面向農(nóng)業(yè)領(lǐng)域數(shù)據(jù)的智能化模型研究.pdf

1、人工智能技術(shù)日新月異的發(fā)展，必然帶動(dòng)現(xiàn)代化農(nóng)業(yè)的迅速發(fā)展。然而日積月累，現(xiàn)在農(nóng)業(yè)領(lǐng)域已積累了大量的寶貴數(shù)據(jù)，急需新的技術(shù)去挖掘、利用現(xiàn)有農(nóng)業(yè)數(shù)據(jù)之間的內(nèi)在規(guī)律和本質(zhì)，利用現(xiàn)代的信息技術(shù)去更好的服務(wù)農(nóng)業(yè)，提高農(nóng)業(yè)的運(yùn)作效率，減輕農(nóng)民負(fù)擔(dān)。本文將遺傳程序設(shè)計(jì)(Genetic Program，簡(jiǎn)稱GP)和人工神經(jīng)網(wǎng)絡(luò)(Articial Neutral NetWork)等技術(shù)運(yùn)用于現(xiàn)代化的施肥模型構(gòu)造中，并與傳統(tǒng)的施肥模型構(gòu)造方法做出對(duì)比，以指

2、出傳統(tǒng)建模方法的不足之處。 本文的主要工作及所作貢獻(xiàn)如下： (1)分析了進(jìn)化計(jì)算中的GP的運(yùn)行機(jī)理，從GP存在的問(wèn)題出發(fā)，以提高算法搜索效率加強(qiáng)收斂性能為目的，對(duì)遺傳程序設(shè)計(jì)結(jié)合本實(shí)驗(yàn)項(xiàng)目作進(jìn)一步改進(jìn)及其在實(shí)驗(yàn)室中的運(yùn)用。引入一種新的符號(hào)回歸算法GEP，它集GP和GA的優(yōu)點(diǎn)。 (2)神經(jīng)網(wǎng)絡(luò)是一種有效的智能化模型建立、優(yōu)化的方法，它具有一般統(tǒng)計(jì)方法無(wú)可比擬的特殊優(yōu)勢(shì)。針對(duì)BP算法在施肥模型建立過(guò)程的缺陷，做出了一

3、些改進(jìn)。采用Levenberg-Marqtlardt算法，可變學(xué)習(xí)速率算法，動(dòng)量算法訓(xùn)練BP網(wǎng)絡(luò)，結(jié)合仿真試驗(yàn)，以提高算法運(yùn)行效率加強(qiáng)收斂性能為目的，對(duì)這幾種改進(jìn)算法進(jìn)行了分析和對(duì)比，同時(shí)利用GP對(duì)神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)進(jìn)行優(yōu)化。 (3)針對(duì)現(xiàn)有的施肥模型優(yōu)缺點(diǎn)進(jìn)行探討及其將不同的建模方法應(yīng)用到施肥過(guò)程中，最后以安徽省肥西縣三組施肥數(shù)據(jù)作為數(shù)據(jù)源，進(jìn)行四種不同施肥模型的試驗(yàn)數(shù)據(jù)比較和對(duì)比。 (4)針對(duì)智能化施肥模型系統(tǒng)進(jìn)行需