基于BP人工神經(jīng)網(wǎng)絡(luò)的膜下滴灌作物水分響應(yīng)及農(nóng)田墑情預(yù)報(bào)模型研究.pdf

1、人工智能(ArtificialIntelligence)是人類發(fā)展到計(jì)算機(jī)時(shí)代的又一個(gè)夢(mèng)想，為知識(shí)學(xué)習(xí)和獲取自動(dòng)化、知識(shí)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(gè)方面系統(tǒng)提供了可能。為滿足土壤-作物-大氣系統(tǒng)(SPAC)深入研究及復(fù)雜系統(tǒng)建模優(yōu)化的需要，本文針對(duì)SPAC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)(ArtificialNeuralNetwork簡寫ANN)為建模、系統(tǒng)優(yōu)化工具，SPAC為研究

2、對(duì)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(diǎn)，將其運(yùn)用于該領(lǐng)域多個(gè)問題的解決中。就人工神經(jīng)網(wǎng)絡(luò)在膜下滴灌條件下的作物水分響應(yīng)(CropResponsetoWater簡寫CRW)和土壤墑情預(yù)報(bào)中的運(yùn)用進(jìn)行了探索性的研究，為SPAC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)由于現(xiàn)有作物水分響應(yīng)模型的數(shù)學(xué)結(jié)構(gòu)和敏感指標(biāo)的表達(dá)對(duì)某些作物品種、受旱形式及生長環(huán)境等存在著不適性，傳統(tǒng)建模方法仍

3、有諸多不便之處。本文依據(jù)人工神經(jīng)網(wǎng)絡(luò)的基本原理在充分吸收其最新理論研究成果的基礎(chǔ)上，以膜下滴灌試驗(yàn)得到的實(shí)測(cè)棉花產(chǎn)量和各生育階段水分資料為樣本建立了基于BP神經(jīng)網(wǎng)絡(luò)的棉花作物水分響應(yīng)模型。在不同供水量下對(duì)棉花產(chǎn)量的模擬預(yù)測(cè)表明，該模型能夠正確反映棉花產(chǎn)量與水分關(guān)系的一般規(guī)律。BP神經(jīng)網(wǎng)絡(luò)在作物水分響應(yīng)模型的建模和產(chǎn)量模擬預(yù)測(cè)中是值得借鑒的理論和有效工具。本文開拓了膜下滴灌條件下棉花水分響應(yīng)模型建模理論的新思路。 (2)建立了兩種