论文部分内容阅读
发展高效节水型农业是国家的基本战略，连续自动获取农田水势信息是实践精细农业的重要基础之一，对发展高效节水农业意义重大。软测量技术主要用来预测那些传统检测方法无法获得的关键过程参数。在农业生产系统中，农田水势信息正是这样的关键过程参数。
本文在常规小脑模型CMAC(Cerebella Model Articulation Controller)神经网络的基础上，针对其在学习精度与存储容量之间的矛盾，引入信度分配概念，提出了一种基于信度分配的并行集成CMAC，并将它应用于土壤水势软测量建模中，仿真结果表明，该方法具有有效的实际建模能力。
此外，本文在标准最小二乘支持向量机LS-SVM(Least Square Support VectorMachine)的基础上，利用改进的粒子群算法(Improved Particle Swarm Optimization，IPSO)来优化LS-SVM模型参数，提出了基于IPSO-LS-SVM的软测量建模方法，建立了土壤水势软测量模型和作物叶水势软测量模型，仿真结果表明，该方法比基本LS-SVM和PSO-LS-SVM模型具有更高的精度，能够很好的预测土壤水势和作物叶水势信息。