首页|基于BP神经网络的油茶产量预测模型构建

基于BP神经网络的油茶产量预测模型构建

Building Camellia oleifera yield prediction model based on BP neural network

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
[目的]改良传统农业生产预测方法,实现油茶产量的快速高效预测,为油茶实际生产提供参考.[方法]收集油茶栽种较为集中的湖南、江西、浙江、广西的油茶籽年度总产量、实有油茶林面积、气象等数据,选择17个气象指标作为油茶产量的影响因素,使用MATLAB软件,通过主成分分析提取出主成分,再将主成分作为BP神经网络的输入集,在传统神经网络模型基础上构建主成分分析与BP神经网络组合模型,对4个地区油茶籽单位面积年产量进行预测.BP神经网络的训练集和测试集选用1990-2018年的数据,采用2019年的数据对模型预测效果进行验证,最后应用模型对2025年油茶籽单位面积产量进行预测.[结果]对主成分有重要贡献的气象因子有日照时长、6-11月气温、3-5月降水量、平均最低气温、露点温度、平均风速、最大持续风速以及海平面气压.改进后模型迭代耗时更少,拟合度较高,对4个地区油茶产量的预测结果的平均相对误差均低于3%.应用模型预测得到2025年湖南、江西、浙江、广西的单位面积油茶干籽产量分别为0.831、0.583、0.449、0.512 t/hm2.[结论]与传统预测模型相比,改进后的主成分分析与BP神经网络组合模型的预测效率和预测精度均有提高,在今后一段时期内4个地区的油茶产量有较好的发展趋势.

曾庆扬、丁楚衡、谷战英、陈文豪、刘一哲、王泽菲

展开 >

中南林业科技大学 林学院,湖南 长沙 410004

油茶 气象因子 预测模型 主成分分析 BP神经网络

2018YFD10006052020-412020-182020-732020-89

2022

10.14067/j.cnki.1003-8981.2022.03.009

经济林研究
中南林业科技大学

经济林研究

CSTPCD北大核心
影响因子：1.423
ISSN：1003-8981
年,卷(期)：2022.40(3)
  • 6
  • 21