模型库及其管理系统.pptxVIP

1;2;3;4;数学模型 表现形式为：方程、算法和程序。计算机中采用模型程序形式，用数值计算语言编制。 数据处理模型 对数据库中数据的处理，数据处理模型的基本工作为对数据的选择、投影、旋转、排序和运算等。用数据库语言编制。;图形、图象模型 主要用于人机交互 图形模型表示为：向量数据形式或绘图程序形式 图象模型表示为：点阵数据形式 报表模型 人机交互的输出形式 报表模型表示为：程序形式 智能模型 主要是人工智能的专家系统，通过知识推理达到专家解决问题的能力。;7;按不同的功能特征以及建模的目的和方法大致可以分为以下几种类型： 经验(Experiential)模型和机理(Mechanistial)模型 前者建立在数据统计分析的基础上，较少涉及机理性，偏重于模型的预测性和应用性；后者对内在机理有较好的阐释，强调模型的解释性和研究性。 描述性(Descriptive)模型和解释性(Explainatory)模型 前者以简单的方式描述一个系统的行为，而对引起行为的机理，模型较少或根本不予以反映，描述性模型可以通过测定的试验数据推导出来，其建立相对比较简捷；;图 表明真实观察值如何被分析和综合引入解释性模型来模拟系统行为的图示 ;统计(Statistical)模型和过程(Process)模型 前者是一种最常使用的模型，主要通过对数据进行多重回归来预测系统的表现，其解释性较差，并且局限于试验资料所在地特定的大气、土壤条件和品种类型，难以推广到不同的环境条件和品种类型；后者用于定量描述生物与非生物的一些基本过程，具有较好的机理性和解释性，适用于不同环境条件和生产系统。 应用(Application)模型和研究(Research)模型 前者主要倾向于应用推广，因而具有便于使用、较粗放和应用方向比较单一的特点；后者主要用于科研，对其机理性要求较高，因而具有操作复杂、参数较多、灵敏度高的特点。; 但总体上，所有农业模拟模型从更微观的层次看都可认为是经验性模型，而从更宏观的层次看又都是机理性模型。因此，任何一个模拟模型都体现了经验性和机理性的相对平衡和协调。 如果按不??的学科领域进行分类，农业模拟模型大概有作物生长模型，动物生长模型，农业气象模型，土壤水肥模型，种植制度模型，农业生产力模型，耕地质量评价模型，病虫害预测模型等不同方面。 其中，农作系统模拟模型的研究具有较好的代表性和先进性，目前国际上公认较为优秀且应用广泛的作物生长模拟模型有美国的CERES系列模型和荷兰的SUCROS模型等。;12;13;14;15;16;17;;Modular structure of cereal crop model;（2）资料获取与算法构建;通过补充试验或支持研究，围绕某个方面获得全新的资料。;2)算法构建;（3）模块设计与模型实现;（4）模型检验与改进;;校正 校正是调整模型的参数和关系，使得模型符合模拟者特定的环境和资料参数,主要检验模型系统的综合表现及对综合变量的反应。 核实 核实是指决定模型是否适用于模型研制以外的完全独立的资料，是多年、多点、多试验观测值与模拟值的比较。可采用如下方法： 一是将模拟结果与实际结果进行回归分析； 二是将实际结果与模拟结果按同一时间坐标绘1:1图进行比较； 三是检验模拟与实际值的平均误差。其中模拟值与实际值的平均误差可以通过以下一些统计方法计算得到：;27;（1）平均离差（Mean Deviation，MD） 即预测值与实际值之差总和的平均值。 MD＝（ΣERRi）/n ERRi＝Yi－Xi 其中，n为为样本数；Yi和Xi为第i次的模拟值和实测值。 （2）平均预测误差（Mean Prediction Error，MPE） 即预测值与实际值之差绝对值总和的平均值，反映模型的精度。 MPE=(Σ|DERi|)/n （3）预测均方法（Mean Square Error of Prediction，MSEP） 即预测值与实际值之差平方总和的平均值，是比较模型间精确度较好的指标。 MSEP=（ΣERRi）2/n （4）均方差根（Root Mean Square Error，RMSE） 即预测均方差的开平方，能更直观地反映模拟值与实测值的误差。 ;29;模型的组合基本方法，用逻辑形式表示有： 模型间的关系为“与”（and）关系 例如“模型1 and 模型2” 模型间的关系为“或”（or）关系