基于BP-LCO的大豆种植密度和施肥量优化

摘要：

为解决传统回归模型对大豆种植密度及施肥量进行优化时存在的结果不准确的缺陷,本研究提出基于BP神经网络的线性约束优化方法(BP-Linear Constrained Optimization,BP-LCO).以黑河43为试验材料,进行四因素五水平正交旋转试验,试验因素为大豆种植密度,N、P2O5和K2O施用量,评价指标为大豆产量,采用BP-LCO算法对种植密度、施肥量与产量关系构建拟合模型,并进行全局寻优及验证试验.结果显示:通过模型分析得到最优种植密度36.67×104株·hm-2、施 N 量 77.98 kg·hm-2、施 P2O5量 93.79 kg·hm-2、施 K2O 量 24.34 kg·hm-2,大豆产量相应为3 679.56 kg·hm-2.验证试验结果表明,最优配比下大豆实际产量为3 702.29 kg·hm-2,实际产量与理论产量的相对误差为0.62％.结果说明该方法的优化结果准确,是一种行之有效的大豆种植密度及施肥量优化方法.

关键词：BP神经网络、线性约束优化、大豆、种植密度、施肥量

所属期刊栏目：42

分类号：S565;TH137;X524

资助基金：国家重点研发计划2018YFD0300105

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：204-211