RBF人工神经网络在棉花膜下滴灌灌溉预报中的应用

摘要

合理的灌溉制度是缓解我国水资源危机，建设节水型社会的重要课题之一，也是灌溉管理中制定最佳配水、调水计划的依据。对水资源不足、干旱少雨的新疆来说，进行灌溉需水量预测，制定合理的灌溉制度是十分必要的。膜下滴灌是一种新型的节水灌溉技术，由于其显著的保水增温效应被广泛地运用于各种作物，并达到了节水和增产的双重效果。计算机人工神经网络是20世纪80年代兴起的非线性科学，近20年来得到飞速发展，在人工智能、自动控制和模式识别等领域取得了令人瞩目的成果。将神经网络应用于非线性系统的建模和预测，可以不受线性模型的限制，有效地描述问题本身具有的不确定、多输入等复杂的非线性特性。因此，本文将计算机人工神经网络与棉花膜下滴灌相结合，不仅可使棉花增产，而且达到了节水的目的，对于制定合理的灌溉制度有着重要的现实意义。本文以2008年新疆石河子棉区为例，建立了基于RBF人工神经网络的棉花膜下滴灌灌溉预报模型，并通过田间实测资料对模型进行了检验，得到以下结论： 1.应用148团垦区提供的气象资料，运用MATLAB软件，以日平均气温、日照时数和水汽压作为影响作物需水量的因素，建立了预测预报作物需水量的RBF神经网络模型。将2008年实测的土壤含水率通过水量平衡方程计算所得的作物需水量作为实测值与RBF网络模型的预测值进行对比，得出预测模型绝对误差最大为0.0277mm/d、最小为0.0001mm/d、平均为0.0089mm/d；相对误差最大为4.789％、最小为0.004％、平均为0.614％，可见预测效果较好。说明此模型的预测准确度较高，能很好地应用于生产实践。预测作物需水量是灌区进行灌溉预报最为关键性的问题，此问题的解决为灌区进行灌溉预报奠定了基础。 2.介绍了应用水量平衡方程建立棉花实时灌溉预报的方法，并对水量平衡方程中各参数的确定进行了详细说明，其中作物需水量采用RBF神经网络模型进行预测。用水量平衡法进行灌区的灌溉预报可以很好地利用短期的天气预报信息，使灌溉制度的制定更符合灌区的实际情况。 3.采用试算法推算未来的灌水天数，灌水量的预报采用公式Ii=10γH1β田持(1-φ下限)，对试验田第一块地进行了灌溉预报。 4.由预测报表4-3可以明显看出，实际灌水11次，而用模型预报的灌水次数仅需8次；实际灌水总量达到了320.04mm，而预报的灌水量仅为246.68mm。经过分析表明预报的灌水次数和灌水量更充分地利用了降雨，是符合实际要求的，且达到了节水的目的。更进一步表明了实时灌溉预报模型的应用不但能减少水量浪费，起到节水的作用，而且更充分地利用了气象资料，使灌区的灌溉制度更加符合实际情况。

目录

文摘

英文文摘

声明

第一章 绪论

1.1研究的背景及意义

1.2国内外人工神经网络的发展概况

1.3国内外膜下滴灌的发展概况

1.4国内外农业灌溉预报的发展概况

1.5人工神经网络在膜下滴灌灌溉预报中的应用发展

1.6研究内容、拟解决的关键问题与技术路线

第二章 作物需水量的人工神经网络模型

2.1人工神经网络简介及其原理

2.2 RBF神经网络介绍

2.3 MATLAB的RBF神经网络设计

2.4 RBF神经网络的应用

2.5作物需水量与气候因子间的回归性分析

2.6作物需水量神经网络模型

2.7本章小结

第三章 灌区实时灌溉预报模型

3.1前期的准备工作

3.2 SWR2型土壤水分传感器的说明、使用与验证

3.3实时灌溉预报模型

3.4本章小结

第四章 实例

4.1灌区概况

4.2实时灌溉预报模型

4.3本章小结

第五章 结论和展望

5.1主要结论

5.2展望

参考文献

致谢

作者简历