欢迎来到天天文库
浏览记录
ID:53569899
大小:318.72 KB
页数:5页
时间:2020-04-18
《基于BP神经网络的大豆变量施肥模型研究与建立-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、■专刊·技市中图分类号:S14文献标志码:A文章编号:1674—3547(2013)04—0049—05基于BP神经网络的大豆变量施肥模型研究与建互▲*纪文义,陈海涛,张继成,陈菲。(1.东北农业大学工程学院,哈尔滨150030;2.东北农业大学电气与信息学院,哈尔滨15003O)摘要:通过对比国内外处方图生成方法,研究了基于BP神经网络的变量处方施肥关系模型。应用Matlab7.0人工神经网络工具箱,设计了BP人工神经训练网络,实现了以土壤中施氮肥量、磷肥量、钾肥量和种植密度为输入参数,以大豆的产量为预测目标的模拟关系,预测在一定范围内的氮磷钾投入配比可获得的最大产量。该方法能够实
2、现各种营养元素的全面平衡供应,使大豆栽培肥料投入更为科学合理,达到减肥增效的目的。关键词:处方图;BP神经网络;土壤养分;密度;产量StudyandEstablishofVariableFertilizingModelingBasedonBPNeuralNetworkJiWenyi,ChenHaitao,ZhangJicheng,ChenFei(1.EngineeringCollege,NortheastAgriculturalUniversity,Harbin150030,China;2.Electrical&InformationalCollege,NortheastAgricu
3、lturalUniversity,Harbin150030,China)Abstract:Thispaperhadcomparedthegenerationmethodsoftheprescriptionmapathomeandabroad,andestablishedthevariablefertilizingmodelbasedonBPartifieialneuralnetwork.ThismodelwasdesignedthroughMatlab7.0neur~networktopredictthemaximumyieldbasedonthemountofsoil’SNPK.T
4、hemethodcouldachievethebalanceofavarietyofnutritionelements,andcouldmakemorereasonablefertilizerinputsandincreaseeficiency.Keywords:Prescription;BPneuralnetwork;Soilnutrients;Density;Yield收稿日期:2013—04—11修回日期:2013—05—06第一作者:纪文义,男,高级工程师,研究方向为现代农业装备,E-mail:jwy730306@163.con基金项目:“十二五”农村领域同家科技计划课题(2
5、011BAD20B03—01—02)通讯作者:陈海涛,男,教授,博士生导师,主要从事旱作农业装备和生物质材料技术研究,E-mail:htchen@neau.edu.Cl毫刊·技】l£■传统的施肥方式是在一个地块内使用一个施肥础上发展形成了精准农业变量施肥技术,即在田标准(均匀施肥或者平均施肥),然而在同一地块间任何位点上(或任何一个操作单元上)均实现了内不同区域的土壤养分含量存在差异,如果采用各种营养元素的全面平衡供应,使肥料投入更为平均施肥,会造成在肥力低的区域施肥不足,而合理,肥料利用率和施肥增产效益也提高到较理在肥力高的区域施肥过量,其结果必然造成肥料想的水平-。这也是国内很多
6、研究机构所采用的主资源浪费、生产成本增加和环境污染u。因此,依要研究方法。据施肥处方实施变量施肥是提高化肥利用率、本文在基于土壤肥力与目标产量的变量施肥研保护环境的重要途径。究方法基础上,重点研究基于BP神经网络的“养分一目前,围内外处方图生成方法的研究主要有密度一产量”数据的处方施肥关系模型,该模型的建四种,一种是冠层光谱指数的变量施肥研究,它立方法不仅适用于大豆也适用于耕作期其他多种作对同一空间位置的作物通过光谱遥感技术所获得物的施肥处方生成,具有变量施肥决策功能。的序列光谱数据,包含作物一定的生长发育长势1模型构建信息,该方法主要依赖于遥感仪器,不利于处方1.1BP神经网络图生
7、成技术的推广和普及。一种是叶绿素计的变BP人T神经网络,是误差反向传播算法的学量施肥研究,这种仪器以叶绿素对红光和近红外习过程,由信息的正向传播和误差的反向传播光的不同吸收特性为原理,测定植物叶片的相对2个过程组成。输入层各神经元负责接收来自叶绿素含量,通过叶绿素与叶片全氮的关系来反外界的输入信息,并传递给中间层各神经元;中映作物的氮营养状况,进而确定作物是否缺氮,间层是内部信息处理层,负责信息变换,根据信但该技术在制作其他元素处方图时存在很大难息变化能力
此文档下载收益归作者所有