本文關(guān)鍵詞：基于人工智能的參考作物騰發(fā)量與作物水鹽響應(yīng)研究，由筆耕文化傳播整理發(fā)布。

《內(nèi)蒙古農(nóng)業(yè)大學(xué)》 2004年

基于人工智能的參考作物騰發(fā)量與作物水鹽響應(yīng)研究

霍再林  

【摘要】：人工智能（Artificial Intelligence）是人類發(fā)展到計算機時代的又一個夢想，為知識學(xué)習(xí)和獲取自動化、知識表達(dá)方式普適性、搜索求解高效率和全局化、智能體活化于環(huán)境等多個方面統(tǒng)提供了可能。為滿足水土工程深入研究及復(fù)雜系統(tǒng)建模優(yōu)化的需要，本文針對水土工程系統(tǒng)特有的復(fù)雜性，以人工智能技術(shù)中重要分支人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network簡寫ANN)和遺傳算法(Genetic Algorithm簡寫GA)為建模、系統(tǒng)優(yōu)化工具，水土工程系統(tǒng)中土壤作物大氣（SPAC）為研究對象，充分利用人工智能技術(shù)的自適應(yīng)能力、非線性、全局優(yōu)化等特點，將其運用于該領(lǐng)域多個問題的解決中。就人工神經(jīng)網(wǎng)絡(luò)、遺傳算法在參考作物騰發(fā)量（Reference Crop Evapotranspiration簡寫ET0）和作物水鹽響應(yīng)（Crop Response to Water-Salt簡寫CRWS）中的運用進行了探索性的研究，為水土工程領(lǐng)域復(fù)雜系統(tǒng)多參非線性問題的求解開辟了新路。論文取得了以下研究成果： (1)在分析氣象因子與ET0相關(guān)性的基礎(chǔ)上，將ANN運用到了ET0的計算模型研究中。建立了小尺度區(qū)域ET0的4因子（輻射、溫度、濕度、風(fēng)速）和3因子（輻射、溫度、濕度）ANN模型，提出了各自的適用條件。在非凍期，4因子模型能有效地表征氣象因子對ET0的影響，，有較高的精度；風(fēng)速不大時，可忽略風(fēng)速對ET0的影響，3因子模型有一定的精度，可滿足生產(chǎn)的需要。對大尺度區(qū)域（北方干旱寒冷區(qū)）的ET0時空變化及其相關(guān)性進行了研究，提出了不同子區(qū)域的ET0線性模型。在此基礎(chǔ)上，建立了適合不同子區(qū)域的ET0的ANN模型，同時對模型進行了評價。研究表明，由于ANN的非線性、自適應(yīng)性等優(yōu)點，使得所建ET0的ANN模型精度高。此研究是傳統(tǒng)ET0計算模型的補充。 (2) 在含鹽土壤節(jié)水灌溉試驗的基礎(chǔ)上，針對作物水鹽響應(yīng)的復(fù)雜性，充分利用ANN表征多參非線性關(guān)系的優(yōu)點，將ANN引入作物水鹽響研究中。通過因子分析、網(wǎng)絡(luò)結(jié)構(gòu)分析，建立了作物（油料向日葵）水鹽響應(yīng)的10因子和6因子人工神經(jīng)網(wǎng)絡(luò)模型（BP-CRWS）。經(jīng)檢驗，此2種模型的模擬精度均較高，考慮到模型的復(fù)雜性等，研究中推薦使用6因子模型。運用所建立的模型進行了作物水鹽響應(yīng)敏感性分析研究，得到中輕度含鹽土壤中油料向日葵在現(xiàn)蕾期對缺水最敏感，其次是開花期和苗期；而在重度含鹽土壤中，油料向日葵對缺水敏感由大到小依次是苗期、現(xiàn)蕾期、開花期。這一模擬結(jié)果與試驗結(jié)果相一致。此研究為作物水鹽響應(yīng)及相關(guān)研究開辟了新路。 (3) 在作物水模型及作物水鹽響應(yīng)相關(guān)研究中，目前多采用最小二乘法進行參數(shù) WP=3 尋優(yōu)，動態(tài)規(guī)劃法對系統(tǒng)進行優(yōu)化。這些傳統(tǒng)的優(yōu)化方法往往不可避免地會陷入局部最優(yōu)點。作為模仿生物進化論的遺傳算法為全局優(yōu)化提供了新的思路。本文將GA運用到了作物水鹽響應(yīng)的相關(guān)研究中。運用基于實碼的加速遺傳算法(RAGA)優(yōu)化求解了春小麥作物水模型的敏感系數(shù)。結(jié)果表明，遺傳算法所與最小二乘法所求得敏感系數(shù)對作物的適應(yīng)性相當(dāng)，但前者由于人為控制了系數(shù)的范圍，所得結(jié)果合理。通過GA-ANN耦合模型的建立求解了不同含鹽程度土壤中作物（油料向日葵）的適宜含水率。分析研究表明，GA能避免傳統(tǒng)優(yōu)化算法的限入局部最優(yōu)點的缺點，為水土工程系統(tǒng)非線性多參尋優(yōu)提供了捷徑。 目前人工智能技術(shù)在水土工程研究中的應(yīng)用大多屬于嘗試性，本研究將ANN和GA運用到了ET0和CRWS的建模及參數(shù)尋優(yōu)中，初步證明了其在水土工程研究中的可行性，旨在起到拋磚引玉的作用，使得水土工程中的一些常規(guī)解析法、常規(guī)優(yōu)化方法難以解決的復(fù)雜問題得以解決。

【關(guān)鍵詞】：
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2004
【分類號】：S126
【目錄】：

下載全文 更多同類文獻(xiàn)

CAJ全文下載

(如何獲取全文？ 歡迎：購買知網(wǎng)充值卡、在線充值、在線咨詢)

CAJViewer閱讀器支持CAJ、PDF文件格式

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 隨順科;孫長江;;生物遺傳算法在PID控制無土栽培噴液速度中的應(yīng)用研究[J];安徽農(nóng)業(yè)科學(xué);2011年22期

2 余青原;張寶偉;;基于遺傳算法的城市給水管網(wǎng)優(yōu)化運行研究[J];西南農(nóng)業(yè)大學(xué)學(xué)報(社會科學(xué)版);2011年05期

3 鄭志宏;許強;;遺傳算法用于給水系統(tǒng)優(yōu)化調(diào)度[J];灌溉排水學(xué)報;2007年S1期

4 葉勇;羅紅恩;張立偉;;改進遺傳算法下的畜禽冷鏈配送優(yōu)化研究[J];安徽農(nóng)業(yè)科學(xué);2011年17期

5 郭艷光;馬麗麗;郝拉柱;;隨機算法數(shù)據(jù)的傾向性選擇[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版);2011年02期

6 景少波;王成福;何英;;灌區(qū)渠系優(yōu)化配水模型研究[J];新疆水利;2011年05期

7 曹素兵;朱嬋;;RNA二級結(jié)構(gòu)遺傳預(yù)測算法中的選擇操作研究[J];安徽農(nóng)業(yè)科學(xué);2011年14期

8 高偉增;曹玉松;張江維;;渠系配水優(yōu)化遺傳算法求解[J];安徽農(nóng)業(yè)科學(xué);2011年19期

9 謝孟卿;張雪飛;;基因遺傳算法在地下工程巖土施工中的應(yīng)用[J];西昌學(xué)院學(xué)報(自然科學(xué)版);2011年02期

10 呂松召;張墩;付志昆;吳長彬;;基于遺傳算法和遺傳神經(jīng)網(wǎng)絡(luò)算法的堆石料參數(shù)反演分析研究[J];中國農(nóng)村水利水電;2011年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 唐琎;蔡自興;譚立球;;用基于遺傳算法的神經(jīng)網(wǎng)絡(luò)指導(dǎo)股市交易[A];1999年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1999年

2 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會暨2006年省汽學(xué)會理事會議資料[C];2006年

3 云慶夏;盧才武;陳永峰;;計算智能及其在采礦工程中的應(yīng)用[A];2005年全國金屬礦山采礦學(xué)術(shù)研討與技術(shù)交流會論文集[C];2005年

4 蘇航;田志凌;吳建民;;計算機自建模技術(shù)及其在焊接材料性能優(yōu)化中的應(yīng)用[A];第九次全國焊接會議論文集（第2冊）[C];1999年

5 周海清;王恭先;陳正漢;;基于面向?qū)ο筮z傳算法的抗滑樁優(yōu)化設(shè)計程序的研制[A];中國土木工程學(xué)會第九屆土力學(xué)及巖土工程學(xué)術(shù)會議論文集（下冊）[C];2003年

6 吳建生;金龍;;基于實數(shù)編碼的遺傳算法神經(jīng)網(wǎng)絡(luò)預(yù)報建模研究[A];推進氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國氣象學(xué)會2004年年會論文集（下冊）[C];2004年

7 申元霞;張翠芳;;GA-BP算法在系統(tǒng)辨識中的應(yīng)用[A];中國自動化學(xué)會、中國儀器儀表學(xué)會2004年西南三省一市自動化與儀器儀表學(xué)術(shù)年會論文集[C];2004年

8 劉轍;彭亮;崔廣才;吳學(xué)禮;;混合遺傳算法在車間調(diào)度中的應(yīng)用[A];中國自動化學(xué)會全國第九屆自動化新技術(shù)學(xué)術(shù)交流會論文集[C];2004年

9 曹春紅;李文輝;張永堅;;遺傳螞蟻算法在幾何約束求解中的應(yīng)用[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

10 余有明;劉玉樹;閻光偉;;基于遺傳算法的圖像處理技術(shù)[A];立體圖象技術(shù)及其應(yīng)用研討會論文集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 程愛娟;[N];新疆科技報(漢);2001年

2 Viola　編譯;[N];第一財經(jīng)日報;2008年

3 沈建苗　編譯;[N];計算機世界;2009年

4 本報記者 張夢然;[N];科技日報;2009年

5 本報實習(xí)記者 郭凱;[N];大眾科技報;2009年

6 記者 吳苡婷;[N];上�？萍紙�;2010年

7 本報駐堪培拉記者 陳小方;[N];光明日報;2010年

8 ;[N];中國技術(shù)市場報;2010年

9 孫揚;[N];新華每日電訊;2010年

10 組稿 王毅俊;[N];上海科技報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 孫潔;企業(yè)財務(wù)危機預(yù)警的智能決策方法研究[D];哈爾濱工業(yè)大學(xué);2007年

2 霍利民;基于貝葉斯網(wǎng)絡(luò)的電力系統(tǒng)可靠性評估[D];華北電力大學(xué)（河北）;2005年

3 潘文杰;基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的烤煙重金屬積累特征研究[D];西南大學(xué);2006年

4 王剛;混合智能系統(tǒng)及其在商務(wù)智能中的應(yīng)用研究[D];復(fù)旦大學(xué);2008年

5 張旭;具有拓?fù)浣Y(jié)構(gòu)布局優(yōu)化的理論及算法[D];大連理工大學(xué);2004年

6 廖平;基于遺傳算法的形狀誤差計算研究[D];中南大學(xué);2002年

7 周明;高新技術(shù)產(chǎn)業(yè)投資環(huán)境系統(tǒng)研究[D];西北工業(yè)大學(xué);2006年

8 劉孟祥;三效催化轉(zhuǎn)化器高效長壽低排放優(yōu)化設(shè)計理論及方法研究[D];湖南大學(xué);2008年

9 張需溥;小型化微帶天線的設(shè)計與數(shù)值分析[D];上海大學(xué);2004年

10 楊春成;空間數(shù)據(jù)挖掘中聚類分析算法的研究[D];解放軍信息工程大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馬會;基于遺傳算法的智能組卷系統(tǒng)的研究與實現(xiàn)[D];沈陽工業(yè)大學(xué);2009年

2 曲永超;基于遺傳算法的商標(biāo)圖案設(shè)計[D];山東師范大學(xué);2009年

3 龔?fù)耆?基于最小回溯代價的智能組卷算法[D];湖南大學(xué);2005年

4 劉琨;遺傳算法在數(shù)據(jù)挖掘聚類分析中的應(yīng)用研究[D];中南林業(yè)科技大學(xué);2008年

5 朱奉梅;遺傳算法在高校排課系統(tǒng)中的研究與應(yīng)用[D];東北大學(xué);2009年

6 孫曉麗;基于遺傳算法的既有線平面及縱斷面整正優(yōu)化設(shè)計[D];中南大學(xué);2010年

7 馮秋霞;解最小生成樹問題的新的遺傳算法[D];西安電子科技大學(xué);2010年

8 郭佳;基于遺傳算法的認(rèn)知無線網(wǎng)絡(luò)資源分配技術(shù)研究[D];西安電子科技大學(xué);2010年

9 宋品;基于改進遺傳算法的波束形成技術(shù)研究及其應(yīng)用[D];西安電子科技大學(xué);2010年

10 梁云靜;基于遺傳算法的主題爬蟲搜索策略研究[D];湖北工業(yè)大學(xué);2010年

  本文關(guān)鍵詞：基于人工智能的參考作物騰發(fā)量與作物水鹽響應(yīng)研究，由筆耕文化傳播整理發(fā)布。