一种融合气孔导度的黄瓜GA‑RBF光合速率预测模型建模方法

摘要

一种融合气孔导度的黄瓜GA‑RBF光合速率预测模型，利用多因子嵌套试验获得以气孔导度、温度、CO₂浓度、光照强度、相对湿度为输入，净光合速率为输出实验数据，然后利用遗传算法进行种群的初始化，根据给定的spread参数的初始范围，进行适应值函数的计算，通过选择、交叉、变异，找到最佳的RBF神经网络中的spread参数，构建融合气孔导度的黄瓜GA‑RBF光合速率预测模型，试验结果表明，本发明模型预测值与实测值决定系数为0.99878，直线斜率是0.99781，误差小于6％，其训练效果与基于未用遗传算法优化RBF算法融合气孔导度构建的光合速率预测模型和基于未融合气孔导度的黄瓜GA‑RBF光合速率预测模型相比具有更好预测效果。

主权项

一种融合气孔导度的黄瓜GA‑RBF光合速率预测模型的建模方法，所述模型的公式为其中y_i为预测的光合速率，h为训练样本数，w_ij为第j个隐含层神经元与第i个输出层神经元之间的连接权值，c_i是聚类中心，x_p为训练集样本，b_i为隐含层神经元对应的阈值，其中，训练样本是从实验数据中随机选取得到，实验数据是以气孔导度、温度、CO₂浓度、光照强度、相对湿度为输入，净光合速率为输出的数据；其特征在于，建模包括如下步骤：步骤1，获取实验数据，过程如下：取处于开花结果期的黄瓜为实验对象，测试时间为8:00‑10:30和16:00‑18:30，阴天不进行测试，实验期间不打农药，进行正常的田间管理；测定净光合速率，过程中利用控温模块设定20、24、28、32、36℃共5个温度梯度；利用CO₂注入模块设定二氧化碳体积比为300、600、900、1200、1500μL/L共5个梯度；利用LED光源模块获得0、20、50、100、200、300、500、700、1000、1200、1500μmol/(m²·s)共11个光子通量密度梯度，以嵌套方式进行实验，每组实验在随机选取的3株植株上做重复测试，实验中记录叶室相对湿度，并记录气孔导度信息，从而形成以气孔导度、温度、CO₂浓度、光照强度、相对湿度为输入，净光合速率为输出的460组实验数据；步骤2，建立模型将步骤1所得实验数据随机选取80％作为训练集，剩余的20％作为测试集，然后利用遗传算法进行种群的初始化，根据给定的spread参数的初始范围，进行适应值函数的计算，通过选择、交叉、变异，找到最佳的RBF神经网络中的spread参数，构建融合气孔导度的黄瓜GA‑RBF光合速率预测模型。