基于非线性参数优化的水稻花前生育期参数估计

摘要：

水稻生育期模型为复杂的非线性模型,其参数的合理标定是模型应用的重要环节。本文采用两种不同温度响应函数的花前生育期模型(MBETA 和 MBILN),利用基于 GML(Gauss￣Marquardt￣Levenberg)算法的模型独立参数优化程序 PEST(model￣independent parameter estimation)对模型参数进行优化,并在优化中引入参数先验信息和参数初始值扰动方法,以提高参数优化结果的可靠性。结果显示,参数先验信息有效降低了待优化参数的不确定性。最优参数值的95％置信区间较初始值域显著缩小。在优化得到的参数相关系数矩阵中也未显现出高度相关的参数。从目标函数值(Φ)序列看,MBETA 和 MBILN 的Φ值最终收敛至相当接近的最小值,分别为11.71和11.82。但该最小值下两个模型的温度、光周期效应等参数值存在一定差异。这种差异平衡了不同温度响应方程与模型其它方程对水稻生育期模拟误差的贡献。在最优参数值组合下,两个模型验证结果表现一致。其中,抽穗开花期模拟值与实测值的相关性均通过了0.01水平的显著性检验。模拟误差主要来自幼穗分化期,与缺少对水稻光周期敏感始期的观测有关。本文优化方法降低了待优化参数收敛于局部小值的几率,对稳定参数优化和提高优化结果的可靠性具有重要作用。

关键词：模型、BETA 方程、参数反演、先验信息、光周期

分类号：S51;S49

资助基金：公益性行业气象科研专项 GYHY201306036；GYHY201306035；“十二五”农村领域国家科技计划课题2011BAD32B01；江苏高校优势学科建设工程

在线出版日期：2015-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：313-322