SRT-基于个体优势遗传算法的水稻生长模型参数优化研究.docVIP

国家大学生创新性实验计划 项目申请书 项目名称: 申请: 学 院: 专 业: 指导教师: 职称: 20年 月 日 项目研究内容 要 将智能优化算法与水稻生长模型耦合可以简化模型参数估计过程，实现模型参数的自动率定 二、立论依据 （包括项目的研究意义、现状分析，并附主要参考文献及出处） 研究意义： 水稻生长模型是以水稻生长发育内在规律为基础，对水稻生理过程与环境和管理技术之间的关系加以理论概括和量化分析的数学模型，是数字水稻研究与发展的关键技术[1]。随着水稻生长模型对水稻生长与环境变化规律的不断揭示，正确并快速估算模型遗传参数有助于模型检验与评价。目前常用的模型参数的确定方法主要有手工试错法[2]、循环迭代法[3-5]等数学方法以及智能优化方法[6]。手工试错法费时费力，对农学知识和经验要求较高。循环迭代法存在“维数灾”问题，搜索效率不高，求解精度和步长的取值有关。 作物模型参数优化的实质是通过比较模型模拟值与观测值之间的误差，寻找一组最优解，属于非线性、多参数组合优化问题。智能优化算法是一类启发式的全局搜索算法，具有自组织、自学习等特征，可以在一定迭代次数内找到最优解或者近似最优解，在解决组合优化问题上具有一定优势。因此，研究如何利用改进型智能优化算法估算作物模型参数，明确遗传算法与作物生长模型的耦合方法，简化模型参数估计过程，实现模型参数的自动率定[7-8]嵌套了两级GA，提出了多层次物种竞争消亡算法，引入了小生境进化思想和分等级公平竞争原则，更好地保持了个体多样性，提高了温室黄瓜生长模型的参数估算能力。刘铁梅[9]使用遗传模拟退火算法快速获取了大麦叶面积指数模拟模型参数。任建强[10]与靳华安[11]利用复合形混合演化算法同化遥感数据，获得了区域尺度上作物模型参数。本研究课题组充分利用精英个体信息改进遗传算法，提出了个体优势遗传算法（Individual Advantages Genetic Algorithm，IAGA）。 该算法在传统遗传算法的基础上引入个体优化算子，并改进了变异算子及种群更新策略。以完全嵌入方式耦合RiceGrow和ORYZA2000水稻生育期模型，通过实验验证该算法应用到水稻生育期模型遗传参数估算中的有效性，实现了生育期模型参数的自动率定[12]。然而，水稻生长模型在模拟过程中涉及复杂的植物生理过程。生育期模拟过程是水稻潜在生产过程中的一个子环节。随着水稻模型模拟过程的扩展，模拟过程复杂度变大，遗传参数个数增加，目标变量个数增加，有必要进一步研究和验证IAGA算法对模拟过程和多目标优化的适应性问题，提出更加具有广普性的IAGA算法与水稻生长模型耦合策略，促进IAGA算法在作物生长模拟领域的应用。 参考文献： [1] 曹卫星,朱艳,田永超等.数字农作技术研究的若干研究进展与发展方向.中国农业科学,2006,39(2):281-288. [2] 房全孝.根系水质模型中土壤与作物参数优化及其不确定性评价.农业工程学报,2012,28(10):118-123. [3] 陈雷.水稻生产力的基因型与播期效应模拟研究[D].南京：南京农业大学，2011. [4] 汤亮，朱艳等.油菜生育期模拟模型研究[J].中国农业科学，2008，41(8). [5] 史春林，冯慧慧，金之庆等.水稻发育期模型的比较[J].中国水稻科学，2010，24(3)：303-308. [6] 王凌.智能算法及其应用[M].北京:清华大学出版社,2001. [7] Chunni Dai, Meng Yao. Parameter optimization for growth model of greenhouse crop using genetic algorithms [J]. Applied Soft Computing，2009:13-19. [8] 戴春妮，姚萌等.一种新的进化计算算法模型——种群竞争消亡算法[J].计算机应用，2005，5(1)：224-225. [9] 刘铁梅,王燕,邹薇等.大麦叶面积指数模拟模型.应用生态学报,2010, 21(1):121-128. [10] 任建强,陈仲新,唐华俊等.基于遥感信息与作物生长模型的区域作物单产模拟.农业工程学报,2011,27(8):257-264. [11] 靳华安,王锦地,柏延臣等.基于作物生长模型和遥感数据同化的区域玉米产量估算.农业工程学报,2012,28(6):162-173.