基于BP神经网络的温室番茄光合作用速率预测模型研究

【摘要】：针对CO2在作物生长中的重要作用,本文运用BP神经网络建立番茄幼苗期光合作用速率预测模型,从而进一步确定其CO2需求量,为CO2的调控提供决策依据。在本研究中,采用无线传感器网络中气象站节点每10分钟自动采集温室环境信息,采集的参数包括空气温湿度、CO2浓度,土壤温湿度及光照强度,以此作为BP神经网络的输入参数对番茄幼苗光合速率进行预测;同时采用光合仪LI-6400采集番茄幼苗的净光合作用速率,作为神经网络的输出参数,并对预测模型进行检验。实验结果表明,光合作用预测值与实测值相关系数为0.9752,此BP神经网络模型可用于番茄幼苗光合速率的预测。