基于麻雀搜索算法优化神经网络的生菜生理指标预测

生菜生理指标的精准预测对于植物工厂环境下数字化精准管理生菜生长具有重要意义。为了为植物工厂叶菜类作物生理指标的预测提供参考,以植物工厂的水培生菜为研究对象,采集5种营养液配方处理下水培生菜最长叶长、叶片数和株高的数据,以麻雀搜索算法优化的BP神经网络SSA-BP对生菜生理指标数据进行预测分析,并选取平均绝对误差、均方误差、均方根误差和平均绝对百分比误差作为精度指标对试验结果进行分析和评价。结果表明,SSA-BP神经网络对生菜最长叶长、叶片数、株高的预测平均绝对误差分别为9.21、0.563、8.34;均方误差分别为143.79、0.599、110.69;均方根误差分别为11.991、0.774、10.521;平均绝对百分比误差分别为15.639%、6.181%、13.318%,各项评价指标均优于传统BP神经网络,预测误差小于16%,但其预测误差提升不明显。利用SSA-BP神经网络模型可有效对生菜生理指标进行预测,该模型具有良好的预测准确性、泛化性。