SRT-基于个体优势遗传算法的水稻生长模型参数优化研究.doc

国家大学生创新性实验计划项目申请书项目名称: 基于个体优势遗传算法的水稻生长模型参数优化研究 申请者: 学 院: 专 业: 指导教师: 职称: 20年 月 日项目研究内容摘要将智能优化算法与水稻生长模型耦合可以简化模型参数估计过程，实现模型参数的自动率定。针对遗传算法后期收敛速度慢等问题，已提出了个体优势遗传算法（IAGA），并成功应用于水稻生育期子模型的遗传参数估算研究，提高了模型参数自动估测精度和计算效率。但随着水稻模型模拟过程的扩展，模拟过程复杂度变高，待估算遗传参数和目标变量个数增加，有必要进一步研究和验证IAGA算法对模拟过程和多目标优化的适应性。本研究以RiceGrow水稻生长模型为应用对象，研究多优化目标的适应度函数权重范围，完善IAGA算法与水稻生长模型耦合策略；通过多地点、多品种、多目标的组合优化实验，验证个体优势遗传算法对水稻生长模拟过程和多目标优化的收敛性与稳定性。研制水稻生长模型参数优化软件系统，进一步提高RiceGrow水稻生长模型参数的自动率定性能。二、立论依据 （包括项目的研究意义、现状分析，并附主要参考文献及出处） 研究意义：水稻生长模型是以水稻生长发育内在规律为基础，对水稻生理过程与环境和管理技术之间的关系加以理论概括和量化分析的数学模型，是数字水稻研究与发展的关键技术1。随着水稻生长模型对水稻生长与环境变化规律的不断揭示，正确并快速估算模型遗传参数有助于模型检验与评价。目前常用的模型参数的确定方法主要有手工试错法2、循环迭代法3-5等数学方法以及智能优化方法6。手工试错法费时费力，对农学知识和经验要求较高。循环迭代法存在“维数灾”问题，搜索效率不高，求解精度和步长的取值有关。作物模型参数优化的实质是通过比较模型模拟值与观测值之间的误差，寻找一组最优解，属于非线性、多参数组合优化问题。智能优化算法是一类启发式的全局搜索算法，具有自组织、自学习等特征，可以在一定迭代次数内找到最优解或者近似最优解，在解决组合优化问题上具有一定优势。因此，研究如何利用改进型智能优化算法估算作物模型参数，明确遗传算法与作物生长模型的耦合方法，简化模型参数估计过程，实现模型参数的自动率定，具有较强的理论研究和实际应用价值。现状分析：水稻生长模型的应用与评价必须以模型参数的准确性和可靠性为前提。由于模型复杂性和机理性的不断增强，使得模型遗传参数的估算具有一定的困难。至今为止，与水稻生长模型相匹配的参数优化方法仍不完善。华东师范大学的戴春妮7-8嵌套了两级GA，提出了多层次物种竞争消亡算法，引入了小生境进化思想和分等级公平竞争原则，更好地保持了个体多样性，提高了温室黄瓜生长模型的参数估算能力。刘铁梅9使用遗传模拟退火算法快速获取了大麦叶面积指数模拟模型参数。任建强10与靳华安11利用复合形混合演化算法同化遥感数据，获得了区域尺度上作物模型参数。本研究课题组充分利用精英个体信息改进遗传算法，提出了个体优势遗传算法（Individual Advantages Genetic Algorithm，IAGA）。该算法在传统遗传算法的基础上引入个体优化算子，并改进了变异算子及种群更新策略。以完全嵌入方式耦合RiceGrow和ORYZA2000水稻生育期模型，通过实验验证该算法应用到水稻生育期模型遗传参数估算中的有效性，实现了生育期模型参数的自动率定12。然而，水稻生长模型在模拟过程中涉及复杂的植物生理过程。生育期模拟过程是水稻潜在生产过程中的一个子环节。随着水稻模型模拟过程的扩展，模拟过程复杂度变大，遗传参数个数增加，目标变量个数增加，有必要进一步研究和验证IAGA算法对模拟过程和多目标优化的适应性问题，提出更加具有广普性的IAGA算法与水稻生长模型耦合策略，促进IAGA算法在作物生长模拟领域的应用。参考文献： 1 曹卫星,朱艳,田永超等.数字农作技术研究的若干研究进展与发展方向.中国农业科学,2006,39(2):281-288.2 房全孝.根系水质模型中土壤与作物参数优化及其不确定性评价.农业工程学报,2012,28(10):118-123.3 陈雷.水稻生产力的基因型与播期效应模拟研究D.南京：南京农业大学，2011.4 汤亮，朱艳等.油菜生育期模拟模型研究J.中国农业科学，2008，41(8).5 史春林，冯慧慧，金之庆等.水稻发育期模型的比较J.中国水稻科学，2010，24(3)：303-308.6 王凌.智能算法及其应用M.北京:清华大学出版社,2001.7 Chunni Dai, Meng Yao. Parameter optimization for growth model of greenhouse crop using genetic algorithms J. Applied Soft Computing，2009:13-19.8 戴春妮，姚萌等.一种新的进化计算算法模型种群竞争消亡算法J.计算机应用，2005，5(1)：224-225.9 刘铁梅,王燕,邹薇等.大麦叶面积指数模拟模型.应用生态学报,2010, 21(1):121-128.10 任建强,陈仲新,唐华俊等.基于遥感信息与作物生长模型的区域作物单产模拟.农业工程学报,2011,27(8):257-264.11 靳华安,王锦地,柏延臣等.基于作物生长模型和遥感数据同化的区域玉米产量估算.农业工程学报,2012,28(6):162-173.12 庄嘉祥,姜海燕,刘蕾蕾等.基于个体优势遗传算法的水稻生育期模型参数优化J.中国农业科学.（已录用）三、研究方案1. 项目研究的目标、内容和拟解决的关键问题研究目标：以个体优势遗传算法（IAGA）为基础，RiceGrow水稻生长模型的遗传参数估算为应用目标，通过多地点、多品种、多模拟过程组合的实验研究，明确影响IAGA算法应用的稳定性与收敛性因素，完善基于个体优势遗传算法的水稻生长模型参数优化方法，设计开发水稻生长模型参数优化软件系统，实现水稻生长模型遗传参数估算自动化。 研究内容：（1）基于IAGA算法的水稻生长模型参数优化方法研究。确定多目标变量权值范围，设计目标函数和适应度函数形式；确定IAGA算法的编码方式。 （2）水稻生长模拟过程的扩展对模型参数优化效果的影响研究。 在水稻生育期模拟过程基础上，增加水稻光合生产子过程，利用 物候期和生物量为优化目标变量，确定模型遗传参数收敛性。 在前两个子模型的基础上，增加干物质分配模拟子过程，利用物 候期、生物量和产量为优化目标变量，确定模型遗传参数收敛性。 （3）基于IAGA的遗传参数优化稳定性研究。确定参数调参的实测数据量大小以及不同年份的调参数据组合对模型参数优化效果的影响。 （4）设计开发基于个体优势遗传算法的水稻生长模型参数优化软件系统，实现多格式数据文件的录入与管理，遗传参数和调参日志的保存与查询，遗传参数自动估算，模型数据的图表查询等功能。拟解决的关键问题：（1）明确多目标变量权值范围，设计目标函数和适应度函数形式。（2）确定影响RiceGrow水稻生长模型参数收敛性和稳定性的影响因素。2. 拟采取的研究方法、技术路线、实验方案及可行性分析研究方法：（1）阅读相关文献、书籍以及学术论文等。（2）收集实验品种和多地点气象数据。（3）以RiceGrow水稻生长模型为应用对象，对IAGA算法进行大量的适应性试验。技术路线：运行RiceGrow水稻生长模型模型参数适应性试验开发基于IAGA算法的水稻生长模型 参数优化软件系统生长模型驱动数据确定模型编码方式确定应用于模型的目标函数和适应度函数RiceGrow水稻生长模型目标变量权值确定查阅文献资料多地点气象实现品种早熟性、光周期敏感性、温度敏感性、最大光合速率、LAI相对生长 速率等遗传参数估算 多品种物候期、生物量和产量在水稻生育期模型的基础上增加光和生产子模型和干物质分配子模型实验设计：实验一：水稻生长模拟过程的扩展对模型参数优化效果的影响 在水稻生育期模拟过程基础上，增加水稻光合生产子过程。从每个水稻品种六年实际观测数据中选取三年数据作为模型调参数据，以物候期和生物量为优化目标变量，利用IAGA算法进行数据拟合获得RiceGrow水稻生长模型参数，使用剩余三年实际观测数据验证模型参数的收敛性。 在前两个子模型的基础上，增加干物质分配模拟子过程，利用物候期、生物量和产量为优化目标变量，重复中的实验，验证模型参数的收敛性。实验二：基于IAGA的水稻潜在生长模拟遗传参数优化稳定性研究 为检验IAGA算法在不同调参数据量下拟合效果，在RiceGrow水稻生长模型下，分别取每个水稻品种的三年和六年观测数据作为调参数据，验证模型参数的稳定性。 为了比较不同调参数据组合选取对模型参数结果的影响，设置了3个不同调参数据组合的对照试验。 组合1：前三年数据作为调参数据； 组合2：从第一年开始隔年选取调参数据； 组合3：隔年选取调参数据，而且调参数据需要包含全生长期天数最大值和 最小值。 选取调参数据进行拟合试验获得模型参数，用剩余实测数据进行验证试验,验证模型参数的稳定性。可行性分析：（1）本项目应用对象是国家信息农业工程中心研制的RiceGrow水稻生长模型，该模型国内领先。可以获得完整代码和分析资料，为实验提供了基础素材。（2）个体优势遗传算法已成功应用到RiceGrow水稻生育期子模型，较其它遗传算法表现出强大的优势与潜力。（3）项目指导教师姜海燕，具有农业信息学和计算机应用技术交叉学科背景，曾主持过多个国家级项目和省级项目。曾指导国家、省级SRT项目，取得了优秀成绩，为本研究深入开展奠定良好的工作基础与学术积累。3. 本项目的创新之处（1）完善个体优势遗传算法与水稻生长模型耦合的遗传参数优化方法。（2）研制了基于个体优势遗传算法的水稻生长模型参数优化软件系统。4. 项目研究计划及预期进展（1）2013年4月至2013年6月 系统学习个体优势遗传算法以及该算法与水稻生育期子模型的耦合方法与关键环节。（2）2013年7月至2013年9月确定水稻生长模型参数范围，目标函数及适应度函数。（3）2013年10月至2013年12月利用个体优势遗传算法，对RiceGrow水稻生长模型参数进行适应性试验。（4）2014年1月至2014年 3月设计开发基于个体优势遗传算法的水稻生长模型参数优化软件系统。（5）2014年4月撰写研究报告，准备结题。5. 预期研究成果（1）完善个体优势遗传算法与水稻生长模型耦合的遗传参数优化方法。（2）开发基于个体优势遗传算法的水稻生长模型参数优化的软件系统。（3）撰写项目技术报告和投稿论文。四、研究基础 1. 与本项目有关的研究工作积累和已有的研究工作成绩（1）项目指导教师姜海燕，博士，现为南京农业大学计算机科学与技术系教授，主要从事作物系统模拟与智能系统、智能计算方面的教学与科研工作。研究小组已提出个体优势遗传算法，在作物生长模型系统开发技术方面有丰富经验。曾主持多个国家级、省级项目；指导大学生完成国家级、省级SRT项目，并取得了骄人的成绩，为本研究深入开展奠定良好的工作基础与学术积累。（2）本项目依托国家信息农业工程中心已研制的RiceGrow模型，该模型国内领先，分析资料完备。（3）IAGA算法已应用于水稻生育期子模型的遗传参数调试中，已在中国农 业科学上发表研究论文1篇。 2. 已具备的条件、尚缺少的条件和拟解决的途径（包括利用教学实验室、科研实验室和实习基地等的计划与落实情况）（1）指导教师研究小组依据有IAGA算法和应用到生育期子模型的程序代码。（2）国家信息农业工程中心已具有完备的RiceGrow水稻生长模型算法。（3）本项目组成员品学兼优，GPA名列前茅，对高等数学，C语言，数据结构等专业课程都很精通，并对本研究项目报以极大的兴趣。 五、经费预算支 出 科 目金 额（元）计 算 根 据 及 理 由带GPU的PC服务器9000利用优化算法调参的计算量大，计算时间长，需要有带有GPU的计算机调参试验,需购买内含图形加速卡的计算设备差旅费3000为获得准确可靠的试验调参数据，需收集多地点气象和农学数据资料文献费3000技术资料查询、论文版面费实验数据费4000获取实验数据和测试数据分析费用其它1000移动存储设备（用于大量试验数据拷贝和分发）、打印纸、文具、耗材等合计20000注:开支范围详见校教字（2003）134号南京农业大学SRT计划项目管理办法文件的第十三条。六、审查意见指导教师意见 指导教师签名： 年 月 日学院意见 负责人签名、公章： 年 月 日学校意见 负责人签名、公章： 年 月 日