基于子结构的植物功能结构随机模型-模式识别与智能系统专业论文.docxVIP

摘要摘 摘要 摘 要 植物生长建模是植物学、数学、计算机科学等多种学科相结合的课题。最 近几年中，植物模型研究的方向是将植物的内在的生理过程和空间形态相结 合的功能结构模型。GreenLab模型是近年来一直在发展着的一个植物结构功能 模型，主要包括形态发生模型和生理模型两部分；计算的结果为单株植物在 各个周期产生的生物量、器官的大小、方向和空问位置等。以往的GreenLab模 型是个确定性模型，不能反映植株个体之问的差异。本文的主要研究内容是 在GreenLab模型巾引入模拟芽的生长活动的随机过程，并预测和模拟随机植物 结构一{J器官个数和产量的统计特征。 GreenLab模型中的形态发生模型为一个双尺度自动机，其中用“宏状 态”、“微状态”及相互之间的跳转关系模拟植物的生长单元、生长单元中 的叶元以及它们的生长顺序。在确定性生长的情况下，由于植物的分层组织特 性，可以通过子结构方法可以递归地算出由形态发生模型得到的器官(节间、 花、叶、果)的个数。计算所得的器官的个数将与GreenLab模型的生理模型的参 数相结合，例如器官的相对汇强、扩张函数、异速生长系数等，用于计算每个 生长周期总的生物量产量及分配，各种器官的重量、大小等等。根据得到的器 官大小以及各种角度的定义可以构造出植物的三维形态。 在GreenLab确定性模型框架基础之上，本文在形态发生模型中引入与芽的 牛长活动相联系的各种牛长概率，即植物项芽的存活概率、生长概率、叶元的 出现概率和侧芽的分枝概率等。这样，每个周期的器官个数以及产牛的生物量 的变化都变成随机过程。为计算随机生长下的牛物量的均值与方差，本文首先 利J材复合过程的求解方法以及子结构方法逐步地推导出分枝结构。{增§官个数的 均值、方差和协方差，然后将结果用于各个生长周期随机生物量的均值、方差 弓协方差的递推计算。 为验证上述理论计算结果，观察各种概率对植物拓扑结构的影响，本文的 另 方面_丁作是随机植物结构的模拟。由于结构复杂的树结构。般包含大量的 器官，逐节地模拟多个随机树的样本会占J1】大量计算机资源。因此本文提出川 娃卡f结构的植物随机结构功能模刑 娃卡f结构的植物随机结构功能模刑 随机子结构的方法构造树结构，即对于每种属性的子结构，构造‘个随机样本 集，每‘个子结构样本的生长轴用逐节的蒙特卡罗方法模拟，轴上的予结构从 对应的已生成的样本集中随机选取，不再重新模拟。样本集的大小会影响到模 拟的精度与效率。由于对多棵植物只需构造一次样本集，因此可以提高复杂植 物以及植物群落的构造效率。而且由于在保存结构信息时只需要保留予结构之 问的调用关系，因此还能够降低树结构的存储空问。 每一个随机植物样本巾的器官个数可以递归地计算出来。我们对大量的随 机植物样本的器官个数进行统计，与由理论计算的结果相比较，通过假设检验 证明两者的结果是相等的，这保证了模拟程序和公式推导结果的正确性。利用 由实验数据拟合得到的参数，本文将随机模型用于小麦根系和咖啡树的模拟。 进一‘步本文模拟了每个随机植物产生的生物量，并与理论计算的结果进行了比 较。 随机模型的建立使得GreenLab模型可以更加真实地模拟植物的生长，而且 使将GreenLab模型推广到生长环境均‘的植物群落成为可能。由此带来的新的 挑战是对随机模型的校正和验证。进一步的研究将是建立生理模型对随机生长 的反馈机制。 另外，由于随机模型的建立于确定性的生长模型基础之上，因此本文的一 部分工作是对确定性生长的模型的补充和完善，包括其中次牛牛长的模型的建 立(埘年轮的模拟)，重复生长现象(即侧枝与母枝具有相同生理年龄)的模拟，植 物三维空间形态的快速构造，以及在予结构构造过程中根据重力弯曲枝条的模 拟。 关键词：植物模型，功能结构模型，随机过程，子结构肤速算法，概率，泰勒级 数，递归 lJ 英文摘要Abstract 英文摘要 Abstract Plant growth modeling is a pluridiseiplinary subject including botany，math— ematics and computer science．In the recent years，the main direction of research on plant model is Functional—Structural ModeI(FSM)that integrate the intrinsic physiological process of plant with architectural model GreenLab model is a FSM that Was developing in recent years，including a morp