论文目录 | |
摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 引言 | 第9-15页 |
1.1 研究目的和意义 | 第9-11页 |
1.1.1 我国水资源现状 | 第9页 |
1.1.2 农业用水现状 | 第9-10页 |
1.1.3 土壤墒情预报与灌溉制度优化研究的意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 土壤墒情监测与预报的研究现状 | 第11-12页 |
1.2.2 作物灌溉制度优化的研究现状 | 第12-13页 |
1.3 本文所涉及的基本概念 | 第13-14页 |
1.4 本文的研究目标及内容 | 第14-15页 |
2 研究区概况及试验方案 | 第15-23页 |
2.1 研究区概况 | 第15页 |
2.2 试验方案及内容 | 第15-18页 |
2.2.1 土壤水分的测定 | 第15-16页 |
2.2.2 田间试验布置 | 第16-18页 |
2.3 试验数据统计分析方法 | 第18-23页 |
2.3.1 基本统计量 | 第18-19页 |
2.3.2 土壤墒情试验数据分布 | 第19-23页 |
3 土壤水分空间变异特征分析 | 第23-43页 |
3.1 土壤水分空间变异性研究 | 第23-24页 |
3.2 试验结果统计与处理 | 第24-28页 |
3.3 土壤含水量空间分布统计特征分析 | 第28-40页 |
3.3.1 0-30cm(V1 层)土壤层含水量统计特征 | 第28-31页 |
3.3.2 30-50cm(V2 层)土壤层含水量统计特征 | 第31-34页 |
3.3.3 50-80cm(V3 层)土壤层含水量统计特征 | 第34-37页 |
3.3.4 0-80cm(V 层)土壤层含水量均值统计特征 | 第37-40页 |
3.4 土壤水分半方差函数分析 | 第40-43页 |
4 土壤墒情预报方法研究 | 第43-50页 |
4.1 土壤墒情预报 | 第43-46页 |
4.1.1 人工神经网络简介 | 第43页 |
4.1.2 BP 神经网络简介 | 第43-45页 |
4.1.3 基于 Matlab 的 BP 神经网络结构设计 | 第45-46页 |
4.2 基于 BP 神经网络的土壤墒情预测 | 第46-50页 |
5 农田土壤水分平衡分析及优化模型的建立 | 第50-68页 |
5.1 农田土壤水量平衡模拟模型 | 第50-51页 |
5.2 作物水分生产函数计算模型 | 第51-55页 |
5.2.1 水分生产函数概述 | 第51-52页 |
5.2.2 全生育期作物水分生产函数模型 | 第52-53页 |
5.2.3 划分生育阶段的水分生产函数模型 | 第53-55页 |
5.3 水分生产函数模型求解 | 第55-56页 |
5.4 模型参数的选用 | 第56-64页 |
5.4.1 农田水量平衡模型参数 | 第56-60页 |
5.4.2 作物产量计算模型参数 | 第60页 |
5.4.3 微粒群算法计算敏感指数 | 第60-64页 |
5.5 计算实例 | 第64-65页 |
5.5.1 试验资料选取 | 第64-65页 |
5.5.2 适应度函数的确定 | 第65页 |
5.5.3 参数的选取 | 第65页 |
5.6 结果分析 | 第65-68页 |
6 灌溉制度优化模型及求解 | 第68-89页 |
6.1 作物灌溉制度多目标优化简介 | 第68-69页 |
6.2 试验资料的整理 | 第69-74页 |
6.2.1 冬小麦试验资料 | 第69-72页 |
6.2.2 夏玉米试验资料 | 第72-74页 |
6.3 试验设计及处理 | 第74-76页 |
6.4 优化模型及求解方法 | 第76-81页 |
6.4.1 优化模型 | 第76-77页 |
6.4.2 模型求解方法—改进分组非支配排序遗传算法(GNSGA-Ⅱ) | 第77-81页 |
6.4.3 遗传编码设计 | 第81页 |
6.5 设定可灌水量条件下灌溉制度优化 | 第81-85页 |
6.6 设定灌水次数条件下灌溉制度优化 | 第85-89页 |
7 河北平原区农业节水技术措施探讨 | 第89-93页 |
7.1 工程措施 | 第89-91页 |
7.2 农艺措施 | 第91-92页 |
7.3 管理措施 | 第92-93页 |
8 结论与建议 | 第93-95页 |
8.1 总结 | 第93页 |
8.2 研究不足与展望 | 第93-95页 |
参考文献 | 第95-103页 |
在读期间发表的学术论文 | 第103-104页 |
作者简历 | 第104-105页 |
致谢 | 第105-106页 |