针对作物产量形成中的“合理结构”、“合理动态”和作物生产中的调控决策等问题,于1997～1999年分别在北京市西郊农场和东北旺乡进行了水稻和冬小麦的小区试验和实地调查。在获取完整信息集的基础上,将作物多维全息协调理论和人工神经网络技术相结合对上述问题进行了初步探索,主要研究内容如下: 1.用β-P神经网络描述作物生育动态。通过选择β-P神经网络结构和改进训练算法,网络模型具有较高的拟合精度、收敛速度快和泛化能力强等特点。运用β-P网络可实现作物生育进程中单输入单输出、单输入多输出、多输入单输出和多输入多输出动态关系的描述。在此基础上,可进一步实现对作物生育动态的预测。 2.讨论作物生育动态特征的确认方法。首次提出“作用长度”的概念,并定义为某一生育状态指标集在某一时刻的状态量和时间值的结构作用平均作为生育动态的时空综合度量值,在此基础上对多维状态空间结构协调原理进行了完善,并提出了多维状态时空结构协调原理。 3.将作物多维全息协调理论与β-P神经网络加以结合,即应用全息协调神经网络去认识、解决作物生育的“合理动态”问题。以冬小麦为例,找到并映射出了产量和产量结构与生育动态的协调结构,依目标值对其生育动态进行协调优化。 4.应用全息协调神经网络对作物生产方案进行决策。分别以冬小麦和水稻为例,对其产量目标、生育动态和综合农艺措施进行了决策;并对水稻的决策方案进行了验证,结果证明了全息协调神经网络的准确性。