基本信息
摘要：一种融合气孔导度的黄瓜GA-RBF光合速率预测模型，利用多因子嵌套试验获得以气孔导度、温度、CO2浓度、光照强度、相对湿度为输入，净光合速率为输出实验数据，然后利用遗传算法进行种群的初始化，根据给定的spread参数的初始范围，进行适应值函数的计算，通过选择、交叉、变异，找到最佳的RBF神经网络中的spread参数，构建融合气孔导度的黄瓜GA-RBF光合速率预测模型，试验结果表明，本发明模型预测值与实测值决定系数为0.99878，直线斜率是0.99781，误差小于6％，其训练效果与基于未用遗传算法优化RBF算法融合气孔导度构建的光合速率预测模型和基于未融合气孔导度的黄瓜GA-RBF光合速率预测模型相比具有更好预测效果。
摘要附图：
