基于BP人工神经网络的寒地水稻抗旱性综合评价

为筛选适宜寒地水稻大田抗旱性的综合评价指标，并鉴定抗旱水稻种质资源，以分蘖期干物质量、拔节期株高、产量等15个性状的抗旱系数为指标，使用主成分分析法对50个参试材料的抗旱性进行综合评价。选取45个样本的抗旱系数作为输入，把对应的抗旱综合评价值作为输出，利用误差返向传播和神经网络的方法建立学习模型；剩余5个样本为验证样本，用于判断学习模型的预测准确性。改变3组学习样本来建立3个不同的学习模型并进行对比，比较其预测的准确度，进而验证该模型方法的合理性和稳定性。结果表明，采用主成分分析法可将15个单一抗旱系数转换成6个互相独立的综合性指标，方差累计贡献率达84.013%。采用聚类分析法将50个参试材料分为3种类型：强抗旱型、中间抗旱型、干旱敏感型。强抗旱类型含有24个材料，中间抗旱型含有18个材料，干旱敏感型含有8个材料。根据各性状抗旱系数与抗旱综合评价值(D值)的相关性分析结果，筛选出分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数等10个适宜抗旱性评价指标。以特征指标值为输入层，综合评价值(D值)为输出层，构建BP神经网络学习模型，定...