基于改进型鱼群算法的番茄幼苗期光合作用优化调控模型及建立与应用
【技术领域】
[0001] 本发明属于智能农业技术领域，特别涉及一种基于改进型鱼群算法的番茄幼苗期 光合作用优化调控模型及建立与应用。
【背景技术】
[0002] 番茄是世界温室栽培的主要作物之一，栽培面积高达450. 34万hm2,而光合速率优 劣直接影响番茄的产量与品质。已有研究表明光合速率受温度、二氧化碳浓度、光子通量密 度等环境因子影响，番茄作为喜光性作物其光合速率尤为受到关注。胡文海等人研究表明 低温弱光下番茄幼苗的光合速率会降低；张富存等人研究结果表明高温胁迫也会降低番茄 的光合速率；郭泳等人探明24~34°C适宜温度范围内，光饱和点会发生前移或后移，造成 光合速率相应曲线的变化，使其随温度和光照的不同而发生变化。上述研究均表明温度和 光照是影响光合速率最重要的因素之一。因此，如何评价温度和光照对番茄光合作用的影 响，建立光合优化调控模型，提高番茄等作物的光合作用速率已成为作物栽培领域亟待解 决的问题。
[0003] 近年来，光合速率模型作为构建光合优化调控模型的理论基础，已在国内外得到 了广泛的研究。李天来等人确定了日光温室番茄最大光合速率的温度修正模型；赖琳玲等 人研究了春季栽培于塑料大棚内的无限生长型番茄品种的生长动态与棚内温度和光照的 关系；JingZhang等人构建了温度、C02浓度及水分对番茄光合速率的影响函数。但上述研 究均未基于光合速率模型进行不同温度条件寻优，而光合优化调控模型应建立在寻优的基 础上，因此设计基于不同温度条件下光饱和点的动态寻优方法，成为建立光合优化调控模 型的关键。
[0004] 基于遗传算法的光合优化调控模型可动态获取不同温度条件下光饱和点由于遗 传算法全局搜索能力强但局部寻优能力较差，造成该模型最大误差达6%。近年来，改进的 人工鱼群算法在避免基本人工鱼群算法运行速度慢的同时，具有全局寻优能力强、不易陷 入局部极值点、精度普遍高于遗传算法等特点，故得到了广泛关注，并在海上导航、路由优 化、水库优化调度、电站优化等方面的多个领域进行应用研究，并取得良好效果。以上研究 为建立基于改进型鱼群算法的番茄光环境调控目标值模型提供了理论基础。以上研究为光 饱和点的动态寻优提供了理论基础，但算法设计中仍存在参数种类、寻优条件、函数类型不 同等问题。
【发明内容】
[0005] 为了克服上述现有技术的缺点，本发明的目的在于提供一种基于改进型鱼群算法 的番茄幼苗期光合作用优化调控模型及建立与应用，以多因子耦合的非线性番茄光合速率 模型为基础，得到不同温度下的最大光合速率与光饱和点，从而建立以最大光合速率为目 标的番茄光合优化调控模型，为光合速率的优化调控提供理论基础。
[0006] 为了实现上述目的，本发明采用的技术方案是：
[0007] -种基于改进型鱼群算法的番茄幼苗期光合作用优化调控模型，以温度T为自变 量，光饱和点对应的光子通量密度LSP为因变量，模型公式为：
[0008]
LSP指光饱和点对应的PFD。
[0009] 本发明还提供了所述基于改进型鱼群算法的番茄幼苗期光合作用优化调控模型 的建立方法，包括如下步骤：
[0010] 首先，进行试验以获取试验数据，试验过程如下：
[0011] 将批量番茄苗在日光温室内采用营养基质穴盘育苗并进行常规栽培管理，周 期为一个月，选取定植后长势基本一致、健壮的番茄幼苗进行试验，设定二氧化碳浓度 为300μ1 · 1 个温度梯度为16°C、21°C、25°C、29°C、33°C、37°C;10个光子通量密度 梯度为 〇Um〇l·m2 ·s、50μmol·m2 ·s、100μmol·m2 ·s'200μmol·m2 ·s、 400ymol·m2 ·s\ 600ymol·m2 ·s\ 800ymol·m2 ·s\l000ymol·m2 ·s\ 1200μmol·m2 ·s\ 1500μmol·m2 ·s\共计60组试验条件，每组试验均选取6株幼苗 重复测量6次净光合速率值，形成试验样本集；
[0012] 其次，根据试验数据建立多因子耦合的温度T、光子通量密度PFD和光合速率ΡηΞ 元非线性番茄光合速率模型；
[0013]Pn=f(T,PFD) = 420. 1-90. 11T+0. 1696PFD+7. 556T2-〇. 01896T*PFD-〇. 001299PFD 2-0. 3099T3+0. 0006919T2 *PFD+1. 018X105T*PFD2+7. 798X10 8PFD3+0. 00622T4-1. 589X106T 3 *PFD-5. 389X10Y*PFD2+2. 031X109T*PFD3-6. 654X10nPFD4-4. 891X10 5T5-1. 598X10 7T4*P FD+7. 865X10 9T3 ·PFD2-2. 371X10nT2 ·PFD3-2. 079X1013T·PFD4+1. 71X10 14PFD5
[0014] 拟合结果决定系数为0.9929。
[0015] 所述改进型鱼群算法包含寻优条件嵌套构建和特定条件改进型鱼群寻优两部分， 其中，寻优条件嵌套构建是指采用嵌套方式，建立全温度范围内寻优梯度，从而完成不同寻 优目标函数构建；特定条件改进型鱼群寻优是根据特定寻优目标函数进行寻优，最终实现 特定温度的光饱和点寻优。
[0016] 所述特定条件改进型鱼群寻优具体过程如下：
[0017]以2°C为步长建立寻优条件数据样本集T= (T1，T2,…Tm)，其中Tm=T_+2*m，T_ 表示初始温度值，m是[0, 10]区间内的整数；并以此样本集中数据完成对三元非线性番茄 光合速率模型中匕=f(T，PFD)的温度实例化，寻优过程中目标函数Pnm=f(Tm，PFD)，适应 度函数F=Pnm=f(Tm，PFD)，式中if表示样本集中特定温度Tm下的光合速率；
[0018] 基于随机生成初始种群，利用适应度函数计算适配值完成种群评价，当其种群评 价不满足停止条件，则触发以下操作：
[0019]首先，在进行寻优前，改进型鱼群算法的核心视野和步长的动态调整，其具体操作 方法如下式：
[0020]
[0021] 式中：visual表示本次搜索人工鱼的视野；step表示本次搜索人工鱼移动的 步长；visual; 1表示前次搜索人工鱼的视野；stepii表示前次搜索人工鱼移动的步长；visualmin表示视野范围最小变化量，stepmin表示步长最小变化量；a表示调节系数。其中a =exp(-30X(t/Tmax)s)，t表示当前迭代次数；Tmax表示最大迭代次数变化速率；s表示大于 等于1的整数，其取值直接影响a的变化结果，本申请选择s= 1。
[0022] 其次，采用一般鱼群算法根据种群空间中的每个人工鱼的食物浓度、拥挤度以及 伙伴数量，选择进行觅食、聚群和追尾操作，完成人工鱼的新位置的获取，其具体方法如 下：
[0023]觅食行为：是指设一条人工鱼当前的状态为^，在其感知范围内按下式随机选择 一个状态xj:
[0024] Xj=x;+(2rand-l)step
[0025] 式中：rand表示一个随机数，若该状态的食物浓度，则使用下式完成位置更 新；否