一種融合氣孔導(dǎo)度的黃瓜ga-rbf光合速率預(yù)測模型建模方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能農(nóng)業(yè)技術(shù)領(lǐng)域，特別涉及一種融合氣孔導(dǎo)度的黃瓜GA-RBF光合速 率預(yù)測模型建模方法。
【背景技術(shù)】
[0002] 黃瓜屬于喜光耐陰作物，開花結(jié)果期光照不足，葉片的光合效能低，特別是下層葉 感光微弱，會(huì)導(dǎo)致化瓜，產(chǎn)量減少。充足的光照強(qiáng)度下，黃瓜的光合速率高，雌花的分化能力 加強(qiáng)，提高果實(shí)的品質(zhì)和產(chǎn)量。光合作用是能夠捕獲光能的生物學(xué)唯一途徑，植物的光合作 用將二氧化碳和水合成碳水化合物，并產(chǎn)生氧氣，碳水化合物中所存儲(chǔ)的能量被用于儲(chǔ)存 植物細(xì)胞的代謝活動(dòng)，并為所有生命提供能量來源。光合速率是衡量光合作用的強(qiáng)弱的指 標(biāo)。氣孔是植物從外界環(huán)境吸收C0 2和植物進(jìn)行蒸騰作用的場所，是光合作用和蒸騰作用的 結(jié)點(diǎn)。如Cowan等和Farquhar等詳盡描述了氣孔的功能，為我們揭示了氣孔的重要性。 JarviS、BallC和Leuning研究發(fā)現(xiàn)了氣孔導(dǎo)度與環(huán)境因子和生理因子的關(guān)系。我國一些學(xué) 者，如于強(qiáng)、關(guān)義新、許大全、婁成后、邢世巖、于貴瑞等也對(duì)不同植物的氣孔導(dǎo)度對(duì)光合作 用的影響做了大量研究?，F(xiàn)有資料表明，植物的光合速率、氣孔導(dǎo)度的變化特征和環(huán)境因子 對(duì)植物存在相互耦合關(guān)系。因此，將氣孔導(dǎo)度作為輸出數(shù)據(jù)是必要的。
[0003] 近年來，對(duì)植物光合速率模型很多學(xué)者做了大量研究，也取得很一些成果，如融合 葉綠素含量的黃瓜幼苗光合速率預(yù)測模型等，將植物的生理量融入光合速錄模型。但是僅 研究的是黃瓜的幼苗期，而黃瓜開花結(jié)果期光合作用的質(zhì)量直接影響座果率和果實(shí)品質(zhì)， 而且模型的訓(xùn)練速度比較慢，相對(duì)誤差比較大。
[0004] RBF網(wǎng)絡(luò)由一個(gè)隱含層和一個(gè)線性輸出層組成，對(duì)徑向基層的權(quán)值訓(xùn)練采用無導(dǎo) 師訓(xùn)練，在輸出層的權(quán)值設(shè)計(jì)采用誤差修正算法，為有導(dǎo)師訓(xùn)練。與BP神經(jīng)網(wǎng)絡(luò)相比，RBF神 經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)規(guī)模大，但學(xué)習(xí)速度快，函數(shù)逼近、模式識(shí)別和分類能力都優(yōu)于BP神經(jīng) 網(wǎng)絡(luò)。徑向基函數(shù)的擴(kuò)散速度的spread的取值直接影響RBF神經(jīng)網(wǎng)絡(luò)的效果，通常spread靠 試驗(yàn)法取值，需要多次嘗試，而且費(fèi)時(shí)費(fèi)力。遺傳算法由于具有分布、并行、快速全局搜索的 能力，克服了以往動(dòng)態(tài)規(guī)劃漸進(jìn)法和非線性規(guī)劃求解不能收斂到真正最優(yōu)解的缺陷，已廣 泛用于多個(gè)領(lǐng)域動(dòng)態(tài)尋優(yōu)問題求解。

【發(fā)明內(nèi)容】

[0005] 為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種融合氣孔導(dǎo)度的黃瓜 GA-RBF光合速率預(yù)測模型建模方法，基于遺傳算法優(yōu)化RBF神經(jīng)的spread參數(shù)的算法，利用 本模型，可顯著提高光合效率。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：
[0007] -糨蛤氣孔導(dǎo)_黃瓜(MJF光率預(yù)貝_，翻公式為.V,
其中yi為預(yù)測的光合速率，h為訓(xùn)練樣本數(shù)，為第j個(gè)隱含層神經(jīng)元與第i個(gè)輸出層神經(jīng)元之 間的連接權(quán)值，Cl是聚類中心，xP為訓(xùn)練集樣本，bi為隱含層神經(jīng)元對(duì)應(yīng)的閾值，其中，訓(xùn)練 樣本是從實(shí)驗(yàn)數(shù)據(jù)中隨機(jī)選取得到，實(shí)驗(yàn)數(shù)據(jù)是以氣孔導(dǎo)度、溫度、c〇2濃度、光照強(qiáng)度、相 對(duì)濕度為輸入，凈光合速率為輸出的數(shù)據(jù)。
[0008] 所述融合氣孔導(dǎo)度的黃瓜GA-RBF光合速率預(yù)測模型的建模方法，包括如下步驟：
[0009] 步驟1，獲取實(shí)驗(yàn)數(shù)據(jù)，過程如下：
[0010] 取處于開花結(jié)果期的黃瓜為實(shí)驗(yàn)對(duì)象，測試時(shí)間為8:00-10:30和16:00-18:30，陰 天不進(jìn)行測試，實(shí)驗(yàn)期間不打農(nóng)藥，進(jìn)行正常的田間管理；
[0011] 測定凈光合速率，過程中利用控溫模塊設(shè)定20、24、28、32、36 °C共5個(gè)溫度梯度;利 用C02注入模塊設(shè)定二氧化碳體積比為300、600、900、1200、150(^171共5個(gè)梯度 ;利用1^0光 源模塊獲得 0、20、50、100、200、300、500、700、1000、1200、150(^111〇1/(1112*8)共11個(gè)光子通 量密度梯度，以嵌套方式共進(jìn)行試驗(yàn)，每組試驗(yàn)在隨機(jī)選取的3株植株上做重復(fù)測試，試驗(yàn) 中記錄葉室相對(duì)濕度，并記錄記錄氣孔導(dǎo)度信息，從而形成以氣孔導(dǎo)度、溫度、C0 2濃度、光 照強(qiáng)度、相對(duì)濕度為輸入，凈光合速率為輸出的460組實(shí)驗(yàn)數(shù)據(jù)；
[0012] 步驟2,建立模型
[0013] 在步驟1得到的實(shí)驗(yàn)數(shù)據(jù)中隨機(jī)選取訓(xùn)練集和測試集，然后利用遺傳算法進(jìn)行種 群的初始化，根據(jù)給定的spread參數(shù)的初始范圍，進(jìn)行適應(yīng)值函數(shù)的計(jì)算，通過選擇、交叉、 變異，找到最佳的RBF神經(jīng)網(wǎng)絡(luò)中的spread參數(shù)，構(gòu)建融合氣孔導(dǎo)度的黃瓜GA-RBF光合速率 預(yù)測模型。
[0014] 所述步驟2中，將步驟1所得實(shí)驗(yàn)數(shù)據(jù)隨機(jī)選取80 %作為訓(xùn)練集，剩余的20 %作為 測試集。
[0015] 所述步驟2中，使用二進(jìn)制編碼為訓(xùn)練集和測試集中的個(gè)體編碼，每個(gè)個(gè)體均是二 進(jìn)制串，由輸入層與隱含層連接權(quán)值、隱含層閾值、隱含層與輸出層的連接權(quán)值、輸出層閾 值四個(gè)部分組成，每個(gè)權(quán)值和閾值使用Μ位二進(jìn)制編碼，將所有的權(quán)值和閾值編碼連接起來 即為一個(gè)個(gè)體編碼，由此實(shí)現(xiàn)初始化。
[0016] 所述步驟2中，spread參數(shù)的初始范圍為0-10之間，每兩個(gè)取值相隔0.01。
[0017] 所述步驟2中，將spread參數(shù)帶進(jìn)RBF神經(jīng)網(wǎng)絡(luò)，將RBF神經(jīng)網(wǎng)絡(luò)的均方差的反函數(shù) 作為適應(yīng)度函數(shù)。
[0018]所述步驟2中，選擇是將適應(yīng)高的個(gè)體遺傳下去，交叉是指新個(gè)體組合其父輩個(gè)體 的特性，變異以一定的概率改變串結(jié)構(gòu)，通過選擇、交叉、變異找到最優(yōu)的spread參數(shù)，最優(yōu) 的spread參數(shù)使RBF神經(jīng)網(wǎng)絡(luò)均方差最小。
[0019] 所述步驟2中，找到使RBF神經(jīng)網(wǎng)絡(luò)均方差最小的spread參數(shù)。
[0020] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0021] 1)提出融合氣孔導(dǎo)度的黃瓜GA-RBF光合速率預(yù)測模型，提出遺傳算法優(yōu)化的RBF 算法，以RBF的均方差為適應(yīng)度函數(shù)你，得到使得均方差最小的RBF的spread參數(shù)，以最優(yōu) spread參數(shù)建立模型，能克服RBF的缺點(diǎn)，為建立黃瓜開花結(jié)果期光合速率值模型提供了基 礎(chǔ)。
[0022] 2)氣孔是植物從外界環(huán)境吸收C02和植物進(jìn)行蒸騰作用的場所，是光合作用和蒸 騰作用的結(jié)點(diǎn)，氣孔導(dǎo)度是用來衡量氣孔張合大小的量，通過性關(guān)性分析發(fā)現(xiàn)氣孔導(dǎo)度對(duì) 光合速率也存在顯著性影響，從而融合氣孔導(dǎo)度建立黃瓜開花結(jié)果期光合速率值模型，模 型驗(yàn)證效果證明模型的決定系數(shù)是0.99878,最大相對(duì)誤差為6%，明顯好于未考慮氣孔導(dǎo) 度影響的GA-RBF光合速率模型。
[0023] 本發(fā)明提出的黃瓜開花結(jié)果期的光合速率預(yù)測模型可為黃瓜光環(huán)境調(diào)控提供理 論依據(jù)，可擴(kuò)展應(yīng)用于不同作物的光合優(yōu)化調(diào)控模型建立，以提高溫室作物的光合能力。
【附圖說明】
[0024] 圖1是本發(fā)明基于遺傳算法優(yōu)化RBF算法流程圖。
[0025] 圖2是本發(fā)明遺傳尋優(yōu)目標(biāo)函數(shù)變化曲線。
[0026] 圖3是本發(fā)明模型驗(yàn)證中光合速率實(shí)測值與模擬值之間的相關(guān)性示意圖，其中，圖 3(a)是用融合氣孔導(dǎo)度的黃瓜GA-RBF光合速率預(yù)測模型；圖3(b)是未用遺傳優(yōu)化融合氣孔 導(dǎo)度光合速率預(yù)測模型；圖3 (c)是用遺傳優(yōu)化未融合氣孔導(dǎo)度光合速率預(yù)測模型。
【具體實(shí)施方式】
[0027]下面結(jié)合附圖和實(shí)施例詳細(xì)說明本發(fā)明的實(shí)施方式。
[0028]本文發(fā)明一種基于遺傳算法優(yōu)化RBF算法融合氣孔導(dǎo)度構(gòu)建黃瓜開花結(jié)果期的光 合速率預(yù)測模型建立過程如下：
[0029] 1、試驗(yàn)材料與方法
[0030]本實(shí)驗(yàn)于2015年7-8月西北農(nóng)林科技大學(xué)實(shí)驗(yàn)基地內(nèi)進(jìn)行，供實(shí)驗(yàn)黃瓜品種是"長 春密刺"，黃瓜處于開花結(jié)果期。測試時(shí)間為8:00-10:30和16:00-18:30,陰天不進(jìn)行測試， 實(shí)驗(yàn)期間不打農(nóng)藥，進(jìn)行正常的田間管理。
[0031] 采用美國LI-C0R公司生產(chǎn)的Li-6400XT型便攜式光合儀測定凈光合速率，在試驗(yàn) 過程中采用光合儀選配的多個(gè)子模塊按需控制葉片周圍的溫度、C02濃度、光照強(qiáng)度等參 數(shù)。其中，利用控溫模塊設(shè)定20、24、28、32、36°(：共5個(gè)溫度梯度;利用〇) 2注入模塊設(shè)定二氧 化碳體積比為300、600、900、1200、1500yL/L共5個(gè)梯度；利用LED光源模塊獲得0、20、50、 100、200、300、500、700、1000、1200、1500ymol/(m 2 · s)共 11 個(gè)光子通量密度（Photo flux density，PFD)梯度，以嵌套方式共進(jìn)行試驗(yàn)，每組試驗(yàn)在隨機(jī)選取的3株植株上做重復(fù)測 試，試驗(yàn)中記錄葉室相對(duì)濕度和氣孔導(dǎo)度，從而形成以氣孔導(dǎo)度、溫度、C0 2濃度、光照強(qiáng)度、 相對(duì)濕度為輸入，凈光