论文部分内容阅读
冬小麦是我国北方地区的主要作物之一,冬小麦产量-水-肥关系研究对于发展节水高效农业具有重要意义。本论文在田间试验基础上对冬小麦产量-水-肥关系进行了研究,利用不同方法建立了冬小麦水分生产函数 Jensen 模型,对结果进行了比较、分析;将遗传算法(GA)和反向传播算法(BPA)相结合,建立了反映冬小麦产量-水-肥关系的人工神经网络(ANN)模型。 论文的研究工作以北京永乐店试验站和山西潇河灌溉试验站的冬小麦田间试验为基础。在北京永乐店田间水量平衡分析基础上,利用双因素方差分析和多项式回归方法对冬小麦产量-水-肥关系做了初步的分析,认为在该试验中施肥对冬小麦产量无显著影响。 利用普通最小二乘回归(OLSR)、偏最小二乘回归(PLSR)、GA 和EXCEL 规划求解工具分别对山西潇河冬小麦 Jensen 模型和北京永乐店不同施肥水平冬小麦 Jensen 模型参数进行了求解。结果表明阶段腾发量之间的多重相关性对各种方法的适用性影响较大。存在多重相关性时,宜采用偏最小二乘回归方法;否则,宜采用普通最小二乘回归方法、GA 和 EXCEL 规划求解方法等。根据偏最小二乘回归方法的常数项,提出产量修正系数概念,进行产量修正后得到的 Jensen模型具有更好的拟合效果。根据 Jensen模型特点,针对重复少、精度低的田间试验,论文提出了“变基准样本”相对数据生成方法,并用于北京永乐店不同施肥水平 Jensen 模型的建模,较“定基准样本”方法更为有效。 论文构造了反映冬小麦产量-水-肥关系的 ANN 模型,并将 GA 和 BPA相结合,用于 ANN 网络的训练。在 ANN 模型基础上,对山西潇河冬小麦产量-水关系、北京永乐店冬小麦产量-水-肥关系进行了模拟,该模型所反映的冬小麦产量-水-肥关系与前面 Jensen 模型较为一致。