论文部分内容阅读
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%。