本文研究的内容源自于国家863高科技项目“数字农业知识网格技术研究及应用”。通过提出一种新的神经网络集成方法NCSNNE来求解精准农业中的精准施肥问题。研究内容包括了基于复杂网络聚类选择的个体优选策略、基于模糊系统分析的线性加权集成方法和基于神经网络的非线性集成方法等。农业是国民经济的基础产业,保障食品安全和农业的可持续发展是我国需要解决的首要农业问题。精准农业是综合运用现代信息技术和智能装备技术,对农业生产进行定量决策、变量投入、定位施肥的现代农业操作技术系统,是在资源约束背景下用现代工业技术成果装备农业后形成的一种高度集约化的现代农业技术,是现代农业科技的一场革命。精准农业被认为是现代农业发展的必然产物,由于其具有科技含量高、生产手段先进、技术集成性强等特点,对于提高农业资源利用率和农业综合生产能力具有显著作用,目前已成为解决农业高产优质、资源高效利用和可持续发展问题的有效技术途径。鉴于精准农业在农业领域的重要性,“数字农业知识网格技术研究及应用”项目致力于开发出一个精准农业生产知识咨询平台,该平台的整体框架是基于Web分布式的,其最主要的功能是对精准农业相关信息的获得、分析、加工与决策软件实现无缝的集成,并且定制一个使其可以高效协同工作的环境,从而达到为用户提供准确可靠的精准农业生产知识的目标。在精准农业的相关技术环节中,精准施肥的应用范围最为广泛,同时技术也最为成熟,它被认为是精准农业技术中的核心组成部分。通过采用精准施肥技术,可以有效的调节施肥量,从而可以使土壤的生产力得到充分利用,这样做可以使化肥的利用率得到提高,使施肥环境得到一定的改善,并且最重要的是能够得到较大的收益。在已有的求解精准施肥问题的相关农业技术中,并没能较好的对施肥过程中的养分、施肥量和其余因素之间呈现出的显著的非线性关系进行拟合,从某种程度上限制了其应用的范围。鉴于神经网络集成技术可以较为高效准确的进行非线性关系预测,本文采用这种集成方法来求解精准施肥这一类特殊的回归问题。本文主要对选择性神经网络集成中的个体优选环节进行了研究。为解决精准施肥这一难题,本文提出了一种基于网络聚类选择的神经网络集成方法NCSNNE。在NCSNNE中,首次将复杂网络聚类技术与神经网络集成相结合,为选择性神经网络集成的个体优选环节提出了一种新的解决思路。NCSNNE算法首先采用回放取样的方法来生成初始的个体神经网络,在获得个体神经网络后,通过给出一种神经网络相似度度量标准来构建个体网络间的相似度矩阵,采用复杂网络聚类算法FEC对该矩阵对应的k最近邻网络进行聚类。聚类后会得到若干簇的集合,从每个簇中选取一个预测精度最高的神经网络作为“精英网络”,从而筛选出一组精度高、多样性强的个体神经网络。在结论生成环节,已有的方法主要包括了线性加权集成方法和非线性集成方法。考虑到两种方法在实际问题中都有许多应用,为了选取一种更为合理有效的结论生成方法,本文对这两种方法均进行了实现。针对线性加权集成,采用模糊系统分析的方法来对其进行实现,在该方法中,将权值看作模糊数,相继引入其核、广度和隶属函数,利用模糊数所具有的一些性质,将确定权值的问题转化为了一个线性规划问题,易于求解；针对非线性集成,采用神经网络的方法来对其进行实现。本文对线性加权集成、非线性集成和融合二者的结果都做了相应的实验,最终的实验结果证明融合后的效果最佳,故在算法NCSNNE中,采用了融合的办法来生成最终的预测结果。面向农作物精准施肥量确定问题,采用从榆树玉米试验田中提取出的数据对算法NCSNNE进行了实际应用,应用结果表明该方法不仅优于传统的施肥模型、神经网络线性加权集成和神经网络非线性集成方法,而且还具有较强的泛化能力。最后,本文应用上述理论研究成果,设计并且实现了“数字农业知识网格技术研究及应用”项目中的精准施肥决策服务组件PFDSC。在实现该服务组件的过程中,主要采用了基于网络聚类选择的神经网络集成算法NCSNNE,使其可以在实际应用中为客户提供关于精准施肥的决策访问服务功能。从功能模块的角度来进行划分,将PFDSC划分为三个基本模块：训练模块、选择模块和预测模块,这也完全符合与算法NCSNNE的三个关键步骤的对应关系。其中训练模块对应初始群体生成部分,选择模块对应个体优选部分,而预测模块对应结论生成部分。项目的整体架构采用了SOA的体系结构,选取微软现阶段较为流行的WCF技术来进行实现,故将精准施肥决策服务子系统以服务组件的形式发布,使得构建的系统可以更加灵活的进行扩展。