| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-21页 |
| 1. 研究背景 | 第11-12页 |
| 2. 国内外研究现状 | 第12-17页 |
| 2.1 作物模型参数优化方法研究综述 | 第12-15页 |
| 2.2 模型参数优化及分析工具研究 | 第15-17页 |
| 3. 本文的研究内容和技术路线 | 第17-19页 |
| 3.1 本研究的目的与意义 | 第17页 |
| 3.2 本文研究内容 | 第17-18页 |
| 3.3 研究思路与技术路线 | 第18-19页 |
| 4. 本研究的特色与创新 | 第19页 |
| 5. 论文的组织结构 | 第19-21页 |
| 第二章 理论基础 | 第21-31页 |
| 1. 基于遗传算法的优化框架 | 第21-27页 |
| 1.1 遗传算法基本概念 | 第21页 |
| 1.2 遗传算法优化框架 | 第21-23页 |
| 1.3 改进遗传算法 | 第23-27页 |
| 2. 作物生长模型基本理论 | 第27-29页 |
| 2.1 WheatGrow小麦生长模型 | 第27-28页 |
| 2.2 RiceGrow水稻生长模型 | 第28-29页 |
| 3. 基于构件框架的软件开发方法 | 第29-31页 |
| 3.1 基于构件框架的软件开发方法 | 第29-31页 |
| 第三章 基于遗传算法的作物生长模型参数优化框架的不确定性分析 | 第31-47页 |
| 1. 不确定性分析与评价策略 | 第32-35页 |
| 1.1 基于协同进化遗传算法的作物生长模型参数优化框架 | 第32-33页 |
| 1.2 BGA-CMPOF不确定性分析及评价策略 | 第33-35页 |
| 1.2.1 不确定性分析策略 | 第34-35页 |
| 2. 材料与方法 | 第35-36页 |
| 2.1 试验数据、模型以及优化算法 | 第35页 |
| 2.2 适应度函数设计 | 第35-36页 |
| 2.3 试验结果评价标准 | 第36页 |
| 3. 结果与分析 | 第36-44页 |
| 3.1 BGA-CMPOF有效性验证 | 第36-37页 |
| 3.2 不同目标变量选取试验 | 第37-40页 |
| 3.3 适应度函数随机权重实验 | 第40-42页 |
| 3.4 分阶段参数优化试验 | 第42-43页 |
| 3.5 不同优化算法对比试验 | 第43-44页 |
| 4. 讨论与结论 | 第44-47页 |
| 4.1 讨论 | 第44-45页 |
| 4.2 结论 | 第45-47页 |
| 第四章 基于领域知识引导遗传算法的作物生育期模型参数优化框架 | 第47-69页 |
| 1. 引言 | 第47-48页 |
| 2. 基于领域知识引导遗传算法的作物生育期模型参数优化框架 | 第48-54页 |
| 2.1 作物模型参数智能优化领域知识分类及表示 | 第50-51页 |
| 2.2 参数初始范围约束 | 第51-52页 |
| 2.3 模型约束性分析 | 第52页 |
| 2.4 关键物候期确定 | 第52-53页 |
| 2.5 实测数据适应性评价及完善 | 第53页 |
| 2.6 方向算子引导 | 第53-54页 |
| 3. 优化方法在WheatGrow小麦生育期模型参数优化中的应用 | 第54-59页 |
| 3.1 试验数据、模型及优化算法 | 第54-55页 |
| 3.2 小麦模型参数智能优化领域知识构建 | 第55-56页 |
| 3.3 WheatGrow模型参数初始范围约束 | 第56-57页 |
| 3.4 WheatGrow小麦生育期模型调参关键物候期分析 | 第57页 |
| 3.5 实测数据完善 | 第57页 |
| 3.6 方向引导算子 | 第57-58页 |
| 3.7 适应度函数 | 第58-59页 |
| 4. 试验与分析 | 第59-66页 |
| 4.1 试验方案设置 | 第59页 |
| 4.2 不同优化算法比较试验 | 第59-60页 |
| 4.3 小麦生育期模型参数优化初步试验 | 第60-61页 |
| 4.4 品种参数范围约束有效性验证 | 第61-63页 |
| 4.5 扩展调参关键物候期数据对参数优化结果的影响 | 第63-64页 |
| 4.6 适应度函数不确定性分析 | 第64-65页 |
| 4.7 方向引导算子对遗传算法收敛效果的对比试验 | 第65-66页 |
| 5. 讨论与结论 | 第66-69页 |
| 5.1 讨论 | 第66-67页 |
| 5.2 结论 | 第67-69页 |
| 第五章 作物模型参数智能优化及不确定性分析工具研制 | 第69-89页 |
| 1. 作物模型参数智能优化业务框架的设计与实现 | 第70-76页 |
| 1.1 作物模型参数优化业务框架设计 | 第70-73页 |
| 1.2 业务构件设计与实现 | 第73-76页 |
| 2. 系统设计与实现 | 第76-88页 |
| 2.1 系统功能设计 | 第76-78页 |
| 2.2 系统核心数据结构设计 | 第78-81页 |
| 2.3 关键技术 | 第81-82页 |
| 2.4 系统案例测试 | 第82-88页 |
| 3. 讨论与结论 | 第88-89页 |
| 3.1 讨论 | 第88页 |
| 3.2 结论 | 第88-89页 |
| 第六章 总结与展望 | 第89-93页 |
| 1. 研究总结 | 第89-90页 |
| 1.1 基于协同进化遗传算法的水稻模型参数优化框架的不确定性评价 | 第89页 |
| 1.2 基于领域知识引导遗传算法的小麦生育期模型参数优化 | 第89-90页 |
| 1.3 作物模型参数智能优化及不确定性分析工具 | 第90页 |
| 2. 研究展望 | 第90-93页 |
| 2.1 BGA-CMPOF不确定性分析 | 第90页 |
| 2.2 基于领域知识的作物模型参数智能优化方法应用 | 第90-91页 |
| 2.3 作物模型参数优化及分析工具的改进与完善 | 第91-93页 |
| 参考文献 | 第93-98页 |
| 致谢 | 第98页 |
