论文部分内容阅读
我国是农业大国,玉米作为我国的主要作物之一。在农业生产中如何提高农作物产量是极重要的研究课题,而其生长环境因子与其产量有着密切的关系。因此,本文旨在分析玉米生长环境因子变化规律及其预测方法,并对玉米产量进行预测;同时研究玉米果实鲜重与其表型参量的相关性,并构建其与玉米表型参量的回归方程。首先,本文对数据做预处理,剔除异常冗余数据,并对玉米生长环境因子与其表型参量做相关性分析,提取与其表型参量相关性较大的生长环境因子以便做进一步分析。然后,采用拟合方法分析玉米生长各环境因子的变化规律,同时,依据其信号变化类型分别采用不同的模型分别进行预测。对于信号高频分量较为复杂的玉米生长环境因子(空气湿度、二氧化碳浓度、土壤盐分),本研究提出一种组合预测模型WPD-CEEMD-GA-Elman。即采用小波包WPD与完全总体经验模态分解CEEMD算法先对环境因子数据进行二次分解,然后再用遗传算法GA和Elman神经网络组合GA-Elman进行预测。针对信号分量较为简单的玉米生长环境因子(空气温度、土壤温度、土壤湿度),本研究提出另一种组合模型WPD-GA-Elman。即采用小波包WPD分解玉米生长环境因子数据,然后再采用遗传算法GA和Elman神经网络组合GA-Elman进行预测。实验结果表明这两种组合模型在本研究获取的玉米生长环境因子数据集上的预测效果为最佳。其次,本研究基于玉米环境因子对其产量的影响,采用统计年鉴数据对玉米产量进行预测。实验中,结合玉米生长环境因子变化规律,在已有研究成果的基础上,将玉米生长期内的月平均气温、最高气温、最低气温、空气平均相对湿度、总降雨量、土壤平均温度、土壤平均相对湿度作为输入量,玉米单位面积产量作为输出量,分别采用Elman神经网络、GA-Elman神经网络模型对内蒙古自治区近40年的玉米产量进行预测。实验结果表明GA-Elman神经网络预测精度较高,其与Elman神经网络相比提高了59.38%。最后,在本研究获取的玉米表型参量数据集上做相关性分析,实验结果表明,玉米果实底端周长、玉米果实长度、玉米植株高度与玉米果实鲜重的相关性依次减小,且玉米植株节数对其影响较小。并采用逐步回归,获得玉米果实鲜重与其表型参量的回归方程,为实时监测玉米的产量奠定了基础。