木醋液对茄子种子萌发的影响及预测模型的建立

试验利用木醋液对茄子种子进行不同浓度浸泡处理,旨在研究木醋液对茄子种子萌发的影响。结果表明,浓度对茄子种子的发芽率、发芽指数、发芽势存在显著影响,稀释400～200倍是刺激种子发芽的最佳剂量范围,该浓度处理的试验组发芽峰期发生在第3天或第4天。稀释100倍与50倍之间存在抑制发芽的半致死计量范围。同时,利用BP神经网络建立了茄子种子发芽率的预测模型,该模型包含了发芽率与时间、浓度的动态关系。结果显示,建立的预测模型平均相对误差E=5.153%,相关系数R2=0.990621,说明该模型预测与试验值具有极其优化的拟合程度。     

南方塑料大棚冬春季温湿度的神经网络模拟

利用浙江省慈溪市草莓塑料大棚和南京信息工程大学农业气象试验站番茄塑料大棚的小气候观测数据及气象站资料,建立3个以棚外辐射、温度、相对湿度和风速为输入变量,棚内温度和相对湿度为输出变量的BP神经网络预测模型。结果表明,3个模型气温训练值与实测值的均方根误差(RMSE)都在2℃以内,相对误差都在4%左右;相对湿度训练值的RMSE都在7个百分点以内,相对误差不超过7%。利用此模型得到的气温预测值与实测值的RMSE都在2℃左右,冬季气温的相对误差较大,春季通风和不通风模型气温的相对误差不超过6%;相对湿度预测值的RMSE都在7个百分点以内,相对误差不超过9%。说明所建BP神经网络模型对于不同季节、不同通风条件、不同作物的大棚温湿度模拟都有较高的精度,能够满足棚内温湿度的预测要求,且对温度的模拟精度高于对相对湿度的模拟。     

基于PCA-RBF神经网络的森林碳储量遥感反演模型研究

针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数(RBF)神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明:SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。