基于BP人工神經(jīng)網(wǎng)絡的膜下滴灌作物水分響應及農(nóng)田墑情預報模型研究.pdf

1、人工智能(ArtificialIntelligence)是人類發(fā)展到計算機時代的又一個夢想，為知識學習和獲取自動化、知識表達方式普適性、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)深入研究及復雜系統(tǒng)建模優(yōu)化的需要，本文針對SPAC系統(tǒng)特有的復雜性，以人工智能技術中重要分支人工神經(jīng)網(wǎng)絡(ArtificialNeuralNetwork簡寫ANN)為建模、系統(tǒng)優(yōu)化工具，SPAC為研究

2、對象，充分利用人工智能技術的自適應能力、非線性、全局優(yōu)化等特點，將其運用于該領域多個問題的解決中。就人工神經(jīng)網(wǎng)絡在膜下滴灌條件下的作物水分響應(CropResponsetoWater簡寫CRW)和土壤墑情預報中的運用進行了探索性的研究，為SPAC復雜系統(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)有作物水分響應模型的數(shù)學結構和敏感指標的表達對某些作物品種、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)絡的基本原理在充分吸收其最新理論研究成果的基礎上，以膜下滴灌試驗得到的實測棉花產(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)絡的棉花作物水分響應模型。在不同供水量下對棉花產(chǎn)量的模擬預測表明，該模型能夠正確反映棉花產(chǎn)量與水分關系的一般規(guī)律。BP神經(jīng)網(wǎng)絡在作物水分響應模型的建模和產(chǎn)量模擬預測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模型建模理論的新思路。 (2)建立了兩種