融合田间水热因子的甘蔗产量GA-BP预测模型

摘要：

甘蔗产量预测对于制定甘蔗生长期间的精准管理决策具有重要意义.遗传算法(Genetic algorithm,GA)优化神经网络可以提高预测效率及预测精度,通过高速计算快速找到最优解.基于湛江观测实验站2011-2020年间田间物联网获取的气象因子(大气相对湿度、大气温度、降雨量)、田间水热因子及甘蔗产量,采用BP神经网络及GA-BP神经网络模型对所选地区甘蔗产量进行预测与相关性分析.结果表明,通过Pearson及Spearman相关系数可知,甘蔗产量与月土壤最高温度、月土壤最低温度、月土壤平均温度、月大气最高温度、月大气平均温度、月大气平均相对湿度为极显著相关,相关系数高于0.7,与月土壤平均含水率、月降雨量显著相关,与月大气最低温度相关性较弱.GA-BP神经网络模型对甘蔗产量的预测精度明显高于BP神经网络模型,R2达到0.842 8,MAPE仅为0.90％,RMSE为1.10 t/hm2,预测值与试验值之间拟合程度较高,V型交叉验证结果表明模型预测结果准确稳定.因此,GA-BP模型能够更加科学、合理地预测甘蔗产量,对甘蔗田间管理措施及统筹分配具有重要的指导意义.

关键词：甘蔗、产量预测、气象因子、田间水热因子、BP神经网络、遗传算法

所属期刊栏目：53

分类号：TP3-05;S59(计算技术、计算机技术)

资助基金：海南省自然科学基金面上项目;海南省自然科学基金青年基金项目

在线出版日期：2023-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：277-283