共查询到19条相似文献，搜索用时 187 毫秒
1.
采用盆栽试验,探讨了不同土壤水分能量和气象因子对水稻腾发量的影响。在水稻的不同生育阶段进行不同程度的土壤水分能量调控,分析受控生育阶段水稻腾发量的变化及其对产量的影响,及受控生育阶段内腾发量的典型日变化规律;利用典型日内充分供水条件下的腾发量数据及相应时段的气象资料,通过逐步回归建立了多元线性回归模型。结果表明:不同生育阶段土壤水分能量调控,对水稻腾发量影响趋势相同,但对产量影响趋势不同;晴天时各处理腾发量强度曲线呈明显的单峰变化,阴天时则无明显规律;诸气象因子中总辐射强度、相对湿度和风速进入了逐步回归模型。在气象因子相同的情况下,腾发量的大小由各处理的土壤水分能量大小决定;相同土壤水分能量下,在水稻腾发量中起主要作用的气象因子是辐射强度、相对湿度和风速。 相似文献
2.
基于BP神经网络的土壤贮水量预报模型研究 总被引：1，自引：0，他引：1
[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。 相似文献
3.
参照作物腾发量变化规律的探讨 总被引：1，自引：0，他引：1
选用Penman-Monteith公式计算了三河市参照作物腾发量(ET0),分析了不同水文年降水与参照作物腾发量的变化关系,并对参照作物腾发量构成项进行了比较。结果表明:参照作物腾发量中辐射项(ETrad)的变化趋势基本反映了腾发量(ET0)的变化趋势,一年四季都处于主导地位,而空气动力学项(ETaero)全年变化较小,一般在冬季对腾发量有较大影响。 相似文献
4.
采用太子河流域内8个气象站1960～2005年间气象资料,应用penman-montieth公式计算了46年间逐月参考作物腾发量(ET0),对参考作物腾发量及气象因素的年际变化特征、月际变化特征及趋势进行了分析,应用统计检验方法分析了影响流域参考作物腾发量变化的主要气象因素。结果表明:近46年间太子河流域ET0值呈现缓慢下降趋势,年内ET0值分布以5～6月份最高,1月份最低,影响ET0的主要气象因素按影响程度强弱依次为日照、风速、温度、相对湿度。 相似文献
5.
基于经验模态分解与人工神经网络的参考作物腾发量混合预测模型研究 总被引：1，自引：0，他引：1
为了提高具有非线性和非稳定性特征的参考作物腾发量(ET0)时间序列的预测精度,提出基于经验模态分解(EMD)的BP神经网络预测模型。以大连地区1970~2006年间逐月ET0序列为例,首先应用经验模态分解(EMD)方法将ET0序列分解为具有不同尺度特征的本征模态函数(IMF),然后运用BP神经网络对ET0序列和分解得到的IMF进行训练,得到ET0序列的预测模型,并对ET0进行预测,最后将预测值及单纯的BP神经网络预测值分别与真实值进行对比分析。结果表明:EMD-BP模型预测值的平均绝对百分误差(MAPE)、均方根误差(RMSE)、平均绝对差(MAD)及判定系数(R2)分别为1.32%,0.0327,0.0278,0.9967;而BP模型相应的指标值分别为8.50%,0.2583,0.1839,0.8967。显然,EMD-BP模型的MAPE、RMSE、MAD值较小且R2值较大。因此,其预测精度及稳定性均优于单纯的BP模型,可作为ET0预测的一种参考。 相似文献
6.
参考作物腾发量是估算作物蒸发蒸腾量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义.最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种改进算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力,将LS-SVM方法引用于参考作物腾发量预测中,并以辽宁省铁岭市为例,对比分析了 LS-SVM模型与BP模型的预测结果.结果表明:LS-SVM模型学习速度快,具有比BP模型更高的模拟性能和预测精度.LS-SVM方法克服了BP模型训练时间长,容易陷入局部极小的缺点,是适合参考作物腾发量预测的新方法. 相似文献
7.
8.
利用青岛农业大学温室茶园内的小型智慧监测系统近年来监测的气象资料,将Penman-Monteith方程和P-M温室修正式作为基础方程,通过参考作物腾发量模型进行茶树腾发量计算。以相对湿度、土壤含水量、温度和光照强度等环境因素作为自变量,温室茶园腾发量作为回归因变量,将Excel作为计算技术平台,建立了温室茶树腾发量的多元回归预测模型,并且进行了回归分析的显著性检验。通过试验证明此模型具有较大可行性与有效性,操作方法简单便捷,对于节约水资源,促进作物提质增产具有重要的现实意义,可为北方温室茶树精量灌溉提供参考依据。 相似文献
9.
10.
为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R2为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R2为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。 相似文献
11.
[目的]探讨更适用于现阶段的褐飞虱预测预报模型。[方法]利用浦江县2001—2016年褐飞虱的观测数据和气象数据,采用传统的逐步回归方法和BP神经网络方法,分别建立了褐飞虱发生高峰期预测预报模型。[结果]逐步回归预测模型选用的建模因子为5月上旬最高温、9月上旬湿度和6月下旬雨量,模型的预测准确率不高;BP神经网络预测模型的建模因子为始见日后40 d的平均温、最高温、最低温、雨量、湿度,模型的预测准确率达99.22%。[结论]该研究结果为今后褐飞虱预测预报模型的选择提供了参考。 相似文献
12.
[目的]研究线性回归模型在大棚小气候预测方面的应用情况,为有效调节春、夏、秋、冬季大棚内光照、气温、湿度提供理论依据。[方法]对3种常见结构塑料大棚内外150 cm高度的春、夏、秋、冬季光照、气温、湿度等气象要素进行对比观测、分析,建立预测不同结构大棚气象要素值的数学模型。[结果]单栋、3连栋、6连栋大棚内外150 cm高度光、温、湿三要素均具有较好的线性相关关系,拟合模型在t0.01检验下均达到极显著水平。[结论]该研究可为大棚农产品的优质、高产和稳产栽培提供农业气象服务指导。 相似文献
13.
[目的]研究南宁市稻飞虱发生发展严重程度与气象条件的关系.[方法]以南宁市武鸣县为例,用SPSS软件通过对1987～ 2009年武鸣灯下虫量与气象因子资料进行了逐步回归分析建模,并利用模式建立了各旬稻飞虱发生发展气象条件等级预报指标.[结果]通过拟合、预报精度检验,最终得到6个旬灯下虫量模拟模式,利用模式进一步建立了3月上旬、3月中旬、7月中旬、8月上旬、8月下旬、9月下旬的稻飞虱发生发展气象条件等级预报指标,根据该指标可进行旬的稻飞虱发生发展气象条件等级预报.[结论]为稻飞虱的统防统治以及南宁市水稻增产稳产提供了参考. 相似文献
14.
15.
为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。 相似文献
16.
17.
[目的]探讨用遗传算法优化BP神经网络对小球藻生长模型的建立与应用。[方法]使用遗传算法对BP神经网络的权值和阈值进行优化,并使用该网络模型,以小球藻培养时间和残余葡萄糖为输入,菌体光密度值（OD680）为输出,对小球藻在500 L多功能生物反应器中的生长情况进行了建模,还探讨了该模型的应用情况。[结果]经过遗传算法优化的BP神经网络,其泛化值的误差平方和比BP神经网络的小,因而预测值更加接近实际值。t检验表明,所建立的模型是可信的。验证表明,该模型具有良好的拟合度,能够很好地描述在500 L多功能生物反应器中培养的小球藻的生物量（OD680）与残余葡萄糖和培养时间之间的关系。[结论]所建立的模型可用于试验结果的预测,对小球藻的培养控制具有指导意义。 相似文献
18.
ET0是计算作物需水量、进行农田灌溉管理及区域水资源优化配置的重要依据。为了提高ET0的预测精度,将粒子群(particle swarm optimization,PSO)算法引入到ET0预测中,并用支持向量回归机(support vector machine,SVM)优化参数。PSO-SVM将最高气温、最低气温、相对湿度、平均风速与日照时数输入到SVM中学习,将SVM参数作为PSO中的粒子,把ET0值作为PSO的目标函数,然后通过粒子之间相互协作得到SVM最优参数,对ET0进行预测,并采用PM模型计算值验证。该文以新疆喀什地区为例,通过采用粒子群耦合支持向量机(PSO-SVM)算法训练得到模型,并用10组数据进行预测;最后引用BP神经网络算法和PSO-SVM算法进行了对比,其结果表明,PSO-SVM算法预测准确率较高,预测值与实测值间相关系数达0.682,平均相对误差为3.19%。 相似文献
19.
ET0是计算作物需水量、进行农田灌溉管理及区域水资源优化配置的重要依据。为了提高ET0的预测精度,将粒子群（particle swarm optimization,PSO）算法引入到ET0预测中,并用支持向量回归机（support vector machine,SVM）优化参数。PSO-SVM将最高气温、最低气温、相对湿度、平均风速与日照时数输入到SVM中学习,将SVM参数作为PSO中的粒子,把ET0值作为PSO的目标函数,然后通过粒子之间相互协作得到SVM最优参数,对ET0进行预测,并采用PM模型计算值验证。该文以新疆喀什地区为例,通过采用粒子群耦合支持向量机（PSO-SVM）算法训练得到模型,并用10组数据进行预测;最后引用BP神经网络算法和PSO-SVM 算法进行了对比,其结果表明, PSO-SVM算法预测准确率较高,预测值与实测值间相关系数达0.682,平均相对误差为3.19%。 相似文献