基于人工神经网络技术的蔬菜施肥决策研究

阐述神经网络的概念和特点，着重介绍BP神经网络并在Maflab环境下建立基于BP神经网络的施肥模型，以土壤养分（氮、磷、钾)和实际产量为模型输入，以氮肥、磷肥和钾肥的施用量为模型数输出．进行网络训练，直至获得满意的施肥模型。结合投入产出物的价格对模型功能进行扩展，按利润最大化目标进行施肥决策。     

模糊神经网络在施肥决策系统的应用

针对施肥过程中普遍存在非线性和不确定性问题,对多种模糊神经网络进行分析比较,提出了适合施肥决策系统的FMLP模糊神经网络结构,采用FBP学习算法实现网络结构优化.通过对水稻在同一农田重复进行种植实验,结果表明所建系统可以提供最佳土壤施肥方案.     

基于BP网络的膜下滴灌加工番茄墒情预报研究

针对加工蕃茄自动化滴灌系统下土壤墒情预报的问题,2011年在新疆生产建设兵团农八师国家农业科技园区,开展了土壤墒情预报的田间试验研究。通过观测得到的4个深度的土壤体积含水率以及日平均气温作为输入量,提出了一个基于BP网络的、可以对加工番茄在生育期内的墒情作出短期预报的模型。该模型分别以2d、7d为时间间隔,对自动化滴灌系统下的加工蕃茄墒情进行了预报,仿真结果显示预报效果较好。该模型用于加工番茄的土壤墒情预报是可行的,并且是一种简单、易于推广的墒情预报方法。     

基于改进的BP神经网络集成的作物精准施肥模型

作物最优施肥量与土壤养分含量、产量之间存在复杂的非线性关系。为更加准确地模拟这种关系,提出一种改进的的BP神经网络集成方法。该方法采用K-均值聚类优选神经网络个体,采用拉格朗日乘子方法计算待集成的神经网络个体的权值。然后,基于农田肥料效应试验数据,以土壤养分含量和施肥量作为神经网络的输入,以产量作为神经网络的输出,建立了作物精准施肥模型。该模型通过求解一个非线性规划问题,能同时获得最大产量和最优施肥量。试验结果表明,在施肥模型的拟合精度方面,改进的神经网络集成方法（其均方根误差为64.54）明显优于单个神经网络方法（其均方根误差为169.74）。而且,作为一种定量模型,基于改进的神经网络集成的施肥模型优于传统施肥模型,能有效地指导精准施肥。     

黑龙江省大豆施肥专家系统

针对我国国情和平衡施肥技术应用现状,以生态平衡施肥理论和技术体系为依据,建立了平衡施肥专家系统,并应用计算机高级编程语言和多媒体技术制作成软件。系统结构采用通用结构模型,将黑龙江省作为一个施肥类型区,并通过专家获取施肥参数。该系统主要功能包括学习、诊断、施肥量预测、输入输出、统计、财务结算和数据更新等功能。     

精准施肥决策模型与数据库系统

以华北地区小麦及玉米为研究对象,以北京市昌平区崔村镇大辛峰村种植区为例,研究了精准施肥决策系统中施肥参数,并建立了相应的数学模型.将算法模型与数据库相结合,采用线性回归的方法,计算施肥时土壤对氮、磷、钾的需求量,利用二维插值的方法,建立了实验区中已知肥力样点与区域内未知肥力样点的相关关系,从而建立了土壤肥力查询数据库.通过以上方式,结合土壤的养分含量、作物种类及目标产量等相关参数来确定实验区域的施肥量.结果表明,该系统可实现施肥量的精确控制.     

宽旬县耕地土壤养分指标体系研究及施肥建议

宽甸县推广测土配方施肥以来,取得了良好效果.为进一步推进测土配方施肥工作,宽甸县对全县耕地土壤养分含量进行测量.测量结果表明:宽甸县耕地土壤有机质、碱解N和有效P含量上升;速效K含量虽然上升,但未达到1980年水平;耕地土壤pH值呈现中性化趋势.根据耕地土壤养分含量,通过拟合土壤养分与产量的方程,建立宽甸县耕地养分指标体系,找出土壤养分与作物产量之间的关系,并提出合理的施肥建议.     

BP神经网络在农业工程中的研究与应用

该文概述了BP神经网络在农机总动力预测、农业专家系统信息决策、虫情测报、农作物水分和养分胁迫、土壤墒情、变量施肥、分类鉴别和图像处理等领域的应用情况,总结了人工神经网络模型的优点,指出其在精准农业和智能农业中的重要理论技术支撑作用。      

基于KEGG的碳固定和氮代谢通路土壤微生物组筛选

利用宏基因组测序技术,以KEGG数据库的碳固定、氮代谢途径为工具,以陕西渭北旱塬小麦连作粮田长期定位3种施肥方式的土壤为研究对象,对影响该地区农田生态系统中碳固定和氮代谢通路的主要微生物物种及功能基因进行分析。结果表明:3个施肥水平下土壤微生物在KEGG数据库代谢通路的基因PcoA分析显示,常规施肥土壤功能基因丰度与平衡施肥处理的关系密切,而与低量施肥处理关系较远。施肥明显改变了碳固定、氮代谢的功能基因丰度,常规施肥和平衡施肥的主要功能基因相对丰度均大于低量施肥;在碳固定途径中常规施肥主要功能基因相对丰度大于平衡施肥,在氮代谢途径中平衡施肥主要功能基因相对丰度大于常规施肥。Sorangium、Spiribacter、Lentzea、Rhodovibrio、Pseudomonas、Flavihumibacter、Streptomyces、Nitrososphaera、Rubrobacter、Dyadobacter、Novosphingobium、Pedosphaera、Thermogemmatispora为该地区小麦连作土壤碳固定途径标记性微生物种群;E4.2.1.2A.fumA.fumB、E2.3.1.9.atoB、mdh、ACSS.acs、korB.oorB.oforB、pps.ppsA、ppdK、sdhA.frdA、K18594、K18604、E4.2.1.2B.fumC、folD、ppc、accA为施肥水平产生明显响应的碳固定功能基因。Sphingopyxis、Alcanivorax、Nitrosospira、Aeromicrobium、Roseiflexus、Devosia、Altererythrobacter为该地区小麦连作土壤氮代谢的主要物种; nirB、nasA、nasB、nrt.nak.nrtP.nasA、GDH2为施肥水平产生明显响应的氮代谢主要功能基因。平衡施肥更有益于节肥减排和土壤的可持续利用,是适合该地区小麦连作粮田的施肥方式。     

平衡施肥对稻田产量和土壤养分的影响

分析了水稻田土壤营养状况及土壤中N、P、K、Zn、Mn、Si等对沈农606超级稻的营养特性、吸肥规律及高产优质的影响,并对平衡施肥和生物肥技术进行了研究.试验区土壤有机质(OM)含量处于一般水平,土壤速效N、P、K、Zn普遍缺乏,速效Mn也有一定程度的缺乏;N、K、Mn、Zn、Si均为产量限制因子.应用高产优质平衡施肥技术能显著增加作物产量,多点平均产量为12.58t/hm2,较习惯施肥区产量增加1.46 t/hm2,增产13.13%.     

黄土高原丘陵沟壑区苹果园水肥耦合试验研究

在西北黄土高原丘陵沟壑区选择试验点,开展了苹果园水肥耦合试验,研究内容包括苹果园土壤农化性状测试分析;不同水肥耦合试验组合对土壤养分含量的影响;不同水肥耦合试验组合对苹果树的干周、产量、质量及效益的影响等。试验研究结果证明,实行平衡施肥后,土壤中的养分含量磷素提高到2~3级;氮素保持5级,钾素保持2级,有机质含量均有提高。提出了在苹果树不同树龄段,最适的水肥耦合量比例。按照该水肥耦合比例,能有效提高肥料利用率和土壤养分含量,基本达到了各树龄段的优质果园标准,经济效益显著。     

基于参数化遗传神经网络的植物病害预测方法

将混合神经网络(PFNN—FG)技术应用于植物病害预测，其输入矢量含模糊分量，遗传算法优化配置各参数。变形Sigmoid函数用于不同的隐含层，构成参数化神经网络。网络的输入层引入模糊集合理论，使网络能处理语义变量。将PFNN—FG和其他神经网络(如前向神经网络、径向基神经网络等)用于大豆基准问题进行分析比较，结果是PFNN—FG在精度和训练速度上优于其他网络。将PFNN—FG和前向神经网络用于2组黄瓜霜霉病数据，前者测试组的均方根误差小于后者。     

Optimal decision schemes for agricultural water quality management planning with imprecise objective

Agricultural activities are the main sources of water pollution to surface water and groundwater in rural areas. Extensive soil disturbance and application of fertilizer and manure in agriculture cause nonpoint source losses of soil and nutrients such as nitrogen and phosphorus. How to generate preferred decision schemes for agricultural activities that cause such nonpoint source water pollution is a critical issue for the decision makers. In this study, an inexact agricultural water quality management (IAWQM) model is developed and applied to a case study to generate optimal decision schemes for integrated water quality management within an agricultural system. The model is based on a hybrid fuzzy possibilistic robust programming approach, which improves upon the existing fuzzy possibilistic programming and fuzzy robust programming methods by allowing fuzzy information in the model's objective and constraints to be directly communicated into the optimization processes and resulting solutions. Optimal decision schemes for agricultural activities can be generated, including cropping area, manure/fertilizer applied, and livestock husbandry size, where implications of water quality/quantity restrictions for achieving regional economic development objectives are studied. The results of the case study indicate that useful information can be obtained through the proposed IAWQM model for providing feasible decision schemes, which reflect tradeoffs between economic and environmental considerations. The decision variables are useful for the decision makers to justify and/or adjust the decision schemes for agricultural activities through incorporation of their implicit knowledge on water quality management.     

我国农机总动力需求的模糊神经网络预测模型

利用模糊神经网络建立了具有时间序列对象的预测模型，提出了相应的模糊化方法，并对我国农机总动力需求进行了预测，预测结果和实际情况的有较好的一致性。     

土壤水分检测的模糊控制技术与试验

为了提高多因素制约下非线性系统测试土壤湿度的精度,构建了基于神经网络模糊控制技术的控制器以及DSP(TMS320VC5402)信号采集模块,提出了基于神经网络模糊控制原理的土壤水分信号处理优化方法,确定了模糊控制规则和修正规则的BP学习算法,建立了基于神经网络模糊优化器,并对系统进行了验证.结果表明,应用神经网络模糊控制原理采集和处理测试数据使土壤湿度的测试精度提高0.13%～2.12%.     

基于递阶遗传算法优化的交通流预测

及时准确地进行短时交通流预测是智能交通系统研究的关键内容之一。基于小波分析和模糊神经网络的相关知识,提出模糊小波神经网络的控制方法。将小波函数作为模糊隶属函数,利用神经网络实现模糊推理,从而完成对下一周期交通流量的预测,同时采用递阶遗传算法实现网络结构和参数的优化。经实测数据验证,预测精度高,运行稳定,适应性强。     

Simulation of nitrate distribution under drip irrigation using artificial neural networks

Accurate knowledge of nitrate distribution in the soil under fertigation through drip-irrigation systems is fundamentally important for system design and management. The determination of nitrate distribution through modeling represents a highly complex nonlinear problem that includes adsorption, transformation, convection, and dispersion. For this reason, an alternative methodology is proposed, which combines artificial neural networks (ANN) and laboratory experiments. Seventeen experiments with apparent discharge rates varying from 0.6 to 7.8 l/h, the apparent cylindrical applied volume from 6 to 15 l, and the input concentration from 100 to 700 mg/l were conducted to provide a database for establishing the ANN architecture. The model input parameters were initial soil water content, initial nitrate concentration in the soil, discharge rate, input concentration of fertilizer (NH₄NO₃), applied volume, and final soil water content. The model output was nitrate concentration in the soil after fertigation. A total of 298 vectors were used to train the ANN model, and 212 independent vectors were used to test the model. Results of the test show a good correspondence with a determination coefficient (r ²) of 0.83 between the model-estimated nitrate concentration in the soil and laboratory-measured nitrate concentration in the soil. These results show that the optimized ANN models are reasonably accurate and can provide an easy and efficient means of estimating nitrate distribution in the soil under fertigation through drip-irrigation systems.Communicated by J.E. Ayars     

基于模糊神经网络的智能温室环境控制方案

针对农业温室环境的精确建模和控制问题,提出了一种基于模糊神经网络的智能控制方案。首先,在考虑室内外环境因素下,构建一个有效的温室环境数学模型,获得通风量、喷雾量和加热量的微分表达式;然后,利用一种自适应模糊神经推理系统(ANFIS),以温度和湿度差作为输入,通过神经网络自学习和模糊推理获得控制输出;最后,通过遗传算法优化控制器的输出比例因子,提高控制响应速度和稳定性。实验结果表明:该方案能够快速且稳定地追踪环境设置值,具有很好的控制效果。     

基于集对分析的区域水资源开发利用综合评价

基于集对分析方法建立了区域水资源开发利用程度的评价模型，并应用该模型对汉中盆地水资源的开发利用程度进行了综合评价。评价结果表明，汉中盆地水资源利用处于中、低级阶段，还有很大的开发潜力。通过与模糊模式识别、模糊综合评判、属性识别方法、人工神经网络方法进行对比分析，可以看出集对分析模型不仅理论严谨、方法简便，而且评价结果精确可靠，从而验证了该方法的合理性和可行性。因此，集对分析理论为区域水资源开发利用程度的综合评价提供了一种新的思路。     

基于模糊神经网络的农村电力短期负荷预测

为提高负荷预测精度,提出了一种新的模糊神经网络短期负荷预测模型。该模型将模糊系统和神经网络的优点融合在一起,并利用小生境遗传算法优化模糊神经网络参数,提升网络运算性能。某农村地区电力短期负荷预测的计算结果表明,该方法具有较好的预测效果。