| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究进展 | 第12-13页 |
| 1.4 研究内容 | 第13-15页 |
| 第二章 监测采样间隔对作物模型性能的影响研究 | 第15-24页 |
| 2.1 试验材料 | 第15-16页 |
| 2.2 模型拟合方法 | 第16-18页 |
| 2.2.1 回归模型方法 | 第16页 |
| 2.2.2 人工神经网络模型方法 | 第16-17页 |
| 2.2.3 GA优化人工神经网络模型方法 | 第17-18页 |
| 2.3 试验结果与分析 | 第18-22页 |
| 2.3.1 不同采样间隔对预测CO_2交换率的影响 | 第18-20页 |
| 2.3.2 不同采样间隔对预测蒸腾速率的影响 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于GEP函数挖掘的多因子分析 | 第24-34页 |
| 3.1 利用GEP函数挖掘进行多因子分析 | 第24-28页 |
| 3.1.1 GEP的基因和染色体结构 | 第24-26页 |
| 3.1.2 遗传算子 | 第26页 |
| 3.1.3 适应度函数 | 第26-27页 |
| 3.1.4 GEP多因子分析 | 第27-28页 |
| 3.2 对照方法 | 第28页 |
| 3.2.1 相关分析 | 第28页 |
| 3.2.2 通径分析 | 第28页 |
| 3.3 试验结果与分析 | 第28-32页 |
| 3.3.1 不同因子组合对因变量的影响 | 第29-30页 |
| 3.3.2 多因子分析结果对比 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 GEP优化的多输出RBF网络作物生理参数建模 | 第34-42页 |
| 4.1 多输出建模方法 | 第34-37页 |
| 4.1.1 RBF网络及GA优化 | 第34-35页 |
| 4.1.2 GEP-RBF多输出模型算法 | 第35-36页 |
| 4.1.3 模型性能评价指标 | 第36-37页 |
| 4.2 试验结果与分析 | 第37-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-45页 |
| 5.1 工作总结 | 第42-43页 |
| 5.2 研究展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 个人简介 | 第49-50页 |
| 在读期间的学术活动与科研成果 | 第50页 |