基于人工智能的参考作物腾发量与作物水盐响应研究

  本文关键词：基于人工智能的参考作物腾发量与作物水盐响应研究，由笔耕文化传播整理发布。

《内蒙古农业大学》 2004年

基于人工智能的参考作物腾发量与作物水盐响应研究

霍再林  

【摘要】：人工智能（Artificial Intelligence）是人类发展到计算机时代的又一个梦想，为知识学习和获取自动化、知识表达方式普适性、搜索求解高效率和全局化、智能体活化于环境等多个方面统提供了可能。为满足水土工程深入研究及复杂系统建模优化的需要，本文针对水土工程系统特有的复杂性，以人工智能技术中重要分支人工神经网络(Artificial Neural Network简写ANN)和遗传算法(Genetic Algorithm简写GA)为建模、系统优化工具，水土工程系统中土壤作物大气（SPAC）为研究对象，充分利用人工智能技术的自适应能力、非线性、全局优化等特点，将其运用于该领域多个问题的解决中。就人工神经网络、遗传算法在参考作物腾发量（Reference Crop Evapotranspiration简写ET0）和作物水盐响应（Crop Response to Water-Salt简写CRWS）中的运用进行了探索性的研究，为水土工程领域复杂系统多参非线性问题的求解开辟了新路。论文取得了以下研究成果： (1)在分析气象因子与ET0相关性的基础上，将ANN运用到了ET0的计算模型研究中。建立了小尺度区域ET0的4因子（辐射、温度、湿度、风速）和3因子（辐射、温度、湿度）ANN模型，提出了各自的适用条件。在非冻期，4因子模型能有效地表征气象因子对ET0的影响，，有较高的精度；风速不大时，可忽略风速对ET0的影响，3因子模型有一定的精度，可满足生产的需要。对大尺度区域（北方干旱寒冷区）的ET0时空变化及其相关性进行了研究，提出了不同子区域的ET0线性模型。在此基础上，建立了适合不同子区域的ET0的ANN模型，同时对模型进行了评价。研究表明，由于ANN的非线性、自适应性等优点，使得所建ET0的ANN模型精度高。此研究是传统ET0计算模型的补充。 (2) 在含盐土壤节水灌溉试验的基础上，针对作物水盐响应的复杂性，充分利用ANN表征多参非线性关系的优点，将ANN引入作物水盐响研究中。通过因子分析、网络结构分析，建立了作物（油料向日葵）水盐响应的10因子和6因子人工神经网络模型（BP-CRWS）。经检验，此2种模型的模拟精度均较高，考虑到模型的复杂性等，研究中推荐使用6因子模型。运用所建立的模型进行了作物水盐响应敏感性分析研究，得到中轻度含盐土壤中油料向日葵在现蕾期对缺水最敏感，其次是开花期和苗期；而在重度含盐土壤中，油料向日葵对缺水敏感由大到小依次是苗期、现蕾期、开花期。这一模拟结果与试验结果相一致。此研究为作物水盐响应及相关研究开辟了新路。 (3) 在作物水模型及作物水盐响应相关研究中，目前多采用最小二乘法进行参数 WP=3 寻优，动态规划法对系统进行优化。这些传统的优化方法往往不可避免地会陷入局部最优点。作为模仿生物进化论的遗传算法为全局优化提供了新的思路。本文将GA运用到了作物水盐响应的相关研究中。运用基于实码的加速遗传算法(RAGA)优化求解了春小麦作物水模型的敏感系数。结果表明，遗传算法所与最小二乘法所求得敏感系数对作物的适应性相当，但前者由于人为控制了系数的范围，所得结果合理。通过GA-ANN耦合模型的建立求解了不同含盐程度土壤中作物（油料向日葵）的适宜含水率。分析研究表明，GA能避免传统优化算法的限入局部最优点的缺点，为水土工程系统非线性多参寻优提供了捷径。 目前人工智能技术在水土工程研究中的应用大多属于尝试性，本研究将ANN和GA运用到了ET0和CRWS的建模及参数寻优中，初步证明了其在水土工程研究中的可行性，旨在起到抛砖引玉的作用，使得水土工程中的一些常规解析法、常规优化方法难以解决的复杂问题得以解决。

【关键词】：
【学位授予单位】：内蒙古农业大学
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：S126
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【相似文献】

中国期刊全文数据库 前10条

1 随顺科;孙长江;;生物遗传算法在PID控制无土栽培喷液速度中的应用研究[J];安徽农业科学;2011年22期

2 余青原;张宝伟;;基于遗传算法的城市给水管网优化运行研究[J];西南农业大学学报(社会科学版);2011年05期

3 郑志宏;许强;;遗传算法用于给水系统优化调度[J];灌溉排水学报;2007年S1期

4 叶勇;罗红恩;张立伟;;改进遗传算法下的畜禽冷链配送优化研究[J];安徽农业科学;2011年17期

5 郭艳光;马丽丽;郝拉柱;;随机算法数据的倾向性选择[J];内蒙古农业大学学报(自然科学版);2011年02期

6 景少波;王成福;何英;;灌区渠系优化配水模型研究[J];新疆水利;2011年05期

7 曹素兵;朱婵;;RNA二级结构遗传预测算法中的选择操作研究[J];安徽农业科学;2011年14期

8 高伟增;曹玉松;张江维;;渠系配水优化遗传算法求解[J];安徽农业科学;2011年19期

9 谢孟卿;张雪飞;;基因遗传算法在地下工程岩土施工中的应用[J];西昌学院学报(自然科学版);2011年02期

10 吕松召;张墩;付志昆;吴长彬;;基于遗传算法和遗传神经网络算法的堆石料参数反演分析研究[J];中国农村水利水电;2011年06期

中国重要会议论文全文数据库 前10条

1 唐琎;蔡自兴;谭立球;;用基于遗传算法的神经网络指导股市交易[A];1999年中国智能自动化学术会议论文集（下册）[C];1999年

2 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会暨2006年省汽学会理事会议资料[C];2006年

3 云庆夏;卢才武;陈永峰;;计算智能及其在采矿工程中的应用[A];2005年全国金属矿山采矿学术研讨与技术交流会论文集[C];2005年

4 苏航;田志凌;吴建民;;计算机自建模技术及其在焊接材料性能优化中的应用[A];第九次全国焊接会议论文集（第2册）[C];1999年

5 周海清;王恭先;陈正汉;;基于面向对象遗传算法的抗滑桩优化设计程序的研制[A];中国土木工程学会第九届土力学及岩土工程学术会议论文集（下册）[C];2003年

6 吴建生;金龙;;基于实数编码的遗传算法神经网络预报建模研究[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（下册）[C];2004年

7 申元霞;张翠芳;;GA-BP算法在系统辨识中的应用[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年

8 刘辙;彭亮;崔广才;吴学礼;;混合遗传算法在车间调度中的应用[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年

9 曹春红;李文辉;张永坚;;遗传蚂蚁算法在几何约束求解中的应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

10 余有明;刘玉树;阎光伟;;基于遗传算法的图像处理技术[A];立体图象技术及其应用研讨会论文集[C];2005年

中国重要报纸全文数据库 前10条

1 程爱娟;[N];新疆科技报(汉);2001年

2 Viola　编译;[N];第一财经日报;2008年

3 沈建苗　编译;[N];计算机世界;2009年

4 本报记者 张梦然;[N];科技日报;2009年

5 本报实习记者 郭凯;[N];大众科技报;2009年

6 记者 吴苡婷;[N];上海科技报;2010年

7 本报驻堪培拉记者 陈小方;[N];光明日报;2010年

8 ;[N];中国技术市场报;2010年

9 孙扬;[N];新华每日电讯;2010年

10 组稿 王毅俊;[N];上海科技报;2010年

中国博士学位论文全文数据库 前10条

1 孙洁;企业财务危机预警的智能决策方法研究[D];哈尔滨工业大学;2007年

2 霍利民;基于贝叶斯网络的电力系统可靠性评估[D];华北电力大学（河北）;2005年

3 潘文杰;基于人工神经网络技术的烤烟重金属积累特征研究[D];西南大学;2006年

4 王刚;混合智能系统及其在商务智能中的应用研究[D];复旦大学;2008年

5 张旭;具有拓扑结构布局优化的理论及算法[D];大连理工大学;2004年

6 廖平;基于遗传算法的形状误差计算研究[D];中南大学;2002年

7 周明;高新技术产业投资环境系统研究[D];西北工业大学;2006年

8 刘孟祥;三效催化转化器高效长寿低排放优化设计理论及方法研究[D];湖南大学;2008年

9 张需溥;小型化微带天线的设计与数值分析[D];上海大学;2004年

10 杨春成;空间数据挖掘中聚类分析算法的研究[D];解放军信息工程大学;2004年

中国硕士学位论文全文数据库 前10条

1 马会;基于遗传算法的智能组卷系统的研究与实现[D];沈阳工业大学;2009年

2 曲永超;基于遗传算法的商标图案设计[D];山东师范大学;2009年

3 龚完全;基于最小回溯代价的智能组卷算法[D];湖南大学;2005年

4 刘琨;遗传算法在数据挖掘聚类分析中的应用研究[D];中南林业科技大学;2008年

5 朱奉梅;遗传算法在高校排课系统中的研究与应用[D];东北大学;2009年

6 孙晓丽;基于遗传算法的既有线平面及纵断面整正优化设计[D];中南大学;2010年

7 冯秋霞;解最小生成树问题的新的遗传算法[D];西安电子科技大学;2010年

8 郭佳;基于遗传算法的认知无线网络资源分配技术研究[D];西安电子科技大学;2010年

9 宋品;基于改进遗传算法的波束形成技术研究及其应用[D];西安电子科技大学;2010年

10 梁云静;基于遗传算法的主题爬虫搜索策略研究[D];湖北工业大学;2010年

  本文关键词：基于人工智能的参考作物腾发量与作物水盐响应研究，由笔耕文化传播整理发布。