基于多特征选择的鲜食玉米需水量预测及可解释性分析

文献类型： 中文期刊

第一作者： 李晶晶

作者： 李晶晶;张钟莉莉;闫华;郑文刚;李腾;阚晓晴

作者机构：

关键词： 特征选择;机器学习;模型;鲜食玉米;需水量预测;SHAP

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2025 年 41 卷 010 期

页码： 101-108

收录情况： EI ; 北大核心 ; CSCD

摘要： 鲜食玉米是一种高附加值农产品，精确的需水量预测对于科学灌溉保障其产量和品质至关重要。该研究基于大型称重式蒸渗仪与气象采集设备在线获取连续2茬次的鲜食玉米需水量及气象数据，联合布尔塔算法（boruta algorithm,Boruta）与最小绝对收缩和选择算法（least absolute shrinkage and selection operator,LASSO）筛选了影响鲜食玉米需水量变化的主要气象特征，并建立梯度提升决策树（categorical boosting,CatBoost）、长短期记忆网络（long short-term memory,LSTM）、随机森林（random forest,RF)3种鲜食玉米需水量预测模型，最后采用shapley additive explanations(SHAP）方法对预测模型进行全局和局部的事后可解释性分析。结果表明：通过Boruta与LASSO联合的特征选择方法，明确了日平均温度、日最高温度、日最低温度、日平均相对湿度、日平均风速、日平均气压、日累计日照时数是影响鲜食玉米需水量的潜在因子，CatBoost模型对鲜食玉米需水量的预测效果最佳，其平均绝对误差（0.018 9）、均方误差（0.000 6）和均方根误差（0.055 2）均最小，并且用时最短（23.93 s）。进一步根据可解释性分析发现，日最低温度、日平均温度、日累计日照时数是影响鲜食玉米需水量的关键因子，随着空气温度和日照时数的增加，鲜食玉米的需水量也随之升高。研究成果可为北京地区鲜食玉米的精确水分管理提供参考。

分类号： S513%S274

  • 相关文献

[1]基于机器学习算法预测香蕉产量. 黄思豪,王丽霞,刘永霞,姜成君,宋可欣,赵艳,何应对. 2025

[2]基于特征选择与机器学习的富硒茶叶硒含量高光谱估测. 文竹,郭松,舒田,赵龙才. 2025

[3]基于长短时记忆模型的包虫病爆发风险预测混合模型的建立. 陈春蓉,赵瑾,贺兆源,李家宝,陈海兰,贾耿介. 2024

[4]机器学习在畜禽基因组选择中的应用进展. 王进部,李佳,任德明,王立贤,王立刚. 2024

[5]智能灌溉算法在农业现代化中的机遇与挑战. 章毅,袁潇潇,曹栋栋,黄玉韬,梁立军. 2025

[6]东北黑土区玉米产量时空演变规律及其驱动因素. 杨兆鹏,马秋梅,邬磊,李建兵,曲潇琳,崔萌,徐明岗,张文菊. 2025

[7]城市需水量预测方法比较. 刘春成,曾智,庞颖,陆红飞,白芳芳,高峰. 2015

[8]基于BP神经网络的宁夏水资源需求量预测. 李永梅,张学俭,张立根. 2014

[9]液压机械无级变速箱换段液压故障诊断的BP方法. 张晓辉,太健健,王光明,张海军,王成飞,钟成义. 2016

[10]民猪低温胁迫的基因表达谱分析. 杨月莹,刘娣,丁常宏,祁雪莲. 2013

[11]基于序相关的作物育种评价性状特征选择方法. 刘忠强,赵向宇,王开义,李民赞. 2015

[12]基于随机森林的高寒湿地地区土地覆盖遥感分类方法. 侯蒙京,殷建鹏,葛静,李元春,冯琦胜,梁天刚. 2020

[13]面向代价敏感的多标记不完备数据特征选择算法. 黄琴,钱文彬,王映龙,吴兵龙. 2018

[14]基于LBPHSV+ResNet50融合的水稻冠层氮素营养监测方法. 叶春,刘莹,刘继忠,舒时富,李艳大,吴罗发. 2023

[15]极化SAR旱地作物分类的后向消除特征选择研究. 曾妍,王迪. 2023

[16]遥感提取灌溉耕地的特征优选-以中国北方为例. 刘逸竹,李晴,吴文斌. 2021

[17]基于改进UperNet的结球甘蓝叶球识别方法. 朱轶萍,吴华瑞,郭旺,吴小燕. 2024

[18]基于哨兵二号的大豆、玉米遥感识别-以江苏徐淮地区为例. 王晶晶,兰仕浩,邱琳,汪曙,单捷,黄晓军,李牧. 2023

[19]基于卷积神经网络的脑卒中中医辨证分型舌象分类研究. 王朝雨,黄奎麟,代国威,强茗,王倩. 2023

[20]目标规划模型在猪抗寒性状相关基因筛选中的应用. 杨月莹,刘娣,丁常宏,祁雪莲. 2013

作者其他论文 更多>>

微信小程序