基于WOFOST模型和支持向量机的粮食产量预测模型的研究与实现
发布时间：2021-04-05 20:11
农业是人类的母亲行业,不管是在较为落后的发展中国家还是科技与经济都较为发达的发达国家,国家政府与人民最为关注和重视的就是农业的发展。粮食是社会进步的根本和经济发展的命脉,关系到国家的富强、人民的生活和社会的稳定。随着科技的不断发展,国家实力不断提升,传统的农耕逐渐被机械化农业所取代,曾经的靠天吃饭的农作思维也逐渐变成了科学新农业,我国的农业现代化迎来了新的时代。粮食产量预测也由曾经的经验预测变成了现在的科学推断,准确的粮食产量预测可以帮助政府对粮食生产中的方案和策略进行调整,有利于提高粮食生产的效率,大大加快科学新农业的发展。因此,国内外专家学者将研究和关注的重点聚焦在如何合理准确的对粮食产量进行预测,以获得对未来粮食生产发展趋势的宏观把控。支持向量机是基于统计学理论基础发展起来的一种学习方法,它在分类和回归问题上都有较好的表现,特别是利用结构最小化原则来解决小样本问题,得到了全世界的专家学者们的高度认可。因此,可以很好的解决粮食产量预测这一小样本回归问题。WOFOST作物生长模拟模型是一种一年生作物生长和产量的定量分析模型,经过国内外无数专家学者的研究,已经确定在全球范围内得到了普遍...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
WOFOST模型结构图
身的气孔来帮助自身可以正常吸收水分。叶气孔是二氧化碳进入作物和水蒸气离开作物的必经之路，其开闭度对调节光合和蒸腾作用起着重要作用，直接影响作物耗水量和实际干物质产量的形成。当根区土壤水分供应不足时，气孔会关闭以降低作物实际蒸腾速率和光合速率，使作物可以稳定的维持自身消耗以保证生存，但会影响到作物的生长趋势和最终产量[31]。WOFOST 模型通过模拟土壤水平衡方程来估计水分胁迫的情况，模型分为考虑地下水和不考虑地下水两种情况图 2.2 是 WOFOST 模型在土壤水平衡状态示意图。图中，CR 是毛管上升水，在不考虑地下水的情况下会忽略这个变量；P 为降水量，eI 是人工灌溉水量，IN 表示从地表渗透进入根区的水分，sE 表示地表水到大气的蒸发，aT 则表示作物的蒸腾作用消耗的水分，Perc 代表根区向下渗透的水分和 SR 是地表径流。
代表着训练模型因为结构复杂所带来的风险,它受到 VC 维 p 及训练样本响。当 VC 维很大时，置信区间也越大。从式 2.26 我们可以看出，在训限的情况下，假设 p 值很大，那么模型的复杂度就会较高，导致置信区容易产生过学习现象；假设 p 值过小，即使误差值降低，但相应的推广差，模型的预测效果也不会好。考虑到如上因素，在设计学习机器的时练样本有限的情况下，要想使实际风险最小，我们就要同时保证经验风维都最小，这就是结构最小化原则（SRM）。结构风险最小化（SRM）习中的一种归纳原理，通过平衡模型的复杂性与其在拟合训练数据方面解决机器学习中时常出现的过度拟合问题。如图 2.3 所示：
【参考文献】：
期刊论文
[1]基于EFAST方法的WOFOST作物模型参数敏感性分析[J]. 陈艳玲,顾晓鹤,宫阿都. 河南理工大学学报(自然科学版). 2018(03)
[2]基于WOFOST-SHAW耦合模型的冬小麦冠层气温模拟[J]. 王鹏新,刘丽娜,刘峻明,胡新. 农业机械学报. 2018(01)
[3]WOFOST模型在东北春玉米产区的验证与适应性评价[J]. 刘维,侯英雨,吴门新,魏丽. 气象与环境科学. 2017(03)
[4]WOFOST模型的研究进展[J]. 朱津辉,戴萍,朱凯全,陈雨,范禹辰,李吉,冯冬蕾,曲骅倩. 安徽农业科学. 2016(28)
[5]农业机械化对盐池县粮食产量效能的贡献分析[J]. 温建军. 安徽农业科学. 2016(27)
[6]土壤湿度驱动WOFOST模型及其适应性[J]. 王锐,李亚飞,张丽娟,王建林,王志伟. 中国农业气象. 2015(03)
[7]基于因子分析和支持向量机的粮食产量预测模型——以广东为例[J]. 雷雨,刘瑞锋. 价值工程. 2015(12)
[8]基于支持向量回归机的粮食产量预测研究[J]. 陈晨,吴海云,田燕红,左月明. 山西农业大学学报(自然科学版). 2013(04)
[9]黑龙江省玉米产量变化的预测分析——基于支持向量机的实证研究[J]. 罗正媛,汤洋. 农机化研究. 2013(02)
[10]基于灰色关联支持向量机的粮食产量预测[J]. 聂韶华. 计算机仿真. 2012(09)
硕士论文
[1]不同水分条件及复水对吉林省春玉米生长发育影响的模拟研究[D]. 李莹莹.南京信息工程大学 2017
[2]基于最小二乘支持向量机的小麦产量预测方法研究[D]. 胡俊.西安科技大学 2014
本文编号：3120025
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
WOFOST模型结构图
身的气孔来帮助自身可以正常吸收水分。叶气孔是二氧化碳进入作物和水蒸气离开作物的必经之路，其开闭度对调节光合和蒸腾作用起着重要作用，直接影响作物耗水量和实际干物质产量的形成。当根区土壤水分供应不足时，气孔会关闭以降低作物实际蒸腾速率和光合速率，使作物可以稳定的维持自身消耗以保证生存，但会影响到作物的生长趋势和最终产量[31]。WOFOST 模型通过模拟土壤水平衡方程来估计水分胁迫的情况，模型分为考虑地下水和不考虑地下水两种情况图 2.2 是 WOFOST 模型在土壤水平衡状态示意图。图中，CR 是毛管上升水，在不考虑地下水的情况下会忽略这个变量；P 为降水量，eI 是人工灌溉水量，IN 表示从地表渗透进入根区的水分，sE 表示地表水到大气的蒸发，aT 则表示作物的蒸腾作用消耗的水分，Perc 代表根区向下渗透的水分和 SR 是地表径流。
代表着训练模型因为结构复杂所带来的风险,它受到 VC 维 p 及训练样本响。当 VC 维很大时，置信区间也越大。从式 2.26 我们可以看出，在训限的情况下，假设 p 值很大，那么模型的复杂度就会较高，导致置信区容易产生过学习现象；假设 p 值过小，即使误差值降低，但相应的推广差，模型的预测效果也不会好。考虑到如上因素，在设计学习机器的时练样本有限的情况下，要想使实际风险最小，我们就要同时保证经验风维都最小，这就是结构最小化原则（SRM）。结构风险最小化（SRM）习中的一种归纳原理，通过平衡模型的复杂性与其在拟合训练数据方面解决机器学习中时常出现的过度拟合问题。如图 2.3 所示：
【参考文献】：
期刊论文
[1]基于EFAST方法的WOFOST作物模型参数敏感性分析[J]. 陈艳玲,顾晓鹤,宫阿都. 河南理工大学学报(自然科学版). 2018(03)
[2]基于WOFOST-SHAW耦合模型的冬小麦冠层气温模拟[J]. 王鹏新,刘丽娜,刘峻明,胡新. 农业机械学报. 2018(01)
[3]WOFOST模型在东北春玉米产区的验证与适应性评价[J]. 刘维,侯英雨,吴门新,魏丽. 气象与环境科学. 2017(03)
[4]WOFOST模型的研究进展[J]. 朱津辉,戴萍,朱凯全,陈雨,范禹辰,李吉,冯冬蕾,曲骅倩. 安徽农业科学. 2016(28)
[5]农业机械化对盐池县粮食产量效能的贡献分析[J]. 温建军. 安徽农业科学. 2016(27)
[6]土壤湿度驱动WOFOST模型及其适应性[J]. 王锐,李亚飞,张丽娟,王建林,王志伟. 中国农业气象. 2015(03)
[7]基于因子分析和支持向量机的粮食产量预测模型——以广东为例[J]. 雷雨,刘瑞锋. 价值工程. 2015(12)
[8]基于支持向量回归机的粮食产量预测研究[J]. 陈晨,吴海云,田燕红,左月明. 山西农业大学学报(自然科学版). 2013(04)
[9]黑龙江省玉米产量变化的预测分析——基于支持向量机的实证研究[J]. 罗正媛,汤洋. 农机化研究. 2013(02)
[10]基于灰色关联支持向量机的粮食产量预测[J]. 聂韶华. 计算机仿真. 2012(09)
硕士论文
[1]不同水分条件及复水对吉林省春玉米生长发育影响的模拟研究[D]. 李莹莹.南京信息工程大学 2017
[2]基于最小二乘支持向量机的小麦产量预测方法研究[D]. 胡俊.西安科技大学 2014
本文编号：3120025
本文链接：https://www.wllwen.com/jingjilunwen/nongyejingjilunwen/3120025.html
