編輯推薦:

內容簡介:《溫室膜下滴灌作物需水量計算方法及應用》介紹溫室膜下滴灌作物需水量計算方法，主要內容包括：溫室作物需水量田間試驗，溫室番茄葉片蒸騰速率的變化規(guī)律及基于PLS的蒸騰速率預測模型，基于水面蒸發(fā)法的溫室作物需水量計算模型，作物系數(shù)法需水量計算模型，基于BP， Elman和GA-BP等神經(jīng)網(wǎng)絡的溫室作物需水量計算模型等。

作者簡介:

目錄:目錄
第1章 緒論 1
1.1 研究意義與目的 1
1.2 相關概念及說明 3
1.2.1 我國主要栽培設施類型 3
1.2.2 溫室大棚內節(jié)水灌溉技術 4
1.3 溫室栽培中存在的主要問題 6
1.4 國內外研究現(xiàn)狀與進展 8
1.4.1 膜下滴灌的節(jié)水效應 8
1.4.2 溫室大棚內的微氣候環(huán)境 9
1.4.3 膜下滴灌土壤水分運動及水肥調控 9
1.4.4 溫室大棚內灌溉制度 10
1.4.5 溫室作物需水規(guī)律和需水量 12
1.5 主要研究內容和方法 18
1.5.1 主要研究內容 18
1.5.2 研究方法 19
第2章 溫室作物需水量田間試驗 21
2.1 試驗區(qū)基本情況 22
2.1.1 試驗溫室的結構特性 23
2.1.2 溫室滴灌系統(tǒng)簡介 24
2.1.3 試驗作物品種 25
2.2 田間試驗方案 25
2.2.1 試驗設計 25
2.2.2 暗管排水布置 27
2.2.3 簡易測坑布置 28
2.2.4 觀測內容及儀器布置 29
2.3 試驗主要儀器 30
2.3.1 時域反射儀 30
2.3.2 植物生長監(jiān)測儀 31
2.4 水量平衡法推求溫室膜下滴灌作物需水量 33
2.4.1 溫室滴灌系統(tǒng)灌水利用系數(shù)確定 34
2.4.2 TDR實測土壤含水量計算原理 36
2.4.3 溫室膜下滴灌土壤實際浸潤深度計算方法 36
2.4.4 溫室番茄膜下滴灌需水量計算方法確定 37
第3章 基于PLS的溫室作物蒸騰速率預測模型 39
3.1 試驗資料和方法 40
3.1.1 環(huán)境因子與蒸騰速率測量 40
3.1.2 快速稱重法 40
3.2 溫室番茄蒸騰速率的變化規(guī)律 41
3.2.1 溫室番茄蒸騰速率的長系列變化 41
3.2.2 溫室番茄蒸騰速率的日變化 42
3.2.3 溫室番茄蒸騰速率與環(huán)境因子間的相關性分析 43
3.3 基于PLS的溫室番茄蒸騰預測模型 46
3.3.1 偏最小二乘回歸方法簡介 46
3.3.2 偏最小二乘回歸的建模步驟 50
3.3.3 溫室番茄蒸騰速率的PLS預測模型 51
3.3.4 PLS回歸模型的檢驗與分析 54
3.4 本章小結 56
第4章 水面蒸發(fā)法需水量計算模型 57
4.1 水面蒸發(fā)和需水量的變化規(guī)律 57
4.1.1 蒸發(fā)量、需水量的變化趨勢 57
4.1.2 蒸發(fā)量、需水量的主要影響因子分析 58
4.1.3 蒸發(fā)量、需水量間相關性分析 59
4.2 水面蒸發(fā)法需水量計算模型驗證 61
4.2.1 擬合結果 61
4.2.2 誤差分析 63
4.3 本章小結 63
第5章 作物系數(shù)法需水量計算模型 65
5.1 需水量和作物系數(shù)年變化規(guī)律分析 65
5.1.1 作物需水量 65
5 .1.2 作物系數(shù) 67
5.2 需水量和作物系數(shù)月變化規(guī)律分析 69
5.3 作物系數(shù)法需水量計算模型驗證 74
5.3.1 擬合結果 74
5.3.2 誤差分析 74
5.4 本章小結 75
第6章 神經(jīng)網(wǎng)絡理論和MATLAB神經(jīng)網(wǎng)絡工具箱 77
6.1 神經(jīng)網(wǎng)絡簡介 77
6.1.1 人工神經(jīng)網(wǎng)絡概述 77
6.1.2 人工神經(jīng)網(wǎng)絡模型 78
6.1.3 神經(jīng)網(wǎng)絡激活函數(shù) 79
6.1.4 神經(jīng)網(wǎng)絡模型分類 80
6.2 誤差反向傳播網(wǎng)絡 81
6.2.1 BP網(wǎng)絡結構 81
6.2.2 BP網(wǎng)絡原理 81
6.3 Elman動態(tài)回歸神經(jīng)網(wǎng)絡 84
6.3.1 Elman動態(tài)同歸神經(jīng)網(wǎng)絡結構 85
6.3.2 Elman網(wǎng)絡原理 86
6.4 MATLAB神經(jīng)網(wǎng)絡工具箱 88
6.4.1 MATLAB簡介 89
6.4.2 BP網(wǎng)絡的神經(jīng)網(wǎng)絡工具箱函數(shù) 91
6.4.3 MATLAB中BP網(wǎng)絡的訓練過程 93
6.4.4 Elman神經(jīng)岡絡工具箱函數(shù) 94
第7章 基于BP網(wǎng)絡的溫室作物需水量預測模型 97
7.1 BP網(wǎng)絡算法 97
7.1.1 BP網(wǎng)絡的限制與不足 97
7.1.2 BP網(wǎng)絡的改進算法 98
7.2 基于L M算法的BP網(wǎng)絡溫室作物需水量預測模型 99
7.2.1 BP網(wǎng)絡層數(shù)的確定 100
7.2.2 試錯法確定隱含層神經(jīng)元個數(shù) 100
7.2.3 網(wǎng)絡學習參數(shù)的選取 100
7.2.4 BP網(wǎng)絡設計 101
7.2.5 樣本數(shù)據(jù)的處理 102
7.3 BP網(wǎng)絡溫室作物需水量預測模型的應用 103
7.3.1 溫室茄子需水量預測 103
7.3.2 溫室番茄需水量預測 111
7.3.3 溫室黃瓜需水量預測 112
7.4 本章小結 113
第8章 基于Elman網(wǎng)絡的溫室作物需水量預測模型 115
8.1 Elman網(wǎng)絡模型的原理 116
8.2 Elman網(wǎng)絡設計 116
8.3 Elman網(wǎng)絡溫室作物需水量預測模型的應用 117
8.3.1 溫室茄子需水量預測 117
8.3.2 溫室番茄需水量預測 119
8.3.3 溫室黃瓜需水量預測 120
8.4 BP網(wǎng)絡模型和Elman網(wǎng)絡模型對比 121
8.5 本章小結 121
第9章 基于GA-BP網(wǎng)絡的溫室作物需水量計算模型 123
9.1 GA-BP網(wǎng)絡模型 123
9.1.1 BP網(wǎng)絡的不足與優(yōu)化 123
9.1.2 遺傳算法簡介 124
9.1.3 遺傳算法在神經(jīng)網(wǎng)絡巾的應用 127
9.2 GA-BP網(wǎng)絡在溫室作物需水量預測模型中的應用 129
9.2.1 樣本數(shù)據(jù)的處理 129
9.2.2 網(wǎng)絡結構的確定 130
9.2.3 遺傳算法優(yōu)化網(wǎng)絡參數(shù) 132
9.2.4 GA-BP網(wǎng)絡模型的訓練 133
9.2.5 模型的擬合與檢驗 134
9.3 本章小結 136
第10章 結論與展望 137
10.1 主要結論 137
10.2 創(chuàng)新點 139
10.3 展望 139
參考文獻 141