（基于PCA-BP神经网络的温室番茄光合作用速率预测模型研究#王伟珍，蒋毅琼，沙莎，张漫，李民赞**510152025303540（中国农业大学现代精细农业系统集成研究教育部重点实验室，北京100083）摘要：园艺研究表明，CO2作为光合作用速率的主要原料之一，在番茄作物生长中具有重要作用，合理的施用CO2对番茄产量和品质都有所提高。本文对番茄开花期进行CO2施肥量化研究，为该阶段CO2调控提供参考。在本研究中，采用无线传感器网络系统对温室环境信息进行实时监测，包括空气温度、空气湿度、CO2浓度、土壤温度、土壤湿度、光照强度信息，利用LI-6400XT光合仪测定番茄植株叶片净光合作用速率，叶片的环境状况按照一定的规律进行调控。利用BP神经网络建立单叶净光合作用速率的预测模型，环境信息经过主成分分析后作为BP神经网络的输入参数，光合作用速率作为神经网络的输出参数，最后对预测模型进行性能评估。结果表明，利用PCA-BP神经网络建立的光合作用速率模型所得的预测值和实测值相关系数为0.99，均方根误差为0.288，具有较好的预测效果。另一方面，在一定的环境条件下改变CO2浓度的输入值，得到的光合作用速率的预测曲线与实际曲线变化趋势一致。研究结果表明，该模型可以作为温室番茄CO2施肥量化调控的依据之一。关键词：模型；主成分分析；BP神经网络；光合作用速率；番茄中图分类号：TP393.1PredictionmodelofthephotosyntheticrateoftomatoplantsbasedonprincipalcomponentsanalysisandBPneuralnetworkundergreenhouseconditionWANGWeizhen,JIANGYiqiong,SHASha,ZHANGMan,LIMinzan(KeyLaboratoryofModernPrecisionAgricultureSystemIntegrationResearch,MinistryofEducation,ChinaAgriculturalUniversity,Beijing100083)Abstract:Horticulturalresearchhasshownthattheyieldandqualityoftomatocropsareincreasedwiththeapplicationoftheappropriateamountofcarbondioxide(CO2),whichisoneoftheprincipalrawmaterialofphotosyntheticrate.Inthispaper,floweringstageoftomatoplantswasstudiedtoprovideCO2fertilization.Inthisstudy,awirelesssensornetworksystemwasusedtomonitorgreenhouseenvironmentalparameters,includingairtemperature,airhumidity,CO2concentration,soiltemperature,soilmoisture,andlightintensity,inrealtime.AnLI-6400XTportablephotosynthesisanalyzerwasusedtomeasurethephotosyntheticrateoftomatoplants,theenvironmentalinformationofleaveswascontrolledaccordingtothesettingdiscipline.Thephotosyntheticratepredictionmodelsofsingleleaveswereestablishedbasedontheback-propagationneuralnetwork.Environmentalinformationwereusedasinputneuronsafterprocessedbyprincipalcomponentanalysis,photosyntheticrateasanoutputneuron.Andtheperformanceofthepredictionmodelwasevaluated.ThepredictionresultsofthemodelsbuiltbyPCA-BPshowedthatthecorrelationcoefficientbetweenthesimulatedandobserveddatasetswas0.99,RMSEwas0.288.Ontheotherhand,whendifferentCO2concentrationswereselectedastheinputtopredictthephotosyntheticrate,thesimulatedandobserveddataexhibitedthesametrend.ThismodelcanbeusedasthebasisofthequantitativeregulationofCO2fertilizationtotomatoingreenhouse.Keywords:Model;Principalcomponentanalysis;BPneuralnetwork;Photosyntheticrate;Tomato基金项目：教育部博士点基金(20110008130006);教育部博士点基金(20100008110030);国家自然科学基金（31271619）作者简介：王伟珍，（1989-），女，硕士研究生，主要研究方向：无线传感器网络农业应用。通信联系人：张漫，1975-），女，副教授，主要研究方向：精细农业及其支持技术。cauzm@cau.edu.cn-1-4550556065700引言无线传感器网络应用于温室，有利于温室现场环境信息数据的获取，进而有效发挥温室环境可调控的优势，提高劳动生产率和资源产出率，促进高产优质和增收增效[1]。但是，目前国内对无线传感器网络采集的数据大多只是简单的查询浏览，缺少进一步的...