首页|基于粒子群-随机森林算法和气象数据的三七叶面积生长预测模型

基于粒子群-随机森林算法和气象数据的三七叶面积生长预测模型

Prediction model of Panax notoginseng leaf area growth based on particle swarm-optimization random forest algorithm and meteorological data

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
目的 基于数据挖掘技术,建立三七叶面积生长预测模型,对于三七整个生长期的精准管理与决策提供参考.方法 基于粒子群-随机森林算法,采用2018、2019年4～10月云南省红河自治州泸西县三七种植基地棚内气象因子数据以及三七叶面积生长数据作为训练集和测试集构建生长预测模型.结果 通过特征工程中皮尔森系数分析可知,三七叶生长与土壤温度、上方水蒸气压和下方水蒸气压等气象因子呈正相关,其中土壤温度正相关程度最大,其皮尔森相关系数在0.75～0.90;下方土壤热通量与三七叶生长呈负相关,其皮尔森相关系数为-0.4～-0.3;通过粒子群优化随机森林算法训练的生长预测模型,其均方根误差(root mean square error,RMSE)收敛时值为0.021 82,模型优化后的三七叶生长预测模型决定系数R2达到0.999 97.结论 通过多种算法对比实验结果表明,粒子群-随机森林算法构建的三七叶面积生长预测模型具有较高的预测精度.该方法为三七叶的生长预测提供了新的研究思路.

范升旭、杨春曦、杨启良、韩世昌

展开 >

昆明理工大学化学工程学院,云南昆明 650500

昆明理工大学机电工程学院,云南昆明 650500

昆明理工大学农业与食品学院,云南昆明 650500

预测模型 三七叶 气象因子 特征工程 随机森林 粒子群优化

国家自然科学基金国家自然科学基金国家自然科学基金云南省科技厅科技计划

620630115197913451779113202001AU070032

2022

10.7501/j.issn.0253-2670.2022.10.021

中草药
天津药物研究院,中国药学会

中草药

CSTPCDCSCD北大核心
影响因子：1.632
ISSN：0253-2670
年,卷(期)：2022.53(10)
  • 3
  • 26