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。     

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。     

融合叶绿素含量的黄瓜幼苗光合速率预测模型

现有的基于神经网络的光合速率模型仅考虑环境因素,且收敛速度慢。在考虑温度、CO2浓度、光照强度、相对湿度等环境因子的基础上,加入生理因子叶绿素含量,建立融合叶绿素含量的黄瓜幼苗光合速率预测模型。首先利用多因子嵌套试验获得黄瓜幼苗光合速率测试数据825组,然后采用LM训练法进行模型训练,并分析加入叶绿素含量对模型训练结果的影响,最后建立黄瓜幼苗光合速率预测模型并对其采用异校验方式进行验证。试验结果表明,在考虑叶绿素影响的条件下,其训练效果与模型拟合度均优于只考虑环境因子的训练模型,加入叶绿素含量作为输入的LM训练法可有效越过局部平坦区,具有明显的优越性,满足误差小于0.000 1的训练要求,模型预测值与实测值间的决定系数为0.987,误差小于4.68%。     

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。     

春秋茬温室番茄光合速率预测模型通用性研究

基于无线传感器网络,建立了春秋茬温室番茄光合速率预测模型。在2014年秋季与2015年春季,采用无线传感器网络自动获取温室环境因子信息,包括空气温湿度、土壤温湿度、光强与CO2浓度。同时采用LI-6400XT型光合仪测定植物的单叶净光合速率,利用叶室小环境来扩展数据范围。将采集到的温室环境信息作为输入参数,单叶净光合速率作为输出参数,利用神经网络建立番茄光合速率预测模型。为了提高模型的预测精度,首先使用Z分数对输入参数进行标准化,然后对标准化后的数据进行主成分分析;其次,根据各主成分的累积贡献率选取主成分,然后经过K折交叉检验后建立神经网络预测模型。结果表明,采用2014年秋季数据建立的预测模型,相关系数为0.99;2015年春季为0.95;用两季数据联合建立的通用模型,相关系数为0.85。利用春秋茬联合数据建立的温室番茄光合速率预测模型通用性较好,可以为日光温室CO2气肥精细调控提供理论支持。     

CO 2与土壤水分交互作用的番茄光合速率预测模型

为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。     

土壤水分对温室黄瓜生长与光合特性的影响

水分是影响黄瓜生长发育的重要因子.以温室盆栽黄瓜为试验材料,研究了不同土壤含水量对温室黄瓜生长与光合特性的影响.结果表明:温室黄瓜在土壤含水量较高时,株高和产量增长较快,随着土壤含水量降低,叶片光合速率、蒸腾速率、气孔导度和叶水势均下降.考虑到温室内湿度大,当土壤含水量为21.36%(波动范围在±0.2%)时,效果最好,可以作为合理灌溉的依据.     

蓄水坑灌下苹果光合速率对施氮量的响应及光合影响通径分析

为了探究蓄水坑灌苹果园的合理施肥量,同时为蓄水坑灌条件下苹果树光合模型影响因子的选取提供依据,并为蓄水坑灌下果园水肥高效管理提供参考。设置4个施氮水平,分别为0、150、300和600 kg/hm~2,通过原位试验测试不同施氮水平下,苹果光合速率、气孔导度、叶绿素a、叶绿素b含量及气象参数,并采用相关分析和通径分析对数据进行分析并建立基于关键因素的回归预测方程。结果表明:①蓄水坑灌下叶片光合速率及气孔导度受施氮量影响明显,且均表现为单峰形式,峰值于施氮量300 kg/hm~2时出现。②蓄水坑灌条件下气孔导度、叶绿素a、叶绿素b、施肥量、太阳辐射强度及相对湿度与苹果叶片光合速率为极显著相关,气温与叶片光合速率相关性相对较低。③施肥量与苹果树光合速率、气孔导度、叶绿素a及叶绿素b均为极显著相关;其主要通过影响叶绿素b和气孔导度间接影响叶片光合速率,其间接通径系数分别为0.575和0.547。④蓄水坑灌下,关键因素为气孔导度、叶绿素a和叶绿素b。同时,基于关键因素的光合速率回归方程的预测精度较高。     

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。     

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。     

基于环境因子的黄瓜病害预测研究

日光温室中病害的预测预报是病害管理的重要组成部分,也是有效防治和控制病害发生发展的依据,更是农业生产管理和决策的前提。植物生长发育进程明显受到温度的影响,而病害发生又与长时间高温度和高湿度相联系。以往的病害预测多是基于对植物本身的病害特征、种植方法和农药的用量来实现的,多是如何防止。因此,病害早期的预测、预报和防治显得非常重要。为此,根据已有的专家知识库建立以环境数据(即温度和湿度)为输入的神经网络病害预测模型,通过此模型用实际的环境数据再预测未来病害,从而减少病害发生的概率,获得速生高产与优质高效的农产品,实现经济效益最优的目标。     

可控环境下黄瓜光合特性及环境调控参数的优化

在可控环境下通过改变温度、光照强度和相对湿度的不同水平梯度组合,研究这3 个因子对黄瓜叶片净光合速率的综合影响;通过最小二乘法进行多元非线性参数回归,建立黄瓜叶片净光合速率对这3个因子的响应模型.研究了模型规律,并依据生长环境最优和经济性最优原则,提出了可控温室环境优化的调控策略.     

两种形式甘蔗切割器对破头率影响的因素分析

针对两种形式甘蔗切割器在收获甘蔗过程中造成的甘蔗破头率大小不同的问题,对甘蔗切割器的工作参数和结构参数进行因素分析,探讨相同影响因素与甘蔗破头率之间的关系以及两种形式的甘蔗切割器与甘蔗破头率的差异,为甘蔗切割器的设计提供理论和实际依据,具有重要的理论意义和指导价值。     

径流小区尺度土壤入渗率影响因子与估算模型研究

基于次降雨水文过程,确定了影响土壤平均入渗率(i_m)的多个因子;借助野外人工径流场观测资料,研究im与多个因子间定量关系,构建i_m估算模型。i_m与坡度之间呈二次抛物线关系,随坡度增加呈先升后降的变化趋势。i_m随坡长、降雨强度的增加均呈线性增加规律,随次降雨量增加呈指数增加趋势,随土壤颗粒分形维数增加呈线性降低规律。im与地表植被盖度、前期土壤含水率之间均存在双曲函数关系,随二者递增分别呈逐渐增加和降低规律。基于上述7个函数关系,采用多元非线性回归法建立估算im的回归模型,模型约72%的数据点相对误差不超过10%。采用上述7个因子作为输入参数,建立预测i_m的BP神经网络模型;通过灰色关联度分析法确定了模型最优训练算法为Levenberg-Marquardt、隐含层神经元结点最优个数为15;模型约81%的数据点相对误差不超过10%。     

影响轮胎使用寿命的主要因素分析

轮胎是车辆行驶系统的重要组成部分,除支承整车的总质量外,还起着推动车辆行驶、吸收和缓和地面冲击等作用。因此,对轮胎能否正确使用不仅直接影响车辆的通过性、安全性、舒适性和燃料的经济性,而且关系到轮胎本身的使用寿命。为此,分析了影响轮胎使用寿命的主要因素,并提出延长轮胎使用寿命的各种方法。     

池塘河蟹养殖精准投饵系统设计与试验

传统池塘河蟹养殖主要依靠渔民根据经验来估算投饵量,通过人工撑船投喂饵料,饵料利用率低且劳动强度大。由于河蟹具有领地意识且移动范围较小,池塘各处河蟹分布不均匀,因此河蟹养殖需要科学精准投饵。现有河蟹养殖投饵作业方式粗放,无法满足河蟹高效生态养殖需求。为了掌握河蟹生长规律,更加科学高效地投饵喂料,本文设计基于河蟹生长模型的精准投饵系统。利用灰色关联度分析法确定对河蟹生长发育影响最大的环境因子。在传统水产生物生长模型基础上,加入环境因子进行改进,从线性和指数两个角度对河蟹生长模型进行优化拟合。利用遗传算法（GA）-反向反馈神经网络（BP神经网络）(GA-BP神经网络)对精准投饵预测模型进行训练,通过输入水温、溶解氧含量、pH值等环境参数,推算出最佳环境影响因子数值。根据河蟹生长模型、养殖密度、养殖面积得出河蟹总质量,结合河蟹生长期存活率与投喂率便可得出总投饵量。根据池塘河蟹实际分布密度和水质参数,确定池塘各区域的饵料分配系数,将总投饵量科学地分配到池塘各个区域。通过仿真得出预测投饵量决定系数R²为0.990,预测模型具有较好的拟合效果。池塘投饵试验结果表明,基于河蟹生长...     

灌区降水量影响因子分析与集合降水预测

针对降水随机性较强、影响因素复杂、单一模型预测精度低的特点,采用集对分析法,研究降水量与气象影响因子的关系。将基于密度参数的径向基函数人工神经网络模型与灰色模型相结合,利用信息熵权重法计算2个单一模型的权重,构建基于信息熵的集合模型(Combing model based on information entropy,IE-CM),用于三江平原友谊农场的降水量预测。研究结果表明,与单一模型相比,IE-CM模型预测结果的决定系数、平均相对误差及均方根误差较单一模型均有所提高,分别为0.99、10.655%和3.03 mm,预测结果的合格率为83.3%,均满足水文预测要求。