融合田间水热因子的甘蔗产量GA-BP预测模型

甘蔗产量预测对于制定甘蔗生长期间的精准管理决策具有重要意义。遗传算法(Genetic algorithm,GA)优化神经网络可以提高预测效率及预测精度,通过高速计算快速找到最优解。基于湛江观测实验站2011—2020年间田间物联网获取的气象因子（大气相对湿度、大气温度、降雨量）、田间水热因子及甘蔗产量,采用BP神经网络及GA-BP神经网络模型对所选地区甘蔗产量进行预测与相关性分析。结果表明,通过Pearson及Spearman相关系数可知,甘蔗产量与月土壤最高温度、月土壤最低温度、月土壤平均温度、月大气最高温度、月大气平均温度、月大气平均相对湿度为极显著相关,相关系数高于0.7,与月土壤平均含水率、月降雨量显著相关,与月大气最低温度相关性较弱。GA-BP神经网络模型对甘蔗产量的预测精度明显高于BP神经网络模型,R2达到0.8428,MAPE仅为0.90%,RMSE为1.10t/hm2,预测值与试验值之间拟合程度较高,V型交叉验证结果表明模型预测结果准确稳定。因此,GA-BP模型能够更加科学、合理地预测甘蔗产量,对甘蔗田间管理措施及统筹分配具有重要的指导意义。

Sugarcane Yield GA-BP Prediction Model Incorporating Field Water and Heat Factors