茶树树冠结构数学模型的研究

论文摘要

茶树树冠结构的构成状况,茶树树冠的大小、形状、结构直接影响着茶树的产量和品质。如果能找到一种科学的方法来动态的表示不同树龄的茶树树冠结构各项指标的变化,并且能用测到的最新数据预测来年树冠结构的各项指标,就能便于及时合理的修剪树冠,合理的施肥,使树冠达到丰产树冠的要求。本研究以小乔木品种的福鼎大白茶和灌木品种槠叶齐为材料,通过对湖南8个地(市)规范化栽培园的1～18年生两品种的15项指标的分析,建立了不同树龄茶树的树冠结构的数学模型。主要研究内容如下:1、对于不同树龄的茶树的树冠结构的单指标建立一阶差分模型,分别运用灰色系统理论的GM(1,1)建模方法和人工神经网络方法对差分模型中的参数进行了辩识。2、对于不同树龄的茶树的树冠结构的单指标建立高阶差分模型,运用多元线性回归对回归系数进行了估计。3、对于与茶叶的产量密切相关的四个指标:生产枝密度、新梢密度、百芽重、一芽三叶长,通过关联度分析,找出与他们关联度最大的某一指标,并建立两者之间的动态关系。

论文目录

• 摘要
• Abstract
• 第一章 综述
• 1 研究目的与意义
• 2 茶树树冠结构研究状况分析
• 3 差分方程及应用现状
• 3.1 差分的概念
• 3.2 差分方程的概念及一般形式
• 3.3 差分方程的应用现状
• 4 灰色系统及应用现状
• 4.1 灰色系统的概念
• 4.2 灰色系统理论的应用现状
• 4.3 灰色预测模型
• 5 人工神经网络
• 5.1 人工神经网络概念
• 5.2 用人工神经网络解决问题的过程
• 5.3 BP人工神经网络模型建立的原理与方法
• 5.4 BP人工神经网络的应用情况
• 5.4.1 模式识别
• 5.4.2 智能预测和过程控制
• 5.4.3 人工智能方面
• 6 多元线性回归模型
• 6.1 多元线性回归概念
• 6.2 多元线性回归模型应用情况
• 7 研究的技术线路
• 8 研究的主要内容及创新点
• 第二章 单指标茶树树冠结构一阶差分模型
• 1 材料与方法
• 1.1 材料
• 1.2 模型建立
• 1.3 灰色GM（1，1）模型
• 1.3.1 对原始实验数据的预处理
• 1.3.2 参数的求解及模型的建立
• 1.3.3 指标变化率k（n）的GM（1，1）模型算法的Matlab实现
• 1.4 BP人工神经网络预测
• 1.4.1 网络结构的设计
• 1.4.2 BP神经网络预测过程
• 2 结果与分析
• 2.1 基于GM（1，1）的茶树树冠结构各指标的一阶差分模型
• 2.2 基于BP神经网络的茶树冠各指标的一阶差分预测
• 2.3 模型的评价
• 3 结论
• 第三章 单指标茶树树冠结构高阶差分模型
• 1 材料与方法
• 1.1 材料
• 1.2 方法
• 2 结果与分析
• 2.1 福鼎大白茶的二阶差分模型
• 2.2 结果的评价
• 3 结论
• 第四章 多指标茶树树冠结构模型
• 1 材料与方法
• 1.1 材料
• 1.2 方法介绍
• 1.2.1 关联度分析
• 1.2.2 GM（1，N）模型
• 2 结果与分析
• 2.1 关联度分析结果
• 2.2 多指标GM（1，2）模型的建立
• 2.3 模型结果的检验分析与结论
• 第五章 总结
• 1 结论
• 2 展望
• 参考文献
• 附录A
• 附录B
• 附录C
• 附录D
• 附录E
• 致谢
• 作者简介