基于人工智能的参考作物腾发量与作物水盐响应研究
| 1 引言 | 第1-16页 |
| ·研究意义及背景 | 第9-10页 |
| ·国内外研究进展 | 第10-14页 |
| ·参考作物腾发量(ET0)及相关研究进展 | 第10-11页 |
| ·作物水盐响应模型及最优水管理研究进展 | 第11-12页 |
| ·人工神经网络在水土工程中的应用 | 第12-13页 |
| ·遗传算法在水土工程中的应用 | 第13-14页 |
| ·论文研究的目标、内容、技术路线 | 第14-16页 |
| ·论文研究的目标 | 第14-15页 |
| ·论文研究内容 | 第15页 |
| ·论文的技术路线 | 第15-16页 |
| 2 人工智能技术及实现 | 第16-24页 |
| ·人工智能技术体系 | 第16-17页 |
| ·人工神经网络及其实现 | 第17-21页 |
| ·人工神经网络及其发展 | 第17-18页 |
| ·BP神经网络及其实现 | 第18-20页 |
| ·BP网络训练过程 | 第20-21页 |
| ·BP网络存在的问题及改进 | 第21页 |
| ·遗传算法及其实现 | 第21-24页 |
| ·遗传算法及其发展 | 第21-22页 |
| ·遗传算法存在的问题 | 第22页 |
| ·基于实码的加速遗传算法及实现 | 第22-24页 |
| 3 参考作物腾发量的人工神经网络模型 | 第24-30页 |
| ·前言 | 第24页 |
| ·BP网络输入因子分析 | 第24-25页 |
| ·训练样本的确定 | 第25页 |
| ·BP网络结构与参数的确定 | 第25-26页 |
| ·BP网络的建模 | 第26-28页 |
| ·BP网络的建模流程 | 第26页 |
| ·BP神经网络模型的拟合与检验 | 第26-28页 |
| ·小结 | 第28-30页 |
| 4 北方干旱寒冷区ET0时空变化及相关分析 | 第30-36页 |
| ·前言 | 第30页 |
| ·ET0的时空分布研究 | 第30-32页 |
| ·ET0在不同区域上的变化特性分析 | 第30-32页 |
| ·ET0与气象因子的相关关系分析 | 第32-33页 |
| ·ET0与气象因子相关性空间变异分析 | 第32-33页 |
| ·ET0与气象因子相关性时间变异分析 | 第33页 |
| ·ET0与气象因子回归模型的建立及检验 | 第33-35页 |
| ·ET0与气象因子回归模型的建立 | 第33-34页 |
| ·ET0与气象因子回归模型的检验 | 第34-35页 |
| ·小结 | 第35-36页 |
| 5 大区域ET0的人工神经网络模型与评估研究 | 第36-41页 |
| ·ET0计算的BP-ANN模型建立 | 第36页 |
| ·网络的检验结果 | 第36-37页 |
| ·ET0的BP网络模型的评估 | 第37-39页 |
| ·区域模型基于ETr和ETa的评估 | 第37-38页 |
| ·ET0模型基于气象因素的评估 | 第38-39页 |
| ·结语 | 第39-41页 |
| 6 基于人工神经网络的作物水盐响应研究 | 第41-53页 |
| ·问题的提出 | 第41页 |
| ·资料的获取和数据来源 | 第41-42页 |
| ·作物水盐响应BP模型建立 | 第42-47页 |
| ·训练样本及检验样本 | 第42-43页 |
| ·网络输入输出因子的确定 | 第43页 |
| ·ANN网络形式的选择 | 第43-44页 |
| ·BP网络结构的确定 | 第44-45页 |
| ·网络参数的选择 | 第45页 |
| ·作物水盐响应BP网络模型的建立 | 第45-46页 |
| ·作物水盐响应BP网络模型检验 | 第46-47页 |
| ·作物水盐响应10因子BP网络模型的建立 | 第47-50页 |
| ·模型结构的确定 | 第47-49页 |
| ·作物水盐响应10因子BP网络模型检验 | 第49-50页 |
| ·作物水盐响应BP网络模型的应用 | 第50-52页 |
| ·含盐土壤油料向日葵充分灌溉时产量模拟 | 第50-51页 |
| ·含盐土壤油料向日葵非充分灌溉时产量模拟 | 第51-52页 |
| ·小结 | 第52-53页 |
| 7 人工智能技术在节水灌溉最优水管理中的应用 | 第53-62页 |
| ·基于实码的加速遗传算法的实现步骤 | 第53-54页 |
| ·编码 | 第53页 |
| ·父代群体的初始化 | 第53页 |
| ·父代群体的适应度评价 | 第53页 |
| ·选择算子 | 第53-54页 |
| ·杂交算子 | 第54页 |
| ·变异算子 | 第54页 |
| ·演化迭代 | 第54页 |
| ·加速循环 | 第54页 |
| ·遗传算法在作物水模型参数率定中的应用 | 第54-58页 |
| ·参数的率定 | 第55页 |
| ·节水灌溉试验处理 | 第55-56页 |
| ·作物水模型参数的率定 | 第56-58页 |
| ·含盐土壤作物适宜含水率的GA-ANN耦合模型 | 第58-60页 |
| ·模型目标函数、参数范围的选取 | 第59页 |
| ·耦合模型的建立 | 第59-60页 |
| ·小结 | 第60-62页 |
| 8 结论及展望 | 第62-65页 |
| ·结论 | 第62-63页 |
| ·展望 | 第63-65页 |
| 致 谢 | 第65-66页 |
| 参 考 文 献 | 第66-71页 |
| 作 者 简 介 | 第71页 |
