GEP优化的多输出RBF网络作物生理参数建模

针对常用的回归和神经网络作物建模方法存在的输出单一、参数优化困难和预测精度不足等问题,利用基因表达式编程优异的全局搜索能力和RBF神经网络多输出任意非线性函数逼近特点,设计了1种GEP优化的RBF多输出模型算法GEP-RBF。以水稻和番茄的5个关键环境因子为输入、以叶片CO_2交换率和蒸腾速率为输出,进行建模验证。结果显示,在预测的均方根误差指标上,GEP-RBF模型与GA-RBF和RBF相比,水稻的CO_2交换率和蒸腾速率分别降低了约28.4%、38.0%和89.9%、62.8%,番茄的CO_2交换率和蒸腾速率则分别降低了约56.9%、48.4%和75.3%、67.1%;在多输出结果的平衡性指标上,相比GA-RBF和RBF,GEP-RBF模型提高了约16.4%~77.4%。结果表明,GEP-RBF模型具有良好的预测精度和多输出平衡性,是一种有效的作物生长建模方法。     

不同磷水平下CO2浓度升高对番茄光合特性和抗氧化酶活性的影响

通过水培试验研究在低磷（2μmol/L）、磷充足（2 mmol/L）条件下,大气中不同CO₂浓度[（400±50）、（800±50）μmol/mol]对番茄光合特性和抗氧化酶活性的影响。结果表明,磷充足条件下,CO₂浓度升高可以显著促进番茄叶片光合速率的提高;而低磷抑制了这种作用。磷充足时,CO₂浓度升高显著增加了叶绿素含量,并且叶绿素b含量的增幅明显大于叶绿素a含量;而低磷条件下,CO₂浓度升高显著降低了叶绿素含量。与磷充足相比,低磷条件下,番茄叶片的超氧化物歧化酶、过氧化物酶、过氧化氢酶活性明显降低,丙二醛含量升高。但CO₂浓度升高明显促进了3种抗氧化酶的活性,并且磷充足条件下促进作用更为显著,同时降低了MDA的含量。因此CO₂浓度升高条件下,磷素充足供应可以促进CO₂浓度升高产生的正效应。     

有刺枸骨和无刺枸骨在不同CO2浓度下的光合能力分析

为研究有刺枸骨和无刺枸骨对不同二氧化碳(CO₂)浓度的响应能力,本研究以有刺枸骨和无刺枸骨为材料,研究其净光合速率、胞间CO₂浓度、气孔导度、蒸腾速率和叶片饱和蒸气压亏缺随CO₂浓度变化的情况。结果表明,在相同的CO₂浓度下,无刺枸骨的净光合速率始终比有刺枸骨的大,即无刺枸骨的光合能力强于有刺枸骨。无刺枸骨和有刺枸骨的气孔导度、蒸腾速率和叶片饱和蒸气压亏缺随CO₂浓度升高而降低,说明无刺枸骨的净光合速率较高并不主要由气孔因素的差异引起。随着CO₂浓度的升高,胞间CO₂浓度与净光合速率呈现正相关,并且无刺枸骨的CO₂饱和点较有刺枸骨高,而CO₂补偿点较有刺枸骨低,说明无刺枸骨的CO₂同化能力强于有刺枸骨。因而,无刺枸骨高净光合速率可能是因为CO₂同化能力高。     

光合模型对无患子叶片光合响应参数计算结果的影响

目的旨在探究光合模型对无患子冠层不同部位叶片光合响应参数计算结果的影响,并得到合适的光合响应应用模型和合理的光合响应参数。方法本研究以福建建宁地区进入稳定结实期的无患子为研究对象,采用直角双曲线模型、非直角双曲线模型、直角修正模型和指数修正模型来拟合无患子冠层不同部位叶片的光响应曲线,采用直角修正模型、直角双曲线模型和Michaelis-Menten模型来拟合CO₂响应曲线,通过均方误差和决定系数来检验光合响应模型的拟合精度,采用Duncan多重比较法检验不同模型和不同部位叶片光合响应参数的差异并进行方差分析。结果（1）4种模型对光响应曲线拟合结果的优劣为:直角修正模型 > 指数修正模型 > 非直角双曲线模型 > 直角双曲线模型,3种模型对CO₂响应曲线拟合优劣的结果类似:直角修正模型 > 直角双曲线模型/Michaelis-Menten模型。（2）层级间叶片光合响应参数的差异显著性因模型而有别,各模型得到的方向间叶片光合响应参数值的差异均不显著。（3）模型对初始量子效率、光响应最大净光合速率、光饱和点、暗呼吸速率、CO₂响应最大净光合速率和CO₂饱和点的影响更大,层级对光补偿点、初始羧化效率、CO₂补偿点和光呼吸速率的影响更大,方向对光合响应参数无显著影响,光饱和点、CO₂饱和点、初始羧化效率和CO₂补偿点还受到交互作用的显著影响。结论相对于其他模型,直角修正模型能更好地拟合无患子光合响应曲线,得到的光合响应参数也较准确;模型对所有光合响应参数的影响是极显著的,模型的筛选很重要。      

山核桃丰产生理基础研究

[目的]为山核桃丰产、科学制定栽培措施提供应用基础依据。[方法]基于对山核桃生物学特性和物候期的观察和对比;使用美国Licor-6400光合作用测定系统直接输出自然光照下叶温、进气CO₂浓度、叶室CO₂浓度、细胞间隙CO₂浓度、光合速率、蒸腾速率、气孔导度等指标的数据,从而确立山核桃净光合速率日变化规律。[结果]山核桃果实动态生长表现为单果质量总体不断增长,呈“S”型生长曲线,初果后20 d内增长极慢,此后的40 d缓慢增长,7月上旬果实开始快速生长,并维持30 d以上。影响山核桃光合速率日变化的因素不仅有光照、CO₂浓度,还有叶片的气孔导度、蒸腾速率、叶温等因素。净光合速率在上午高于下午,有“午休”现象;叶片气孔导度与叶片光合速率的日变化趋势呈正相关关系;胞内CO₂浓度日变化和大气中CO₂浓度日变化与光合速率日变化呈负相关;空气中CO₂浓度在一天内,早晚浓度较高;一天内,蒸腾速率和光合速率的日变化趋势类似,均受到叶片气孔开启的调节作...     

垄沟填埋秸秆发酵物对SSC番茄根区温度、CO2释放及番茄生长的影响

为了研究不同种类秸秆发酵物对设施蔬菜根区温度及CO₂释放的影响,在日光温室内以番茄为供试材料,设置未填埋秸秆（CK）、水稻秸秆（T1）、玉米秸秆（T2）、番茄秸秆（T3）及豇豆秸秆（T4）共5个处理,以垄沟填埋的方式施入土壤,检测冬季土垄内嵌式基质栽培番茄的根区温度、CO₂释放及番茄生长指标变化。结果表明：与CK相比,4个秸秆处理均能不同程度地提高日光温室根区温度和填埋区CO₂释放量,促进番茄生长。其中,番茄秸秆（T3）效果最好,其根区温度的最低值和最高值分别较CK提高了2.42和2.03 ℃,CO₂释放量的最低值和最高值分别较CK提高了276和387 mg·m^-3,并促进了番茄的生长,主要表现在提高了番茄的株高、茎粗、叶片数和叶片叶绿素SPAD值。因此,在日光温室蔬菜生产中,使用以番茄秸秆为主的垄沟填埋物料的方式具有更好的应用前景。     

垄沟填埋秸秆发酵物对SSC番茄根区温度、CO2释放及番茄生长的影响

为了研究不同种类秸秆发酵物对设施蔬菜根区温度及CO₂释放的影响,在日光温室内以番茄为供试材料,设置未填埋秸秆（CK）、水稻秸秆（T1）、玉米秸秆（T2）、番茄秸秆（T3）及豇豆秸秆（T4）共5个处理,以垄沟填埋的方式施入土壤,检测冬季土垄内嵌式基质栽培番茄的根区温度、CO₂释放及番茄生长指标变化。结果表明：与CK相比,4个秸秆处理均能不同程度地提高日光温室根区温度和填埋区CO₂释放量,促进番茄生长。其中,番茄秸秆（T3）效果最好,其根区温度的最低值和最高值分别较CK提高了2.42和2.03 ℃,CO₂释放量的最低值和最高值分别较CK提高了276和387 mg·m^-3,并促进了番茄的生长,主要表现在提高了番茄的株高、茎粗、叶片数和叶片叶绿素SPAD值。因此,在日光温室蔬菜生产中,使用以番茄秸秆为主的垄沟填埋物料的方式具有更好的应用前景。     

元坝高酸性气田地面管道内腐蚀预测

针对元坝高酸性气田地面管道的内腐蚀问题,提出了一种考虑多因素的BP神经网络腐蚀预测模型。该模型以温度、CO₂分压、H₂S分压、p H值、Cl^-含量、总矿化度、液气比、缓蚀剂残余量8种影响因素的数据作为输入量,再将腐蚀速率作为输出量,通过现场实测获得大量历史样本数据,对BP神经网络进行训练,实现了地面管道的腐蚀速率预测,并利用该模型对元坝高酸性气田地面管道各腐蚀因素的重要程度进行评判。结果表明：随机抽取工况参数,模型预测值与实测值的平均绝对误差在10%以内,预测模型具有较高的准确性和可靠性;影响元坝高酸性气田地面管道腐蚀速率的主控因素为H₂S分压,CO₂分压、缓蚀剂残余量次之。研究成果可为类似气田地面管道的内腐蚀评估提供技术借鉴。(图2,表3,参22)     

基于涡动相关技术的森林生态系统二氧化碳通量研究进展

森林生态系统是陆地生态系统碳循环的重要组成部分,森林对大气二氧化碳(CO₂)浓度具有重要的调节作用,开展森林生态系统碳循环研究对更好地了解生物地球化学过程和应对全球气候变化具有重要的科学意义和应用价值。涡动协方差/涡动相关技术是目前应用最广泛的森林生态系统CO₂通量观测技术。讨论了基于该技术的森林生态系统CO₂通量研究的部分代表性成果,总结了当前森林生态系统CO₂通量的主要研究成果并对未来研究提出展望。目前,森林生态系统CO₂通量的研究主要集中于:①森林生态系统的碳源/汇估算;② CO₂通量观测源区/足迹的计算;③ CO₂通量动态特征的提取及其环境影响因子;④基于统计模型的森林生态系统物候特征参数的提取;⑤基于机理模型的气候系统对森林生态系统碳循环的影响。主要结论为:森林生态系统是陆地生态系统的重要碳汇,在对森林生态系统进行CO₂通量观测时需对其通量源区的空间代表性进行检验,森林生态系统碳源/汇状态受到树龄、降水和土壤含水量等因素的影响,空气温度是森林生态系统碳循环的重要影响因子。未来森林生态系统CO₂通量研究应该集中于提高通量足迹模型计算精度,讨论不同林分对大气CO₂的贡献强度。结合气候系统模型和生态生理模型建立植物生理过程参数化模型、预测气候变化对森林碳交换的影响。区域-全球尺度森林生态系统CO₂通量研究未来将关注多站点通量,气象数据长时间序列的整合分析,讨论CO₂通量气候态特征与碳源/汇的空间格局,更好地了解全球陆地生态系统碳循环机制。表1参64     

新疆地区不同番茄品种的光合特异性比较及高光效品种筛选

【目的】比较新疆地区不同番茄品种的光合特异性,筛选出适于新疆地区种植的高光效番茄品种。【方法】以生长在相同条件下的92个不同番茄品种为供试材料,利用LI-6400XT 便携式光合仪和SPAD-502叶绿素仪,在番茄结果期测定功能叶片的净光合速率、气孔导度、胞间 CO₂ 浓度、蒸腾速率和叶绿素含量等光合参数,使用SPSS 20.0分析软件进行番茄叶片光合特性的相关性、主成分和聚类分析。【结果】番茄各个品种间光合特征参数有丰富的遗传变异类型,主成分分析选出2个累计贡献率达到76.14%的主成分,主要是光合因子、气孔因子、胞间CO₂浓度和水分因子作为筛选高光效品种的因素;聚类分析得出92个番茄种质资源划分为8个类群,第Ⅰ、Ⅲ类群的Gs、Ci和TR最高,这两个类群气孔因子、水分因子和胞间 CO₂ 浓度综合表现最佳;第Ⅰ类群的30个种质资源有超过1/3来源于新疆地区,该类群中剩余种质资源与本地品种亲缘关系较近,第Ⅲ类群的4个番茄种质资源主要来源于中国农科院和 天津农科院。【结论】第Ⅰ、Ⅲ类群的34份番茄种质资源气孔因子、水分因子和胞间 CO₂ 浓度综合表现最佳,且其中有超过1/3的品种是新疆本地品种,与该类群中其余亲缘关系相近的各地方品种都可作为适于新疆种植的高光效番茄品种。     

基于MATLAB神经网络的水稻需水量的预报模型

作物需水量的预测是进行水资源规划和管理的有效手段。它与气象因子之间存在着严重的非线形关系。建立4个输入单元和1个输出单元的三层BP网络，选取不同的隐层结点数进行训练，并通过比较其相对误差的大小确定了神经网络的结构。利用MATLAB环境．提出基于BP神经网络的水稻需水量预报模型，并结合实际数据进行了检验。结果表明：该方法能够较好地反映气象因子与水稻需水量之间的关系，收敛速度快，预报精度较高。     

基于神经网络模型的空燃比非线性模型预测控制

采用基于径向基神经网络（RBFNN）模型的非线性模型预测控制方法,被控对象选择火花塞点火（SI）发动机的空燃比（AFR）高度非线性复杂系统,利用渐消记忆最小二乘法实现基于RBFNN的SI发动机AFR系统建模以及参数在线自适应更新。针对非线性模型预测控制中寻优问题,运用序列二次规划滤子算法对最优控制序列进行求解,并加入滤子技术避免了罚函数的使用。在相同的实验环境下,与PI控制算法和Volterra模型预测控制方法进行仿真对比实验,结果表明,所提算法的控制效果明显优于其他两种方法。     

基于多种模型的浙江省入境游客量预测

入境游客量是衡量地区旅游发展的重要指标之一,准确的旅游需求预测可以为旅游规划提供参考依据。本文根据浙江省2001-2011年接待入境旅游游客量及其他相关统计数据,运用BP神经网络法、GMDH模型、逐步回归分析与BP神经网络组合预测法以及BP神经网络与GMDH模型组合预测法,基于影响因子要素对入境游客量进行预测分析。实验证明BP神经网络与GMDH模型组合预测法具有较强的预测优势。     

基于RBF神经网络的池州市降水序列预测

时间序列预测分析方法是进行预测预报的有效工具,有着广泛的应用。针对时间序列的非线性、动态变化等特征,基于RBF神经网络对时间序列预测方法进行改进,并以安徽省池州市1959～2009年来的月降水量为时间序列数据样本,用MATLAB软件编程,采用基于随机选取中心的RBF神经网络预测方法,对池州市的月降水量进行预测,并选择不同的扩展速度参数,用均方误差进行检验。通过与BP网络模型的预测结果比较分析,表明RBF模型的预测效果较好。建立的基于随机选取中心的RBF神经网络模型,不需要计算原始时间序列数据的复杂函数关系,具有操作简单、学习速度快、短期预测精度高等优点,用于时间序列预测方面能够获得十分满意的结果,具有很高的应用价值。     

Prediction of crop yields with the use of neural networks

The possibilities of the combined use of neural networks and fuzzy set theory in the form of constructing a so-called fuzzy neural network (FNN) or granular neural network (GNN) [1] for predicting crop yields in the Rostov oblast and Krasnodar and Stavropol krais are examined. The results of modeling plant growth on the basis of the CGMS simulation model as well as the values of the vegetation index NDVI, calculated from the SPOT VEGETATION satellite data, are the input parameters. As a result of training the neural network, the accuracy of predicting yields is on average about 75%.     

基于聚类和异常检测的作物监测数据预处理研究

针对作物建模过程中监测数据存在的时间段识别分段以及异常数据问题,研究自动、有效的数据预处理方法,以期为后续分析和建模提供可靠的样本。采用改进后的聚类分析对监测获得的多维时间序列数据进行分类,进而获得连续、全面、均匀的时间段,在此基础上,根据样本数据规模选择合适的异常检测准则,用于异常数据检测和处理。通过对黑豆以及番茄、南瓜、黄瓜等作物监测数据的聚类分析及异常检测处理,高效地筛选出适合分析和建模的数据样本集。研究表明,聚类分析与异常检测相结合的数据预处理方法有效避免了作物监测实验中存在的误差和干扰,提高了数据分析与建模的质量和效率,在作物模型尤其是小样本作物模型的研究和应用中具有潜力。     

基于高光谱图像技术的沙梨无损检测

为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性,采集80个沙梨样本在400～1 000 nm内的高光谱图像数据及其对应的糖度,采用变量标准化、多元散射校正(MSC)、平滑滤波、基线校正等方法对原始光谱数据进行预处理,发现MSC预处理效果最佳,再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩,最后分别建立BP神经网络和PLS沙梨糖度预测模型.结果表明:无信息变量消除法将光谱变量压缩到234个,有效减少了建模的输入变量,建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上,而PLS预测模型的相关系数为0.9508,均方根误差为0.268,优于BP神经网络模型.     

基于径向基过程神经网络的油田开发指标预测

目前为止,现有的油田开发指标预测方法难以反映实际存在的时间累积效应对该指标预测的影响。因此,为提高油田开发指标预测的准确度,本文提出基于径向基过程神经元网络的油田开发动态指标预测模型,并将其应用到实际油田开发动态指标的预测中。实例分析结果表明,本文提出的径向基过程神经元网络的油田开发动态指标的预测方法精度高、速度快,是预测油田开发指标的一种较实用的方法。     

木材材质预测方法比较分析

分析了木材材质预测研究中常用的三种建模方法:回归分析方法、时间序列方法和神经网络方法的特点,以木材生长轮密度预测为例,给出了三种预测方法的建模过程与结果,并进一步对多个材性指标建模比较分析,认为:神经网络方法是木材材质预测的最优选择。