基于BP神经网络的黄瓜光合速率预测模型研究

发布时间：2017-06-03 01:10

  本文关键词：基于BP神经网络的黄瓜光合速率预测模型研究，由笔耕文化传播整理发布。

【摘要】：我国设施蔬菜栽培面积占世界总面积的90%以上,已成为我国现代农业的重要组成部分,黄瓜是我国设施栽培的主要蔬菜之一。作物需求模型的构建是设施高效管理的基础,其中光合速率预测模型是营造适宜作物光合作用小环境的理论基础。现有的基于BP神经网络的光合速率模型通常考虑光照强度、二氧化碳浓度、温度等环境因素,存在收敛速度慢,模型拟合程度不高等问题。本文在分析环境因子对光合速率影响的基础上,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。通过分析幼苗期与开花结果期光合速率差异性,对比建立考虑阶段参数和不考虑阶段参数的两个模型,以此提出融合叶绿素的黄瓜全程光合速率预测模型。本文的主要工作和结论如下:(1)基于BP神经网络的建模方法研究。深入分析作物光合作用机理,选择黄瓜为试验样本,设计涵盖从幼苗期到开花结果期的全阶段多因子嵌套试验,温度设为5个梯度,二氧化碳浓度设为5个梯度,光照强度设为11个梯度,采用Li-6400XT便携式光合仪进行作物净光合速率测定。对获得的1650组试验数据进行归一化处理,分别运用梯度下降法、自适应调节学习率法和非线性最小二乘法(LM训练法)三种网络训练方法进行对比验证。结果表明,当输入因子为五维时,采用梯度下降法构建模型的实测值和预测值决定系数为0.9131,网络训练误差为0.00084;采用自适应调节学习率法构建模型的实测值和预测值决定系数为0.9186,网络训练误差为0.00053;采用LM训练法构建模型的实测值和预测值决定系数为0.9872,网络达到期望的训练误差水平0.0001,LM训练法模型的网络训练误差小,拟合程度好。将生长期作为一维输入因子,即输入因子为六维时,对比三种网络训练方法,结果仍然是LM训练法效果好,所以本文采用LM训练法进行模型构建。(2)叶绿素含量对光合速率模型的影响分析。采用LM训练法分别建立融合与未融合叶绿素含量的光合速率预测模型,融合叶绿素含量模型的实测值和预测值决定系数为0.9872,网络达到期望的训练误差水平0.0001,未融合叶绿素含量模型的实测值和预测值决定系数为0.9702,网络训练误差为0.00025,融合叶绿素含量构建的模型训练效果好,可有效越过局部平坦区,误差小,模型预测值与实测值拟合程度好。(3)生长阶段对光合速率模型的影响分析。针对不同生长阶段光合能力差异性,采用LM训练法进行黄瓜开花结果期模型训练,证明其与幼苗期光合速率模型存在明显不同。在不考虑阶段参数影响时,建立融合两个时期1650组数据的BP神经网络模型,模型的实测值和预测值决定系数为0.8796,网络训练误差为0.00030,将阶段参数作为一维因子输入到神经网络,建立融合阶段参数的光合速率预测模型,模型的实测值和预测值决定系数为0.9897,网络训练误差小于期望误差0.0001。由此可见,融合阶段参数的模型训练效果好,网络训练误差小。本文构建了基于BP神经网络的黄瓜光合速率预测模型,探讨了叶绿素含量和阶段参数对光合速率的影响,研究成果对提高设施黄瓜产量与品质具有重要作用,并为营造适宜不同作物生长的设施小环境提供了理论基础。
【关键词】：光合速率 预测模型 BP神经网络 LM训练法
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S642.2;TP183
【目录】：

• 摘要6-8
• ABSTRACT8-12
• 第一章 绪论12-17
• 1.1 研究背景和意义12-13
• 1.2 国内外研究现状13-14
• 1.2.1 光合速率模型相关研究13-14
• 1.2.2 神经网络相关研究14
• 1.3 研究内容14-15
• 1.4 技术路线15-16
• 1.5 章节安排16-17
• 第二章 黄瓜多因子嵌套试验与分析17-28
• 2.1 光合作用机理分析17-18
• 2.2 试验条件18-19
• 2.3 试验方案19-20
• 2.4 试验方法20-24
• 2.4.1 仪器介绍20
• 2.4.2 仪器特点20-21
• 2.4.3 光合测定过程中的注意事项21
• 2.4.4 试验过程21-24
• 2.5 试验结果与分析24-27
• 2.5.1 叶绿素数据分析24-25
• 2.5.2 幼苗期与开花结果期试验数据分析25-27
• 2.6 本章小结27-28
• 第三章 BP神经网络参数的选取28-37
• 3.1 BP神经网络建模方法28-29
• 3.2 试验数据预处理29-31
• 3.3 BP神经网络参数确定31-36
• 3.3.1 网络层数的确定31-32
• 3.3.2 输入和输出层节点数的确定32-33
• 3.3.3 隐节点数的设计33-34
• 3.3.4 网络传递函数的确定34-36
• 3.4 本章小结36-37
• 第四章 黄瓜光合速率预测模型分析37-49
• 4.1 融合叶绿素含量的光合速率预测模型构建37-44
• 4.1.1 三种网络训练方法对比37-42
• 4.1.2 融合叶绿素含量与未融合叶绿素含量的黄瓜幼苗光合速率预测模型42-44
• 4.2 融合阶段参数的黄瓜全程光合速率预测模型构建44-48
• 4.2.1 黄瓜分阶段光合速率训练曲线44-47
• 4.2.2 黄瓜分阶段光合速率预测模型47-48
• 4.3 本章小结48-49
• 第五章 总结与展望49-52
• 5.1 总结49
• 5.2 创新点49-50
• 5.3 展望50-52
• 参考文献52-56
• 致谢56-57
• 作者简介57

【相似文献】

中国期刊全文数据库 前10条

1 李炜;肖佳雷;谭贺;姜宇博;夏天舒;王俊河;;不同垄向栽培对作物净光合速率及产量的影响[J];中国农村小康科技;2010年11期

2 赖世登;刘祚昌;余彦波;安庆坤;;小麦光合速率和光呼吸的研究[J];Journal of Integrative Plant Biology;1981年02期

3 刘承晏;聂惠文;冯社章;;梨树光合速率测定方法研究初报[J];中国果树;1983年04期

4 莫壮才;;用气相色谱法测定植物光合速率[J];热带作物研究;1987年03期

5 张理昌;;小麦光合速率测定研究初报[J];河南农业科学;1987年11期

6 冯春生,张庆海,赵福林;几种植物光合速率的测量[J];吉林农业科学;1988年04期

7 宫秀杰;滕云飞;钱春荣;于洋;马军韬;;玉米/辣椒间作复合群体生理效应研究Ⅰ.不同间作方式对玉米/辣椒光合速率和产量的影响[J];中国农学通报;2010年21期

8 刘怀年;邓晓建;李平;;水稻品种资源光合速率研究[J];四川农业大学学报;2007年04期

9 赵玖;;水稻单叶净光合速率遗传规律的研究[J];贵州农学院学报;1984年01期

10 高新学,高学增;玉米光强——光合速率的数学模型分析[J];山东农业科学;1987年03期

中国重要会议论文全文数据库 前8条

1 张庆费;夏檑;;光胁迫对一些城市绿化植物光合速率的影响[A];中国植物生理学会全国学术年会暨成立40周年庆祝大会学术论文摘要汇编[C];2003年

2 赵世杰;彭涛;高辉远;李滨;孟庆伟;;几种光合速率测定方法的比较以及在实验教学中的应用效果[A];2005'海峡两岸植物生理与分子生物学教学研讨会论文集[C];2005年

3 李佑稷;李菁;陈军;黄国文;;不同生态因子对尖叶拟船叶藓光合速率的综合影响及其模型[A];中国植物学会七十周年年会论文摘要汇编（1933—2003）[C];2003年

4 管延安;任莲菊;杨永琛;李晓云;尹庆良;;不同熟期谷子品种光合速率的比较研究初报[A];第一届全国青年作物栽培作物生理学术会文集[C];1993年

5 艾先涛;李雪源;郑巨云;秦文斌;王俊铎;吐尔逊江;莫明;孙国清;;南疆棉花历史品种光合速率差异与高光效育种策略研究[A];中国棉花学会2005年年会暨青年棉花学术研讨会论文汇编[C];2005年

6 吴沅英;方志伟;程在全;张荣铣;;小麦叶片、叶肉细胞、叶绿体的形态、结构与光合速率的关系[A];第五次全国电子显微学会议论文摘要集[C];1988年

7 李晓光;张建光;高颖;王金鑫;程子义;;光照强度对鸭梨叶片净光合速率和抗氧化特性的影响[A];梨科研与生产进展（五）[C];2011年

8 李六林;季兰;;欧榛光合特性及影响因子的研究[A];中国园艺学会第七届青年学术讨论会论文集[C];2006年

中国重要报纸全文数据库 前1条

1 王星玉;GPIT技术在山西农业上的应用前景（上）[N];山西经济日报;2002年

中国博士学位论文全文数据库 前1条

1 徐践;玉竹光合生理特性研究[D];北京林业大学;2003年

中国硕士学位论文全文数据库 前10条

1 王宝山;小麦近等基因系光合速率、蔗糖代谢和淀粉积累的研究[D];山东农业大学;2015年

2 王明;乌兹别克斯坦1号i卙r与阿克苏苹果型i卙r光合特性对比研究[D];新疆农业大学;2014年

3 陶彦蓉;基于BP神经网络的黄瓜光合速率预测模型研究[D];西北农林科技大学;2016年

4 徐敏;艾比湖流域两种典型生态系统光合特性研究[D];新疆大学;2010年

5 刘怀年;稻种资源光合速率研究及杂交稻亲本配合力分析[D];四川农业大学;2006年

6 乐义成;三种木兰科树种光合速率的比较研究[D];华中农业大学;2007年

7 黄彬香;红外气体分析法测定单叶光合速率常见问题及误差分析[D];中国农业大学;2003年

8 巩东辉;螺旋藻光合速率对主要环境因子响应规律的研究[D];内蒙古农业大学;2004年

9 吴艳洪;水稻光合能力的高温稳定性评价指标研究[D];华中农业大学;2006年

10 宋慧;不同小豆品种植株衰老生理特性研究[D];西北农林科技大学;2010年

  本文关键词：基于BP神经网络的黄瓜光合速率预测模型研究，，由笔耕文化传播整理发布。

本文编号：416933