應用基于遺傳算法的神經網絡模型估算水、鹽脅迫下的冬小麥根系分布.pdf

1、該文應用實數編碼的遺傳算法優(yōu)化人工神經網絡模型的權值,在室內及大田條件下,基于土壤水分、鹽分分布及冠部特征參數,分別對水分、鹽分脅迫下的根系分布參數估算進行了研究;并將該方法取得的根系參數應用于根系吸水模型中,對土壤水分、鹽分分布進行了模擬,主要結論如下：1、使用具有均勻分布特性的優(yōu)化分布線性交叉操作算子及自適應變異算子,采用實數編碼方案及遺傳算法優(yōu)化神經網絡模型權值,并用異或問題及編碼解碼問題對算法進行了檢驗,每次試驗初始染色體群體隨

2、機產生,與只使用具有均勻分布特性的優(yōu)化分布線性交叉操作算子或者只使用自適應變異算子的遺傳算法相比,在50次重復試驗中該文方法的優(yōu)化成功率最高,平均優(yōu)化代數最少.結果表明：應用該算法對神經網絡權值進行優(yōu)化,對于不同的初始染色體群體,不僅算法的收斂性得到改善,而且縮短了求解時間.2、冬小麥（苗期）水分脅迫土柱實驗結果分析表明,適度的水分脅迫會促進根系的生長以及地上部干物重的累積和葉面積的增加;隨著水分脅迫的加重,作物發(fā)育受到抑制.冬小麥（苗