-
公开(公告)号：CN109472320B
公开(公告)日：2021-09-07
申请号：CN201811454430.5
申请日：2018-11-30
Applicant: 南京农业大学
Abstract: 本发明公开了一种不确定条件下作物生育期模型品种参数自动校正方法，针对在不确定条件下，相似性度量算法以及自适应差分进化算法与作物生育期模型耦合过程中一些关键环节。该方法解决选取多年份温光属性特征差异度大的数据集代表当地的气候条件，作为模型品种参数校正的样本数据集，即筛选出能够约束所有参数的关键物候期变量作为适应度函数中目标变量，当变量实测数据缺失时利用栽培知识推算其缺失值；确定具有自适应特征差分的进化算法来校正模型品种参数；最后对“异参同效”的估计参数结果，采用改进K‑means聚类算法选择出一组鲁棒性较好的代表性品种参数，使得模拟误差最小并具有较好稳定性，便于用于实际生产实践。
-
公开(公告)号：CN109472320A
公开(公告)日：2019-03-15
申请号：CN201811454430.5
申请日：2018-11-30
Applicant: 南京农业大学
Abstract: 本发明公开了一种不确定条件下作物生育期模型品种参数自动校正框架，针对在不确定条件下，相似性度量算法以及自适应差分进化算法与作物生育期模型耦合过程中一些关键环节。该框架解决选取多年份温光属性特征差异度大的数据集代表当地的气候条件，作为模型品种参数校正的样本数据集，即筛选出能够约束所有参数的关键物候期变量作为适应度函数中目标变量，当变量实测数据缺失时利用栽培知识推算其缺失值；确定具有自适应特征差分的进化算法来校正模型品种参数；最后对“异参同效”的估计参数结果，采用改进K-means聚类算法选择出一组鲁棒性较好的代表性品种参数，使得模拟误差最小并具有较好稳定性，便于用于实际生产实践。
-
Search Results
2
records
(took 0.027 seconds)
