本研究系国家“九五”攻关项目“水稻大面积高产综合配套技术研究与示范”课题的子专题，结合水稻高产栽培技术资料和水稻专家的知识、经验以及科研成果，研制成了可视水稻生长模型(Visual Rice Growth Models，VRGM)及水稻高产栽培专家系统，并在此基础上进一步利用人工神经网络模型、模糊逻辑技术和田间栽培试验，对生长模型和专家系统进行了改进。主要研究结果如下： 1、可视水稻生长模型作为一个实例为作物生长模型软件的设计，提供了一个系统分解和系统组织的框架。首先利用面向对象的编程设计方法，将作物一环境系统抽象为多个子系统和多个生理过程，分别设计多个类模拟这些子系统和生理过程的功能，由于面向对象方法的封装性、继承性和多态性，类与类之间既相互独立，又通过类间接口彼此相互关联，使系统易于维护、扩充和重新开发利用。VRGM又将VisualC++的文档—视结构扩展为模型—文档—视结构，为系统中类的组织提供了框架结构。整个系统分工协作，类与类之间进行了有效的通讯，有机地组织为一个整体。 2、水稻高产栽培专家系统采用面向对象的方法编程，用原型类表示知识类型，以瀑布型自顶向下的方法进行开发。该系统以可视水稻生长模型系统为基础，以水稻“旺壮重”栽培技术、一次性全层施肥技术、水稻全程化控工程等研究成果为知识中心，试图覆盖水稻全部栽培过程和方式，为水稻栽培管理决策提供优化方案。 3、在研制可视水稻生长模型的基础上，进一步利用人工神经网络BP模型和RBF模型，对水稻生长进行了模拟与仿真。并以水稻群体茎蘖动态为例，与水稻群体分蘖的统计模型和动力学模型进行了比较。研究结果表明，人工神经网络模型与积温统计模型、基本动力学模型的仿真能力基本相同，其中RBF网络的学习能力比BP网络强，但BP网络对未知样本的预测能力优于RBF网络。神经网络模型在进行作物模拟研究时，给作物模拟研究的科学工作者提供了一个“傻瓜相机”。对数学建模不熟悉的农业研究人员，人工神经网络可以替代数学建模进行仿真实验；对于精通数学建模的研究人员来说，它至少是一种补充和可作为比较的数据处理方法。 4、在水稻高产栽培专家系统的基础上，利用模糊逻辑的理论和方法，以MATLAB 5.3为编程工具，研制了水稻光温生态特性的模糊鉴别系统，试图提高专家系统的功能。该系统通过对光温特性的模糊化、模糊逻辑规则的制定、模糊推理及解模糊等过程，完成了农业模糊知识的获取、表达和运用。经检验，该系统与实际情况的吻合度达92.4％。