基于灰色关联下神经网络在南果梨始花期预报中的应用

文献类型： 中文期刊

第一作者： 战莘晔

作者： 战莘晔;吕晓;金丹丹;康晓玉;韩艳凤;韩国敬;徐庆喆;田璐

作者机构：

关键词： 始花期;灰色关联分析法;BP神经网络;RBF神经网络;逐步回归分析

期刊名称： 农学学报

ISSN： 2095-4050

年卷期： 2023 年 08 期

页码： 89-93

摘要： 为探寻更精确有效的南果梨始花期预报方法，采用灰色关联分析法确定与始花期关联较大的冬季气象因子，以此作为BP（Black Propagation）神经网络与RBF（Radial Basis Function）神经网络建模的输入因子并预测南果梨始花期，利用均方根误差（RMSE）和相对误差（RE）评价该模型的预测效果，同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度，关联度均在0.6以上，故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期；（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温，相关系数分别为-0.646、-0.628、-0.638、-0.663，所建回归模型均通过了显著性检验且具有统计学意义；（3）BP和RBF方法建立的模型拟合精度总体上较接近；（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期；（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R2为0.7，而RBF神经网络模型RMSE为2.25、RE为13.13%、R~2为0.568。综上，灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。

分类号： S661.2`S165.2

  • 相关文献

[1]基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究. 喻沩舸,吴华瑞,彭程. 2020

[2]基于PSO-BP与RBF神经网络的蔬菜价格组合预测. 叶露,李玉萍,秦小立,梁伟红,宋启道,刘燕群. 2015

[3]碗莲花期物候及开花性状对花期调控的响应. 李欣,江君,朱建华,徐君,姜红卫. 2016

[4]氮添加对高寒草甸植物花期物候和群落结构的影响. 章志龙,刘旭东,贾鹏,杜国祯. 2013

[5]“泰宝”中的钛和氯化铵效应试验. 朱永懿,陈景坚. 1992

[6]胡萝卜始花期、主薹高和单株种子量的QTL分析. 申琪,欧承刚,孙婷婷,刘波,曹琼文,赵志伟,孔小平,庄飞云. 2018

[7]桃需冷量与始花期相关性分析及南京地区需冷量预估模型初建. 赵滨涛,李垍峣,蔡志翔,孙朦,张斌斌,宿子文,沈志军,许建兰,马瑞娟,俞明亮,严娟. 2023

[8]紫花苜蓿开花性状的遗传特性分析与QTL定位. 何飞,张帆,张铁军,康俊梅,龙瑞才,杨青川,马春晖. 2019

[9]中国北方主产地苹果始花期模拟及晚霜冻风险评估. 邱美娟,刘布春,刘园,王珂依,庞静漪,张晓男,贺金娜. 2020

[10]最优权重组合模型和高光谱估算苹果叶片全磷含量. 冯海宽,杨福芹,李振海,杨贵军,郭建华,贺鹏,王衍安. 2016

[11]基于RBF神经网络的蔬菜价格预报研究. 孙素芬,罗长寿. 2011

[12]基于时间序列与RBF的农产品市场价格短期预测模型. 屠星月,薛佳妮,郭承坤,封文杰,陈英义. 2014

[13]基于生猪外形特征图像的瘦肉率估测方法. 张萌,钟南,刘莹莹. 2017

[14]基于云计算与RBF神经网络集成的玉米精准施肥模型研究. 贾海峰,李玥峤,黄帅,陈桂芬,赵姗,李楠. 2023

[15]基于自适应RBF神经网络具有模型不确定性的四旋翼无人机指定时间预设性能控制方法. 张园,郑鸿基,刘海涛,韦丽娇,沈德战,赵振华. 2024

[16]赤峰地区11个青贮玉米品种品质的比较研究. 潘翔磊,梁庆伟,张晴晴,李清泉,娜日苏,杨秀芳. 2022

[17]浙江农业可持续发展水平与区域差异综合评价-基于高质量发展视角. 傅琳琳,毛小报,毛晓红,李海涛,王瑾. 2020

[18]乡村振兴背景下浙江省绿色农业发展评价研究-基于农业资源综合利用的视角. 傅琳琳,毛晓红,毛小报,李海涛. 2020

[19]基于数量分类的植物鉴别算法研究. 陆国泉,彭琳. 2018

[20]农林牧渔产业对我国农业的贡献分析. 曹蕾蕾,杨宁生. 2010

作者其他论文 更多>>

微信小程序