10.3969/j.issn.1007-7731.2023.10.031
BP神经网络和随机森林预测土壤有机质模型研究
为提高土壤有机质(SOM)含量预测精度和模型的适用性,提出了1种随机森林回归(RFR)和BP神经网络结果加权融合模型(BP-RFR),对土壤有机质含量进行预测.选取陕西安康盆地研究区40个样点数据,对比分析RFR、BP神经网络和BP-RFR模型预测效果,使用决定系数(R2)、平均绝对百分比误差(MAPE)和均方误差(MSE)来评估模型性能.结果表明,BP-RFR、BP和RFR模型三者预测值与实测值的决定系数(R2)分别为0.954 5、0.951 4、0.933 5,MAPE分别为0.037 7、0.045 1、0.091 8,MSE分别为1.837 7、1.961 1、2.686 8.综合分析可知,BP-RFR模型预测精度效果优于BP神经网络、随机森林回归(RFR)模型,因此结果加权融合模型(BP-RFR)能够用于土壤有机质含量的预测.
土壤有机质、随机森林、BP神经网络、结果加权融合
29
S156.8(土壤学)
2023-07-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
124-128