基于多种机器学习算法预测广西蔗区甘蔗产量

分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》

石杰锋 黄为 范协洋 李修华 卢阳旭 蒋柱辉 王泽平 罗维 张木清

摘要： ［目的/意义］分析广西甘蔗主产区甘蔗产量与气象因素的关系，利用气象数据预测甘蔗产量，为糖厂及 相关管理部门提供科学的数据支撑。［方法］选用2002~2019年广西五个不同地级市内蔗区的产量数据及14种逐 日气象数据，将每年的各气象因子以78个逐月递增的连续时段的均值与产量进行相关性分析，根据敏感时段分析 法确定关键气象因子，并分析各气象因子在敏感时段对产量的影响。分别利用BP神经网络（BP Neural Network， BPNN）、支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest，RF）、长短期记忆网络（Long Short-Term Memory，LSTM） 建立单蔗区产量预测模型，并采用以全生育期气象均值作为模型输入的方法进行对照 实验。使用HP 滤波法（Hodrick Prescott Filter） 分离出甘蔗气象产量，将5 个蔗区的数据混合，分别利用RF、 SVM、BPNN和LSTM建立通用的多蔗区气象产量预测模型。［结果和讨论］对于单蔗区，敏感时段分析法的模型 预测效果明显优于全生育期取气象均值的方法，LSTM模型对于上述两种数据处理方法的预测效果均明显优于目 前广泛使用的BPNN、SVM、RF模型，敏感时段分析法的LSTM模型整体的均方根误差（Root Mean Square Error， RMSE） 和平均绝对百分比误差（Mean Absolute Percentage Error，MAPE） 分别为10.34 t/ha和6.85%，决定系数Rv 2 为0.8489。对于多蔗区，LSTM预测结果较差，RF、SVM及BPNN三种预测模型都取得了良好的效果，预测效果最 好的BPNN模型的RMSE和MAPE分别为0.98 t/ha和9.59%，Rv 2为0.965。［结论］通过敏感时段分析法筛选的关键 气象因子与产量均呈显著相关，根据敏感时段能准确地分析各气象因子对产量的影响。使用LSTM模型预测单蔗 区产量，使用BPNN模型预测多蔗区甘蔗气象产量的方法是可行的，且预测误差在可接受范围内。

 点击量 937  下载量 169  评论