红枣基地土壤水分预测控制模型研究-数学建模论文.doc

PAGE PAGE 1 红枣基地土壤水分预测控制模型研究 摘 要 本文以岭回归为理论基础，综合运用相关性分析和因子分析建立了红枣基地土壤含水率预测控制的数学模型。利用统计数据研究了土壤水分与气象指标、红枣光合速率、蒸腾速率、灌溉量等的关系。用因子分析的方法得出了影响土壤水分的主要变量，最后在将数据作标准化处理（去量纲）的基础上，运用岭回归思想得到优化的预测方程。 问题一 从合理的假设出发，对气象统计数据运用相关性分析的理论，通过Excel进行处理，筛选出对土壤水分确有影响的11个气象因素，然后结合红枣的灌溉量(A)、蒸腾速率(B)、二氧化碳呼吸速率(C)等共14个影响量，运用岭回归理论得出土壤水分与各变量之间的岭回归方程 问题二 为得出影响土壤水分的主要变量，简化预测模型，以因子分析理论为基础，结合问题一的14个影响变量，建立基于土壤含水量主因子筛选的因子分析模型；得出7个主要影响因子为：蒸腾速率(B)、CO2呼吸速率(C)、最高气温(D)、紫外光辐射(K)、紫外光辐射量(L)、最高辐射(M)、蒸腾(N)；再运用问题一中岭回归模型得出简化后的土壤水含量预测方程： 灌水量对于一般的植物比较重要，根据上述方程，可得知红枣是耐旱植物，对灌水量的需求不大，同时也得出新疆阿拉尔本地的沙质土保水率差。 文章两次运用岭回归思想分别得出了土壤含水率预测方程，在选取回归系数时分别进行了、、及误差方差检验，结果为（）和（），均在允许范围之内。 最后，文章利用问题二所得的优化模型对5种实验条件下的土壤含水量进行了预测，并与实际值进行了比较，所得偏差在10%以内，模型的精确度较高。 关键词 相关性分析 岭回归分析 因子分析 土壤含水量 1、问题的提出 滴灌是目前干旱缺水地区最有效的一种节水灌溉方式。如何做到精准灌溉，需要频繁的测量土壤水分等指标，不仅耗费大量的精力，也常常带来滞后性。一种可能的思路是根据实时的容易测量的指标（如气象指标：温度、湿度、太阳辐射等）及土壤含水率历史数据建立土壤水分的预测模型。 问题1 利用附件一分析土壤水分如何受气象指标、红枣光合速率、蒸腾量、灌溉量等的影响，建立水分与其他量之间的关系模型，并检验模型的准确性和精度。 问题2 进一步分析问题1中各个量之间的相关性，确定影响含水量的主要因素，简化问题1的模型。 2、问题分析 1） 问题一的分析 要分析土壤水分如何受气象指标、红枣光合速率、蒸腾量、灌溉量等的影响，建立水分与其他量之间的关系模型，就要知道土壤水分、气象指标、红枣光合速率、蒸腾量、灌溉量等各自相互对应的数据，通过仔细研究过附件一的数据之后，发现其中气象指标包含的无关因素太多，且不能量化处理，就先要通过初步数据处理，通过线性相关分析，找出影相土壤含水量的相关气象指标，再根据红枣光合速率、蒸腾量、灌溉量，测量的公共天数，选取各自相同的4天数据，以其中的8组处理数据为研究对象，并借助岭回归的原理去掉量纲对数据线性的影响，建立土壤水分与各项指标的岭回归模型，最后检验模型是否合理。 2） 问题二的分析 问题二是针对一问中各个量之间的相关性程度，确定影响含水量的主要因素，简化问题1的模型，就要在上述各个影响量中选出主要影响的因子，通过把上述各量建立因子分析模型，挑选出主要因素，再次建立岭回归模型，从而简化问题一。 3、模型的假设 1）附件中提供的数据在误差允许的范围之内真实有效； 2）剔除附件中空缺的数据对问题结果不产生影响； 3）土壤含水率短时间内不会发生突变； 4）各土样灌水方案在试验期间内保持一致。 4、符号说明 符号 符号说明 分别代表影响土壤含水率的各影响量 4种施肥方法 红枣基地土壤含水率 岭回归矩阵 （） 土壤含水率的14个领回归系数 岭回归相关性检验系数 岭回归显著性检验系数 （） 因子分析中的4个隐因子 5、模型的建立与求解 5.1 问题一的求解 查阅文献资料可知，经济林土壤的含水量受多种因素的影响，如气象条件，灌水量、灌水频率以及植物生理耗水状况等。其中，气象条件又包含温度、风、太阳辐射等诸多方面，涉及因素众多，但各项指标对土壤水分关系不甚明确。为找出确切影响土壤水分的气象因素，去掉无关因素，简化研究关系，以下建立模型一用于筛选影响土壤水分情况的气象指标。 5.1.1 考虑到实验所获得的气象指标众多，且各指标对土壤水分的影响能力也各不相同，为排除无关指标简化研究，筛选出对土壤水分确有影响的气候因素，现用Excel的相关性分析工具对土壤含水量及各气象指标的实时观测值做分析，挑选出有效的指标。 首先，对实验数据做简易处理：考虑到风向、最大风向两项指标不易量化，无法参与相关性分析，且其不影响土壤水分的蒸发和枣树的蒸腾及光合作用，故可判定两项指标与土壤的水分变化情况无关，不参与相