基于气候变量的苎麻产量SSA-BP预测模型

摘要：

苎麻产量与生长期间的气候因子具有极高相关性,基于气候变量构建的苎麻产量预测模型能够有效精准预测最终产量.BP(back propagation)神经网络具有强大的数据分析能力,在作物产量预测建模中得到广泛应用,然而传统BP神经网络存在精度低、鲁棒性差等问题,可采用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络模型进行优化.基于2010-2019年苎麻长期定位试验采集的纤维产量、鲜皮产量和气候数据,分析气候因子在10年内的变化趋势及其对多年生苎麻产量的影响,对比构建的BP神经网络模型及优化后的SSA-BP神经网络模型预测苎麻产量的性能,确定最佳的苎麻产量预测模型.结果表明,苎麻产量与季平均气温、季极端最高气温均值、季极端最低气温均值、季日照时数均值4项气候因子具有极显著相关关系.SSA算法能有效优化BP神经网络,基于SSA-BP的苎麻纤维产量预测模型和鲜皮产量预测模型的R2分别为0.591 3和0.679 1,高于BP神经网络的苎麻纤维产量预测模型(R2=0.405 7)和鲜皮产量预测模型(R2=0.551 8).因此,SSA-BP模型能够更加科学、合理地预测苎麻产量,对于苎麻生产的田间管理及统筹规划具有重要指导意义.

关键词：产量预测、气候因子、麻雀搜索算法、BP神经网络

所属期刊栏目：26

分类号：S126;S563(农业物理学)

资助基金：湖南省自然科学基金项目;国家自然科学基金

在线出版日期：2024-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：110-118