基于實(shí)碼加速遺傳算法的投影尋蹤分類模型在水稻灌溉制度優(yōu)化中的應(yīng)用_圖文

1、 013297 , 011279 , 012937 , 012785 , 011021 , 013028 , 011250 , 012664 , 011727 , 013041 , 012983 , 3 3 ( j = 011217 , 010373 , 013413 , 012874 , 將 a 代 入 式 ( 2 后 即 得 各 種 灌 溉 模 式 的 投 影 值 z 3 (012883 , 212034 , 312084 , 212037 。將 z ( j 從大到小排列 , 可得各種灌溉模式的優(yōu)劣排序 , 即 C 模式 > D 模式 > B 模式 > A 模式 , 可見

2、 C 灌溉模式最好 , 其次是 D 模式 , B 模式更次之 , 最后是 A 模式 , 與模糊綜合評判的計(jì)算結(jié)果一致 , 同時(shí)與生產(chǎn)實(shí)踐結(jié)果也相吻合 ( 從表 5 、6 中的試驗(yàn)數(shù)據(jù)也 可看出 。投影散布圖見圖 2 。 表5 生育后期的狀態(tài)變量 xi 1 x1 水分管理模式 A B C D 有效莖數(shù) / ( 株/ 穴 1411 1518 1617 1414 x2 x3 葉面積指數(shù) 3107 3194 5111 3185 根活躍吸附面 / (m2 / 穴 1157 1169 1192 2142 x4 x5 x6 x7 葉綠素含量 0134 01572 01613 01620 活葉數(shù) /個(gè) 118

3、 211 212 212 凈同化率 NAR / g/ (m2 天 5194 5109 5197 4174 光能利用 ( % 1153 1164 1164 1142 表6 生育后期的狀態(tài)變量 x i 1 水分管 理模式 A B C D x8 根活躍面積 / m2 017786 210228 116700 41311 x9 C/ N x 10 x 11 x 12 x 13 x 14 x 15 x 16 無病害率 ( % 93 95 95 97 無倒伏率 ( % 89 95 99 99 結(jié)實(shí)率 ( % 8818 9019 9412 9412 千粒重 /g 2518 2518 2518 2616 穗成

4、粒數(shù) /粒 7512 7317 7413 7314 成穗數(shù) / ( 個(gè)/ 穴 1318 1517 1613 1415 單產(chǎn) / (kg/ hm2 863815 8796 910315 8865 211866 241308 231507 221640 313 討論 上述灌溉模式中 , A 是常規(guī)的淹灌 , B 、 C 、D 均為淺濕間歇灌溉 。生產(chǎn)實(shí)踐證明 , C 灌溉模式單產(chǎn)為 910315kg/ hm , 比其它模式 2 高, 按需水量計(jì)算的生產(chǎn)效率也較高, 為 2 14158kg/ ( hm mm 。而 D 模 式 為 14145kg/ 2 2 (hm mm , B 模式為 13111kg

5、/ ( hm mm , A 2 1 2 模式為 12112kg/ ( hm mm 。 經(jīng)生產(chǎn)實(shí)踐證 圖2 投影值 z 3 ( j 散布 ( 灌漿 成熟階段 明 , 通過基于 RAG A 建立的 PPC 模型準(zhǔn)確的衡量 出最優(yōu)的灌溉模式 。 另外 , 在建模時(shí) , 文獻(xiàn) 1 中的狀態(tài)變量較多 , 并且有部分變量在生產(chǎn)實(shí)踐中無法或難以測取 , 為此本文僅取較容易測得的狀態(tài)變量對各種灌溉模式重新進(jìn)行評判 , 以增加該模型在生產(chǎn)實(shí)踐中的實(shí) 用性及可信度 。選取表 3 - 1 及 3 - 2 中的有效莖數(shù) 、活葉數(shù) 、無病害率 、無倒伏率 、結(jié)實(shí)率 、千粒 重 、穗成粒數(shù) 、成穗數(shù) 、單產(chǎn)等 9 個(gè)狀態(tài)

6、變量進(jìn)行評價(jià) , 建模過程同前 。計(jì)算結(jié)果為 : 加速次數(shù)為 3 11 , 得出 最 大 投 影 指 標(biāo) 值 為 : 016601 , 最 佳 投 影 方 向 a = ( 012071 , 014428 , 014013 , 013973 , 3 3 014504 , 013082 , 010158 , 012221 , 013078 , 將 a 代入式 ( 2 后即得各種灌溉模式的投影值 z ( j 3 = ( 010158 , 113574 , 212361 , 210360 。將 z ( j 從大到小排列 , 可得各種灌溉模式的優(yōu)劣排序 , 即 C 模式 > D 模式 > B

7、 模式 > A 模式 。各種灌溉模式下對應(yīng)水稻的單產(chǎn)及水的生產(chǎn)效率均與實(shí)際相 吻合 。但由于選取的評價(jià)指標(biāo) ( 狀態(tài)變量 不同 , 投影值之間的差值 ( 距離 與前例有所不同 。說明 真正確定合理的優(yōu)化灌溉制度 , 在狀態(tài)變量的選取上也較為重要 。 4 結(jié)論 (1 將基于加速遺傳算法 ( RAG A 的投影尋蹤分類模型 ( PPC 具體應(yīng)用到水稻灌溉制度優(yōu)化 44 中 , 將水稻灌溉制度優(yōu)化中的多個(gè)狀態(tài)變量 ( 高維數(shù)據(jù) 通過尋求其映射到一維子空間的最佳投影方 向 , 形成綜合評價(jià)指標(biāo) , 對灌溉模式作出綜合評價(jià) , 避免了模糊綜合評判等方法中的專家賦權(quán)的人為 干擾 , 經(jīng)與其它方法比較

8、及生產(chǎn)實(shí)踐證明 , 取得了滿意效果 。( 2 理論與實(shí)踐均表明 , 在肥力中等的 土壤條件下 , 其它農(nóng)業(yè)措施相同條件下 , C 灌溉模式對于水稻單產(chǎn) 、水的利用效率均為最佳 , 即淺濕 干結(jié)合 , 在水稻有效分蘗期視苗情進(jìn)行淺灌或淺濕交替 , 在抽穗后的成熟期淺濕干交替 , 乳熟前期以 濕為主 , 乳熟后期以干為主 。( 3 PPC 模型方法對于處理農(nóng)業(yè)灌溉系統(tǒng)中具有模糊性 、不確定性的高 維數(shù)據(jù)的綜合評判 、排序 、尋優(yōu)具有較好的效果 。為該方面研究提供一條新的方法與思路 , 并渴望在 農(nóng)業(yè)工程的其它領(lǐng)域 ( 例如農(nóng)田灌溉水質(zhì)的分類與評價(jià) 、節(jié)水灌溉項(xiàng)目投資評估 、田間正交試驗(yàn) 、農(nóng) 業(yè)大

9、系統(tǒng)綜合評價(jià) 、土壤分類 、小流域治理效益評價(jià)等 得以推廣應(yīng)用 。 參 考 文 獻(xiàn): 1 朱庭蕓 . 水稻灌溉的理論與技術(shù) M . 北京 : 中國水利水電出版社 , 1998. 2 朱庭蕓 . 水稻的優(yōu)化灌溉模式 J . 水利學(xué)報(bào) , 1988 , (6 : 37 - 43. 3 金菊良 , 丁晶 . 遺傳算法及其在水科學(xué)中的應(yīng)用 M . 成都 : 四川大學(xué)出版社 , 2000. 4 現(xiàn)代數(shù)學(xué)手冊 ( 隨機(jī)數(shù)學(xué)卷 M . 武漢 : 華中科技大學(xué)出版社 , 2001. 5 項(xiàng)靜恬 , 史久恩 . 非線性系統(tǒng)中數(shù)據(jù)處理的統(tǒng)計(jì)方法 M . 北京 : 科學(xué)出版社 , 2000. 6 張欣莉 . 投影尋

10、蹤及其在水文水資源中的應(yīng)用 D . 2000. 4 , 67 - 73. 7 周明 , 孫樹棟 . 遺傳算法原理及其應(yīng)用 M . 北京 : 國防工業(yè)出版社 , 2000. 8 現(xiàn)代數(shù)學(xué)手冊 ( 計(jì)算機(jī)數(shù)學(xué)卷 M . 武漢 : 華中科技大學(xué)出版社 , 2001. Application of projection pursuit model to optimize paddy irrigation schedule FU Qiang 1 ,3 , J IN J u2ling , LIANG Chuan 2 3 (1. Northeast Agricultural University , Har

11、bin 150030 , China ; 2. Hefei Industry University , Hefei 230009 , China ; 3. Sichuan University , Chengdu 610065 , China Abstract : According to the fuzzy theory and field test the projection pursuit classification model ( PPC based on real coding based accelerating Genetic algorithm ( RAG A is sug

12、gested. The best projection value of each irrigation schedule is derived by means of optimizing the best projection direction. Thus , the irrigation schedule can be classified and evaluated. At the same time , the jamming of each stylebook weight during fuzzy synthetic evaluation and gray system evaluation can be avoided. It is concluded that the shallow2wet2dry irrigation is the best mode. The result is