基于遗传算法优化BP神经网络下马铃薯产量预测模型

马铃薯产量的高效预测对于制定马铃薯生长期间的精准管理决策具有重要意义。为此，针对传统BP神经网络在产量预测中存在的精度差、准确度低等问题，选择遗传算法对单一BP神经网络模型开展网格优化。基于朔州市朔城区沙楞河村2010-2019年田间物联网获取的田间环境数据(土壤含水率和土壤温度)、气象环境数据(大气湿度、大气温度、降雨量)和马铃薯产量，采用BP神经网络及GA-BP神经网络模型对所选地区马铃薯产量进行预测分析。研究结果表明：GA-BP神经网络模型下，马铃薯产量的预测精度明显高于BP神经网络模型，R²达到0.993 27,平均相对误差仅为0.88%。试验证明，GA-BP神经网络模型能够更加科学、合理地进行马铃薯产量预测，说明利用遗传算法优化BP神经网络在马铃薯产量预测中是可行且有效的。