基于GA-BP神经网络的鲜食玉米产量预测

鲜食玉米因其营养丰富、用途广泛、市场潜力大等优势而备受关注,目前,我国鲜食玉米种植面积逐渐扩大,鲜食玉米产量的高效预测对制定其生长期间的精准管理决策具有重要意义。针对传统BP神经网络在预测中存在测试精度低、鲁棒性差等问题,利用遗传算法(Genetic Algorithm,GA)对BP神经网络模型进行优化,构建GA BP神经网络模型。基于2010—2021年间田间物联网获取的气象因子(大气湿度、大气温度、降雨量)、田间水热因子及鲜食玉米实际产量,分别采用BP神经网络、GA BP神经网络模型及粒子群优化算法(Particle Swarm Optimization,PSO)优化BP神经网络(PSO BP)对所选地区鲜食玉米产量进行预测与相关性分析。结果表明,鲜食玉米产量与月最低土壤温度、月平均土壤温度、月大气最高温度和月平均大气湿度相关性极显著,相关系数高于0.8,与月最高温度、月土壤平均含水率、月大气平均温度、月降雨量相关性显著,与月大气最低温度相关性较弱。GA BP神经网络模型精度明显高于PSO BP及BP神经网络模型,R2达到0.956 4。因此,通过GA BP神经网络模型可以更科学、合理地对鲜食玉米的产量进行预测,从而对鲜食玉米生产及管理措施的调整具有重要的指导意义。