1、本文在查閱大量國內(nèi)外文獻的基礎(chǔ)上，對優(yōu)化灌溉及精量灌溉控制技術(shù)做了全面的綜述。在借鑒前人所做工作的基礎(chǔ)上，結(jié)合我國水資源及農(nóng)業(yè)灌溉實踐，提出了適合我國農(nóng)業(yè)灌溉工程的單(多)作物優(yōu)化灌溉模型，并通過灌區(qū)的試驗數(shù)據(jù)對模型進行了求解，結(jié)果顯示在非充分灌溉條件下，該模型能對有限的灌水資源在不同作物及作物的不同生長期內(nèi)進行優(yōu)化分配；同時，通過改進算法神經(jīng)網(wǎng)絡(luò)，利用天氣環(huán)境參數(shù)對作物在特定生長階段的需水量進行了預(yù)測，預(yù)測結(jié)果和試驗數(shù)據(jù)對比顯示了作物

2、需水量神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度完全能滿足我國的農(nóng)田灌溉需求；通過模糊決策技術(shù)，對作物的需水量和土壤濕度狀況以及作物的生長階段等因素來模糊決策作物的灌水量，把當(dāng)前先進的智能化決策技術(shù)應(yīng)用到灌溉工程中。最后，通過對多個模型的集成，生成一套可視化農(nóng)業(yè)灌溉決策軟件指導(dǎo)農(nóng)業(yè)灌溉實踐。 主要研究內(nèi)容和創(chuàng)新點有： 1.首次建立了考慮多種因素的單作物優(yōu)化灌溉模型。在綜合考慮灌溉水量、作物水分需求、水分生產(chǎn)函數(shù)、降雨量、土壤水分平衡、缺水敏

3、感指數(shù)、糧食市場價格、農(nóng)田灌溉用水價格、最低產(chǎn)量需求和灌溉成本等因素的基礎(chǔ)上，建立適應(yīng)我國國情的基于灌水收益最大的單作物優(yōu)化灌溉模型，同時應(yīng)用遺傳算法強大的搜尋功能，對模型的實數(shù)編碼解空間進行搜索，得到特定條件下模型的最優(yōu)解。通過夏玉米田間種植試驗，驗證模型的有效性。 2.首次建立了多作物聯(lián)合種植優(yōu)化灌溉模型。在單作物優(yōu)化灌溉模型的基礎(chǔ)上，在綜合考慮作物種植結(jié)構(gòu)，不同作物對水分需求，以及每種作物的最低產(chǎn)量需求基礎(chǔ)上，建立基于灌水

4、收益最大的多作物多約束非線性優(yōu)化灌溉模型，同時應(yīng)用遺傳算法強大的搜尋功能，對模型的實數(shù)編碼解空間進行搜索，得到模型的最優(yōu)解。通過田間的夏玉米、冬小麥聯(lián)合種植對比試驗，驗證模型的有效性。 3.對設(shè)計的優(yōu)化灌溉模型遺傳算法控制參數(shù)進行優(yōu)選。通過分析不同遺傳算法參數(shù)(群體規(guī)模、交叉概率和變異概率)對尋優(yōu)過程的影響，以及不同參數(shù)組合對模型尋優(yōu)過程的對比，得到對作物灌溉模型最優(yōu)的組合參數(shù)。同時在該組最優(yōu)組合參數(shù)下，對模型的5種灌水水平進行

5、優(yōu)化求解，得到了模型的最優(yōu)解。 4．建立了作物需水量神經(jīng)網(wǎng)絡(luò)預(yù)測模型。在作物需水量預(yù)測模型中，首先針對某種作物，分析影響作物需水量(作物騰發(fā)量)的因素，根據(jù)相關(guān)系數(shù)確定影響作物需水量的主要因素，然后以這些主要因素為輸入，以作物需水量為輸出，采用優(yōu)化神經(jīng)網(wǎng)絡(luò)算法來預(yù)測作物需水量。同時，根據(jù)大量的常年實驗數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，最后通過一組非樣本數(shù)據(jù)來驗證該模型的有效性。 5．建立了作物灌水量模糊決策模型。在作物灌水量模糊推

6、理模型中，充分考慮作物的灌水量不僅與作物需水量有關(guān)系，而且與土壤濕度、作物類型和生長階段有密切的關(guān)系。尤其各因素對灌水量的影響是非線性和模糊的，很難用精確的數(shù)學(xué)模型表達出來。模糊決策技術(shù)是基于大量專家經(jīng)驗和長期灌溉實踐的基礎(chǔ)上的，因而，可以根據(jù)這些因素對灌水量影響的不同權(quán)重，建立作物灌水量模糊推理模型。 6．將各模型制成組件，進行模塊的鑲嵌集成。利用對象模型(COM)生成器把上面3個智能模型做成組件，然后利用知識工程對生成的組件