一种基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型及建立与应用制造技术

本发明专利技术基于鱼群算法的黄瓜幼苗期二氧化碳精准调控模型，以温度T和光子通量密度PFD为自变量，最大光合速率对应的二氧化碳浓度为因变量，提出了模型公式，同时公开了该模型的建立和应用，利用光合速率多因素嵌套试验获取多维数据，构建光合速率多元非线性回归模型，设计出基于鱼群算法的二氧化碳模型寻优方法，得到不同温度、不同光子通量密度条件下的二氧化碳饱和点，最终建立以二氧化碳饱和点为目标值的黄瓜二氧化碳优化调控模型，模型验证试验结果表明，本发明专利技术可动态获取不同温度、不同光子通量密度条件下二氧化碳饱和点，二氧化碳饱和点实测值与计算值决定系数为0.98，最大相对误差小于3％，精度较高，对提高设施二氧化碳环境调控效率具有重要意义。

【技术实现步骤摘要】

本专利技术属于智能农业
，特别涉及一种基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型及建立与应用。
技术介绍
黄瓜是世界温室栽培的主要作物之一，栽培面积高达350.34万hm2，而光合速率优劣直接影响黄瓜的产量与品质。CO2是植物光合作用物质积累的主要原料，而且对作物生长发育起着非常重要的调节作用，是植物生长过程中不可或缺的因素之一，被人们形象的称为“气肥”，其浓度不足或过高对农作物的生长速度、产量以及品质都具有重要的影响。若CO2供给不足可直接影响光合效果，造成花果脱落、含糖量下降、生长期延长、产量及品质下降等问题；而CO2浓度过高也会影响作物对氧气的吸收，抑制正常的呼吸作用，引起叶片卷曲，阻碍生长发育，促进衰老，严重的甚至造成CO2中毒引起植物死亡。但是植物利用CO2的能力与温度和光子通量密度之间存在着既相辅相成有相互制约的关系。已有研究证明当温度和光子通量密度低于或高于正常光合作用的温度和光子通量密度时，植物本身不能正常进行光合作用，即使提高CO2浓度，也达不到提高光合效率的目的。但即使在适宜温度和光子通量密度范围内，作物CO2浓度的饱和点也会根据温度和光子通量密度的变化发生动态变化，因此真正提高光合效率就必须基于实时环境因子实现对系统CO2饱和点的动态调整。因此，如何动态调整温度、光子通量密度和CO2浓度，建立基于最优光合速率的CO2调控模型，提高黄瓜等作物的光合作用速率已成为作物栽培领域亟待解决的问题。近年来，二氧化碳模型作为构建光合优化调控模型的理论基础，已在国内外得到了广泛的研究。已有研究均未基于光合速率模型进行不同温度不同光子通量密度条件寻优，而二氧化碳优化调控模型应建立在寻优的基础上，因此设计基于不同温度不同光子通量密度条件下二氧化碳饱和点的动态寻优方法，成为建立二氧化碳优化调控模型的关键。鱼群算法由于精度普遍高于遗传算法，同时具有收敛速度快、简单易实现、鲁棒性强、可克服局部极值、取得全局极值的能力，又对搜索空间有一定的自适应能力，得到了广泛关注，并被应用于多个工程领域，并取得良好效果。以上研究为建立基于鱼群算法的黄瓜幼苗二氧化碳精确调控模型提供了理论基础，但算法设计中仍存在参数种类、寻有条件、函数类型不同等问题。
技术实现思路
为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型及建立与应用，以多因子耦合的非线性黄瓜光合速率模型为基础，得到不同温度不同光子通量密度条件下的最大光合速率与二氧化碳饱和点，从而建立以二氧化碳饱和点为目标的黄瓜二氧化碳优化调控模型，为设施二氧化碳的优化调控提供理论基础。为了实现上述目的，本专利技术采用的技术方案是：一种基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型，以温度T(℃)、光子通量密度PFD(μmol·m-2·s-1)为自变量，最大光合速率对应的二氧化碳浓度M(μmol·mol-1)为因变量，模型公式为：M＝957+35.62·T+0.677·PFD+0.1794·T2-0.01052·T·PFD-0.0002668·PFD2。本专利技术还提供了所述基于鱼群算法的黄瓜幼苗期光合作用优化调控模型的建立方法，包括如下步骤：首先，进行试验以获取试验数据，试验过程如下：将批量黄瓜苗在日光温室内采用营养基质穴盘育苗并进行常规栽培管理，周期为一个月，选取定植后长势基本一致、健壮的黄瓜幼苗进行试验，设定二氧化碳浓度400μmol·mol-1、300μmol·mol-1、200μmol·mol-1、100μmol·mol-1、50μmol·mol-1、400μmol·mol-1、400μmol·mol-1、700μmol·mol-1、1000μmol·mol-1、1300μmol·mol-1、1600μmol·mol-1、1900μmol·mol-1；7个温度梯度为18℃、21℃、24℃、27℃、30℃、33℃、36℃；8个光子通量密度梯度为0μmol·m-2·s-1、100μmol·m-2·s-1、300μmol·m-2·s-1、600μmol·m-2·s-1、900μmol·m-2·s-1、1200μmol·m-2·s-1、1500μmol·m-2·s-1、1800μmol·m-2·s-1，共计56组试验条件，每组试验均选取6株幼苗重复测量6次净光合速率值，形成试验样本集；其次，根据试验数据建立多因子耦合的温度T、光子通量密度PFD、二氧化碳浓度M和光合速率Pn多元非线性黄瓜光合速率模型；Pn＝f(T,PFD,M)＝-12.029+1.389·T+0.005·M+0.008·PFD+0·T·M+0.001·T·PFD+(2.05e-05)·M·PFD+(-8.4e-08)·T·M·PFD+(-0.058)·T2+(9.61e-07)·M2+(-3.38e-05)·PFD2+0.001·T3+(-2.76e-09)·M3+(1.67e-08)·PFD3+(2.53e-07)·T·M2+(-3.57e-07)·T·PFD2+(-6.28e-09)·M·PFD2+(-3.12e-06)·M·T2+(-0.568e-05)·PFD·T2+(-2.19e-09)·PFD·M2拟合结果决定系数为0.967。然后，基于所述多元非线性黄瓜光合速率模型，采用鱼群算法实现寻优；所述鱼群算法包含寻优条件嵌套构建和特定条件鱼群寻优两部分，其中，寻优条件嵌套构建是指采用嵌套方式，建立全温度范围、全光子通量密度范围内寻优梯度，从而完成不同寻优目标函数构建；特定条件鱼群寻优是根据特定寻优目标函数进行寻优，最终实现特定温度、特定光子通量密度的二氧化碳饱和点寻优。所述特定条件鱼群寻优具体过程如下：以3℃为步长建立寻优条件数据样本集T＝(T1,T2,...Tm)，其中Tm＝Tmin+3·m，Tmin表示初始温度值，m是[0,7]区间内的整数；以300umol/m2·s为步长建立寻优条件数据样本集PFD＝(PFD1,PFD2,...,PFDn)，其中PFDn＝150+(n-1)×300(umol/m2·s)，n是[1,7]区间内的整数；并以此样本集中数据完成对多元非线性黄瓜光合速率模型中Pn＝f(T,PFD,M)的温度、光子通量密度实例化，寻优过程中目标函数Pnm＝f(Tm，PFDn，M)，适应度函数F＝Pnm＝f(Tm，PFDn，M)，式中Pnm表示样本集中特定温度Tm特定光子通量密度PFDn条件下的光合速率；基于随机生成初始种群，利用适应度函数计算适配值完成种群评价，当其种群评价不满足停止条件，则触发以下操作：首先，在进行寻优前，鱼群初始化，其具体操作方法如下式：鱼群中每条人工鱼均为一组实数，是在给定范围内产生的随机数组。例如，鱼群的大小为N，有两个待优化的参数x,y，范围分别为[x1,x2]和[y1,y2],则要产生一个2行N列的初始鱼群，每列表示一条人工鱼的两个参数。其次，采用一般鱼群算法根据种群空间中的每个人工鱼的食物浓度、拥挤度以及伙伴数量本文档来自技高网...

【技术保护点】
一种基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型，其特征在于，以温度T(℃)、光子通量密度PFD(μmol·m‑2·s‑1)为自变量，最大光合速率对应的二氧化碳浓度M(μmol·mol‑1)为因变量，模型公式为：M＝957+35.62·T+0.677·PFD+0.1794·T2‑0.01052·T·PFD‑0.0002668·PFD2。

【技术特征摘要】
1.一种基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型，其特征在于，
以温度T(℃)、光子通量密度PFD(μmol·m-2·s-1)为自变量，最大光合速
率对应的二氧化碳浓度M(μmol·mol-1)为因变量，模型公式为：
M＝957+35.62·T+0.677·PFD+0.1794·T2-0.01052·T·PFD-0.0002668·PFD2。
2.权利要求1所述基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模型的
建立方法，其特征在于，包括如下步骤：
首先，进行试验以获取试验数据，试验过程如下：
将批量黄瓜苗在日光温室内采用营养基质穴盘育苗并进行常规栽培管
理，周期为一个月，选取定植后长势基本一致、健壮的黄瓜幼苗进行试验，
设定二氧化碳浓度400μmol·mol-1、300μmol·mol-1、200μmol·mol-1、
100μmol·mol-1、50μmol·mol-1、400μmol·mol-1、400μmol·mol-1、700μmol·mol-1、
1000μmol·mol-1、1300μmol·mol-1、1600μmol·mol-1、1900μmol·mol-1；7个温
度梯度为18℃、21℃、24℃、27℃、30℃、33℃、36℃；8个光子通量密度
梯度为0μmol·m-2·s-1、100μmol·m-2·s-1、300μmol·m-2·s-1、600μmol·m-2·s-1、
900μmol·m-2·s-1、1200μmol·m-2·s-1、1500μmol·m-2·s-1、1800μmol·m-2·s-1，共计
56组试验条件，每组试验均选取6株幼苗重复测量6次净光合速率值，形成
试验样本集；
其次，根据试验数据建立多因子耦合的温度T、光子通量密度PFD、二
氧化碳浓度M和光合速率Pn多元非线性黄瓜光合速率模型；
然后，基于所述多元非线性黄瓜光合速率模型，采用鱼群算法实现寻优；
最后，根据寻优结果建立二氧化碳优化调控模型。
3.根据权利要求2所述基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模
型的建立方法，其特征在于，所述多元非线性黄瓜光合速率模型如下式所示：
Pn＝f(T,PFD,M)＝-12.029+1.389·T+0.005·M+0.008·PFD+0·T·M+0.001·T·PFD
+(2.05e-05)·M·PFD+(-8.4e-08)·T·M·PFD+(-0.058)·T2+(9.61e-07)·M2+(-3.38e-05)·PFD2+0.001·T3+(-2.76e-09)·M3+(1.67e-08)·PFD3+(2.53e-07)·T·M2+(-3.57e-07)·T·PFD2+(-6.28e-09)·M·PFD2+(-3.12e-06)·M·T2+(-0.568e-05)·PFD·T2+(-2.19e-09)·PFD·M2拟合结果决定系数为0.967。
4.根据权利要求2所述基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模
型的建立方法，其特征在于，所述鱼群算法包含寻优条件嵌套构建和特定条
件鱼群寻优两部分，其中，寻优条件嵌套构建是指采用嵌套方式，建立全温
度范围、全光子通量密度范围内寻优梯度，从而完成不同寻优目标函数构建；
特定条件鱼群寻优是根据特定寻优目标函数进行寻优，最终实现特定温度、
特定光子通量密度的二氧化碳饱和点寻优。
5.根据权利要求4所述基于鱼群算法的黄瓜幼苗期二氧化碳优化调控模
型的建立方法，其特征在于，所述特定条件鱼群寻优具体过程如下：
以3℃为步长建立寻优条件数据样本集T＝(T1,T2,…Tm)，其中
Tm＝Tmin+3·m，Tmin表示初始温度值，m是[0,7]区间内的整数；以300umol/m2·s为
步长建立寻优条件数据样本集PFD＝(PFD1,PFD2,…,PFDn)，其中
PFDn＝150+(n-1)·300(umol/m2·s)，n是[1,7]区间内的整数；并以此样本集中数
据完成对多元非线性黄瓜光合速率模型中Pn＝f(T,PFD,M)的温度、光子通量
密度实例化，寻优过程中目标函数Pnm＝f(Tm,PF...

【专利技术属性】
技术研发人员：张海辉，辛萍萍，闫柯，陶彦蓉，张珍，张斯威，王智永，邵志成，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：陕西;61