【摘要】：作物生長模型是精準農業(yè)、數字農業(yè)和智能農業(yè)的重要支撐,近年來模型研究呈現出內容細致化、目標多樣化和應用具體化等發(fā)展趨勢。基于小樣本數據的作物生長模型具有低耗、靈活、高效、兼容性強等優(yōu)點,能夠彌補大型綜合性模型在作物生理學研究、環(huán)境脅迫研究以及溫室調控應用等方面存在的不足,但如何確保模型性能是小樣本作物生長建模的難點和研究意義所在。本文以多種作物的光合生理-環(huán)境實測數據為對象,研究小樣本作物生長建模的若干關鍵問題,探討確保模型性能的可行方法。主要內容和結果包括:(1)監(jiān)測數據的預處理研究。針對PTM-48A型作物光合生理-環(huán)境參數監(jiān)測儀對草莓、黑豆、番茄、南瓜、黃瓜等作物的連續(xù)監(jiān)測數據,采用聚類分析對數據集的時間維度進行分類,獲得連續(xù)、全面、均勻的數據段,再針對聚類獲得的符合要求的數據段進行異常檢測,剔除干擾數據點。通過聚類分析及異常檢測處理,為后續(xù)分析和建模提供了可靠的樣本數據。(2)因子分析與選擇研究。以作物的CO2交換速率及其環(huán)境影響因子的相互關系為對象,定量地研究、比較了數據建模中常用的兩種多因子分析方法——相關分析及通徑分析的性能。實驗結果表明,與相關分析相比,通徑分析能夠解釋因子間的直接和間接作用效果,分析過程更全面,而且能夠消除變量間的多重共線性,變量選擇更有效,更適宜小樣本數據作物建模。(3)模型構建方法研究。研究、比較了兩種代表性建模方法——回歸模型和人工神經網絡模型的性能。針對四種常見回歸模型的實驗表明,純二次模型精度較高而復雜度較低,更適宜用作小樣本數據作物建模;運用黃瓜的CO2交換率-環(huán)境參數,建立了性能良好的小樣本GA-BP預測模型;與純二次回歸模型相比,GA-BP神經網絡模型更適宜用于小樣本數據的作物模型構建。
【圖文】：

第二章 數據采集與預處理息科學的重要分支之一，是信息處理的前接的橋梁[103]。對于小樣本數據作物模型而小樣本數據作物模型對數據的準確性、更高，這就使得在進行數據采集時，必須。及的實驗數據都是采用以色列 B.F.Agritec號植物光合生理-環(huán)境因子監(jiān)測系統(tǒng)[104][1包括生理環(huán)境傳感器、系統(tǒng)控制臺、計算

表 2-1 仿真數據聚類樹的數字化表示ble 2-1 Digitization of hierarchical clustering tree of simulation2 3 4 5 6 7 8 9 10 11 12 131 3 4 5 6 7 8 9 13 12 11 102 20 21 22 23 24 25 26 14 28 29 301 1 1 1 1 1 1 1 2 2 2 2，對于同一次監(jiān)測時間數據段，存在如下規(guī)1，其合并成的類即第 20 類，與第三類的類間類為第 21 類，與第四類的類間距離仍為 1。這是由于監(jiān)測時間遞增、連續(xù)、等間隔的 k 設置為： 1zk N示唯一類間距離，即去重復后的類間距離數數。通過圖 2-2 和表 2-1 可知，對于樣本仿5。使用聚類分析將數據段劃分為 5 類，，結果
【學位授予單位】：安徽農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：S126

【相似文獻】

相關會議論文 前1條

1 李青;賀步杰;;小樣本數據分布最優(yōu)擬合的方法研究[A];中國現場統(tǒng)計研究會第九屆學術年會論文集[C];1999年

相關碩士學位論文 前1條

1 張靜;小樣本數據作物模型研究[D];安徽農業(yè)大學;2015年

本文編號：2575469