提供理论依据。     

基于多模型融合策略的温室番茄光合速率预测方法

温室番茄光合速率的准确预测对于番茄的生长和产量评估具有重要意义。然而,由于温室环境的复杂性和多变性,传统的光合速率预测模型往往难以满足精准预测的需求。因此,为了进一步提高预测模型的准确性和稳定性,本研究提出了一种基于多模型融合策略的温室番茄光合速率预测方法。首先,采集温湿度、光照强度、CO2浓度不同组合下的番茄光合速率,构建样本集,并采用五折交叉验证法（Cross-Validation）对数据进行预处理。以预处理的数据为基础,分别基于粒子群优化支持向量机（PSO-SVR）、布谷鸟优化极限学习机（CS-ELM）和北方苍鹰优化高斯过程回归（NGO-GPR）算法建立番茄光合速率预测模型对光合速率进行初步预测,然后采用Stacking算法通过基于决策树的集成学习模型（XGBoost）组合各基础模型的预测结果,进而实现多模型融合。仿真分析结果表明,与单一预测模型相比,基于多模型融合的光合速率预测模型充分发挥了各基础模型的优势,可以进一步提高光合速率预测的准确性和稳定性,该模型验证集MAE为0.5697μmol/（m2·s）,RMSE为0.7214μmol/（m2·s）。因此,本文提出的方法在温室作物光合速率预测方面具有一定的优势,可为温室番茄等作物光环境优化调控提供一定的理论基础和技术支撑。     

基于PSO-SVR模型的温室智能补光系统研究

为解决目前设施农业中传统补光系统智能化、自动化不足和能耗较高的问题,设计一种基于PSO-SVR的智能补光系统。该系统通过采集温室现场环境信息,将温度和CO_2浓度作为输入值,光饱和点作为输出值,建立支持向量回归模型,模型建立时利用粒子群算法进行参数寻优,保证模型的鲁棒性和准确度。通过训练测试,粒子群优化算法结果为惩罚参数c=44、核函数参数g=0.93,建立支持向量回归模型时,选用RBF核函数时模型相关系数最大为0.991,回归准确率达97.6%,可以作为补光策略执导。系统使用搭载Android平台的嵌入式设备为核心控制器,结合农业物联网技术,实现数据可视化、远程控制等功能,试验证明整个系统可以稳定高效地运行。通过对比传统补光系统策略,本系统节能效果达10%。该系统为解决目前设施农业中的光环境智能调控、补光系统的节能减排等问题提供了一种途径。     

基于WSN的温室CO 2 气肥优化调控系统研究

CO 2是植物进行光合作用的重要原料,合理增施可提高作物的光合速率。为实现温室CO 2气肥的精细管理,设计了基于无线传感器网络(WSN)的温室CO 2气肥调控系统。该系统由监控节点、智能网关和远程管理软件组成,其中监控节点能够自动实时监测温室环境信息(CO 2浓度、光照强度、空气温湿度和土壤温湿度),并控制CO 2增施气阀的开关;智能网关不仅能实现监控节点与远程管理软件之间的通信,还可在本地实现对温室环境信息的显示与存储,以及CO 2增施调控等操作;远程管理软件除了具备基本的数据接收、存储和查询功能外,还可通过建立的光合速率预测模型对CO 2气肥实现远程自动调控。本文以番茄为研究对象,采用开发的系统实时获取环境信息,使用LI-6400XT光合速率仪获取单叶净光合速率,建立了基于支持向量机(SVM)的番茄光合速率预测模型。为了提高预测模型的通用性,实验将苗后期番茄在4个CO 2浓度梯度进行培育,其中C1、C2、C3分别进行700、 1 000 、1 300 μmol/mol浓度的CO 2增施,CK为对照组(CO 2浓度约为450 μmol/mol)。数据分析采用SVM算法,以多种环境信息作为输入变量,以单叶净光合速率作为输出变量,得到光合速率预测模型。经过测试与验证,CO 2浓度调控系统能够稳定可靠地采集温室环境信息,适合应用在温室环境中;光合速率模型预测值和实测值相关系数为0.981 5,均方根误差为1.092 5 μmol/(m 2 ·s),具有较好的预测效果,为温室番茄CO 2定量增施调控提供了依据。     

基于ACO-SVR的混凝土坝变形监控模型

近年来,支持向量机(SVM)在建立大坝安全监控模型中得到了广泛应用,但其拟合精度和泛化能力取决于模型核参数σ和惩罚因子C的选取。以最小k-fold交叉验证误差为目标,用蚁群路径优化选择的节点值体现,并选择支持向量回归机中的核参数σ和惩罚因子C。以此建立了基于蚁群算法优化支持向量回归机(ACO-SVR)的混凝土坝变形监控模型。通过工程案例研究,结果表明:该方法在参数优化方面具有较快的寻优速率,用于混凝土坝变形监控的建模研究精度较高,具有广泛的适用性。     

融合暗荧光参数的茄子叶片光合速率预测模型构建

现有光合预测模型主要考虑环境因子对植物光合作用的影响,模型只能对生理状况相似的叶片进行光合速率预测,本文面向不同生长状态叶片光合速率预测模型的建模需求,提出融合叶片暗荧光参数Fv/Fm的多环境因子光合速率预测模型构建方法。试验以不同生长状态的茄子叶片为样本,在获取暗荧光参数的同时,分别测量不同温度、CO2浓度和光照强度下的光合速率,构建建模样本集。在此基础上,利用遗传支持向量机算法,建立了光合速率统一预测模型,其训练集决定系数为0.8895,均方根误差为3.2679μmol/(m2·s)。采用异校验方式进行模型验证,结果表明,融合荧光参数后模型精度显著提高,光合速率预测值与实测值拟合斜率为0.9046,截距为0.3641,〖JP〗说明引入Fv/Fm后,模型可实现对不同生理状态叶片光合速率的精准预测。     

基于高斯曲率最大化的蓝莓温室光照与CO2综合调控策略

针对目前温室光照、CO₂调控效益不高等问题,提出了一种基于高斯曲率最大化的蓝莓温室光照和CO₂综合调控策略。首先通过采集不同温度、光照强度、CO₂浓度嵌套下的蓝莓净光合速率,建立不同温度下包含光照强度、CO₂浓度的蓝莓净光合速率机理模型;接着根据不同温度下蓝莓光合速率机理模型的高斯曲率函数构造适应度函数,并采用粒子群算法进行最大值寻优,计算高斯曲率最大值所对应的光照强度和CO₂浓度,获得不同温度下光照强度、CO₂浓度高斯曲率最大点;最后基于多项式拟合,建立不同温度下光照、CO₂综合调控策略。通过与最大净光合速率饱和点的调控对比发现,平均光照强度下降60.73%,CO₂浓度下降25.00%,而平均净光合速率仅下降14.29%。与实际蓝莓净光合速率对比发现,采用本文提出的光照、CO₂综合调控策略,蓝莓净光合速率较实际值平均提高1.87倍以上。说明本文提出的光照、CO₂综合调...     

基于RF-GSO的温室番茄自适应调光系统设计与试验

为满足温室番茄光环境的自适应调控,设计了基于RF-GSO(随机森林-萤火虫)模型的温室番茄自适应调光系统,实现温室中温度、CO_2浓度、光照强度的实时采集,同时通过无线传感网络将信息传输到温室番茄自适应调光系统软件平台上,该平台可动态显示实时环境参数,并能实现补光灯远程调控。采用RF-GSO算法对温室内番茄理想光照强度进行动态计算,并将其与传感器实测光照强度间的差值作为调控参数,实现温室内番茄光环境的自适应调控。试验结果表明,系统检测的光照强度与温室调光目标值的决定系数R~2为0. 955,均方根误差为2. 168μmol/(m~2·s),系统丢包率为0. 417%,说明基于RF-GSO的温室番茄自适应调光系统运行稳定、可靠。     

CO2与氮肥交互作用的番茄光合速率预测模型

为了实现CO2气肥和营养液氮肥含量的准确调控,建立了作物整个生长周期的光合速率预测模型。以番茄为实验对象,设置了3个CO2浓度和3个营养液含氮量的交互处理实验,使用LI-6400型便携式光合速率仪采集叶室内的环境信息和单叶净光合速率。利用多元线性回归方法建立了番茄整个生长周期的光合速率预测模型,模型的相关系数为0.885,调整后的决定系数为0.782。实验结果表明,该模型具有较高预测精度,可为温室CO2气肥浓度和营养液氮肥含量的调控提供理论依据。     

耦合模拟退火优化最小二乘支持向量机的日参照蒸散量模拟计算

针对传统最小二乘支持向量机模型的训练速度慢、不易在线训练、计算量大及参数选择困难等缺陷,提出采用耦合模拟退火优化最小二乘支持向量机算法,建立基于耦合模拟退火优化最小二乘支持向量机的参照作物蒸散量预测模型。选取陕西省的榆林、安康和西安气象站监测的1971-2014年气象资料进行模型训练、测试与验证,研究气象监测获取原始数据作为网络输入,参照蒸散量ET0为输出,构建CSA-LSSVM预测模型,并将CSA-LS-SVM预测结果与LSSVM模型及经典ET0模型模拟计算结果进行比较。结果表明,CSA-LS-SVM模型模拟计算精度和总ET0模拟模型都优于LSSVM模型及其他经典模型模拟结果。该研究CSA-LS-SVM模型为陕西地区气象资料缺乏情况下ET0精确计算提供科学依据,为作物需水量的智能决策提供参考。     

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PCA-MCAFA-LSSVM的养殖水质pH值预测模型

为解决水质预测传统方法精度低、鲁棒性差等问题,提出了基于主成分分析(PCA)、改进文化鱼群算法(MCAFA)和最小二乘支持向量机(PCA-MCAFA-LSSVM)的养殖水质pH值预测模型。该模型通过主成分分析提取养殖生态环境指标的主成分,降低模型输入向量维数,利用改进文化鱼群算法对最小二乘支持向量机超参数进行组合优化,以自动获取最优超参数建立非线性养殖水质pH值预测模型。应用该模型对宜兴市河蟹养殖某池塘2011年9月1日~9月4日在线监测的水质数据进行了预测分析,试验结果表明:该模型取得较好的预测效果,与分别用蚁群算法或遗传算法优化LSSVM的方法相比,PCA-MCAFA-LSSVM模型有93.05%的测试样本绝对误差小于8%,最大绝对误差仅为11.61%,均方根误差、平均相对误差绝对值和运行时间分别为0.047 4、0.004 1和4.367s,且均优于其他预测方法。PCA-MCAFA-LSSVM算法不仅计算速度快、预测精度高,还能够为河蟹养殖水质调控管理提供决策依据。     

设施生菜光合和蒸腾速率影响因素分析与预测模型构建

光合速率及蒸腾速率是植物的2个重要生理指标。在全人工环境下,选取意大利生菜作为对象,设计并开展多环境变量对生菜光合速率及蒸腾速率影响的嵌套实验,得到环境因子对生菜光合速率及蒸腾速率的影响规律,应用神经网络构建生菜幼苗期光合速率及蒸腾速率预测模型。针对幼苗期生菜,选择温度、相对湿度、光子通量密度（Photosynthetic photon flux density, PPFD）及CO2浓度共4个环境影响因素,采用随机森林方法对数据进行相关性分析。结果表明,与蒸腾速率相关性由大到小的因素依次为CO2浓度、温度、相对湿度、PPFD,与光合速率相关性由大到小的因素依次为CO2浓度、PPFD、温度、相对湿度;采用枚举法确定隐藏层节点数和训练函数,通过遗传算法优化BP神经网络的初始权值和阈值,构建GA-BP神经网络生理指标预测模型。应用测试数据对模型进行验证,光合速率及蒸腾速率预测值与实测值的决定系数分别为0.96212、0.97944,均方根误差（RMSE）分别为2.9832μmol/(m2·s)、0.0014358mol/(m2·s),表明GA-BP神经网络在模型精度和迭代次数方面性能显著提高。研究结果可为设施生菜生产环境调控提供有效依据。