GEP优化的多输出RBF网络作物生理参数建模

针对常用的回归和神经网络作物建模方法存在的输出单一、参数优化困难和预测精度不足等问题,利用基因表达式编程优异的全局搜索能力和RBF神经网络多输出任意非线性函数逼近特点,设计了1种GEP优化的RBF多输出模型算法GEP-RBF。以水稻和番茄的5个关键环境因子为输入、以叶片CO_2交换率和蒸腾速率为输出,进行建模验证。结果显示,在预测的均方根误差指标上,GEP-RBF模型与GA-RBF和RBF相比,水稻的CO_2交换率和蒸腾速率分别降低了约28.4%、38.0%和89.9%、62.8%,番茄的CO_2交换率和蒸腾速率则分别降低了约56.9%、48.4%和75.3%、67.1%;在多输出结果的平衡性指标上,相比GA-RBF和RBF,GEP-RBF模型提高了约16.4%~77.4%。结果表明,GEP-RBF模型具有良好的预测精度和多输出平衡性,是一种有效的作物生长建模方法。