| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 作物水肥—产量关系模型 | 第10-11页 |
| 1.2.2 基于作物水肥—产量关系模型的灌溉制度优化 | 第11页 |
| 1.3 本文研究的主要内容 | 第11-13页 |
| 2 基于 PSO-SVM 的水肥生产函数模型 | 第13-27页 |
| 2.1 水肥生产函数的 PSO-SVM 模型 | 第13-20页 |
| 2.1.1 作物水肥生产函数的支持向量机模型 | 第13-17页 |
| 2.1.2 基于 PSO 的水肥生产函数 SVM 参数优化 | 第17-20页 |
| 2.2 水肥生产函数的 BP 神经网络模型 | 第20-26页 |
| 2.2.1 BP 神经网络模型介绍 | 第20-22页 |
| 2.2.2 BP 神经网络模型应用 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 考虑水肥耦合的冬小麦灌溉制度多目标优化模型 | 第27-37页 |
| 3.1 多目标优化问题的数学模型以及基本概念 | 第27-28页 |
| 3.1.1 多目标优化问题的数学模型 | 第27页 |
| 3.1.2 多目标优化问题中的基本概念 | 第27-28页 |
| 3.2 多目标遗传算法 | 第28-33页 |
| 3.2.1 NSGA 算法 | 第28-31页 |
| 3.2.2 NSGA-Ⅱ算法 | 第31-33页 |
| 3.3 考虑水肥耦合的冬小麦灌溉制度多目标优化模型 | 第33-35页 |
| 3.3.1 水肥生产函数预测模型选择 | 第34页 |
| 3.3.2 基于 PSO-SVM 的多目标优化模型 | 第34-35页 |
| 3.4 模型求解方法 | 第35-36页 |
| 3.4.1 基于约束考虑的 NSGA-II 算法的改进 | 第35-36页 |
| 3.4.2 模型求解方法—改进分组非支配排序遗传算法（GNSGA-II） | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 实例分析 | 第37-49页 |
| 4.1 数据选取 | 第37-38页 |
| 4.2 模型预测结果与对比 | 第38-43页 |
| 4.2.1 PSO-SVM 水肥生产函数模型预测结果 | 第38-40页 |
| 4.2.2 BP 神经网络模型预测结果 | 第40页 |
| 4.2.3 对比结果 | 第40-43页 |
| 4.3 水肥耦合模型优化结果分析 | 第43-48页 |
| 4.3.1 遗传编码设计 | 第43页 |
| 4.3.2 水肥耦合灌溉制度下优化结果与分析 | 第43-47页 |
| 4.3.3 考虑经济效益的优化结果 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 结论与展望 | 第49-50页 |
| 5.1 主要结论 | 第49页 |
| 5.2 前景展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在读期间发表的学术论文 | 第53-54页 |
| 作者简介 | 第54-55页 |
| 致谢 | 第55-56页 |
