基于多层感知机的温室内番茄茎直径变化预测模型

发布时间：2024-05-14 01:30

　　【目的】研究温室内番茄茎直径变化量动态预测模型,为番茄需水规律提供一定决策支持。【方法】采用多层感知机算法与植物生理生态信息相融合的方法,建立一个包含空气温湿度、土壤湿度、叶片温度、茎直径变化量及光合有效辐射的基于多层感知机算法的茎直径变化量预测模型。采用3层隐含层神经网络对经过正则化及归一化的6维训练集数据向量,进行全连接式训练后,得出预测模型,验证集数据输入预测模型后得出1维输出向量,对输出向量进行反归一化进而得出茎直径变化量预测值。【结果】建立的基于多层感知机短时番茄茎直径变化量动态预测模型的预测值与实测值的回归系数(R²)为0.901,均方根误差(RMSE)为0.175。【结论】该模型适用于温室番茄短时茎直径变化量动态预测,具有较好的应用场景。

【文章页数】：10 页

【部分图文】：

图2多层感知机模型结构

选取训练集数据中的空气温度、空气相对湿度、土壤湿度、叶片温度及有效光辐射等数据作为MLP模型的数据输入,茎直径变化量为已标定的目标输出值,建立以茎直径变化量为目标函数的多层感知机非线性回归模型[16]。MLP模型有多个节点层组成且为全连接,第一层是输入层,最后一层是输出层,中间称....

图1番茄样本1和2环境及植物本体数据趋势

表1植物生理生态数据采集系统性能指标Table1ThePerformanceindexofPlantphysiologicalandecologicaldatacollectionsystem测量参数MeasurementValue型号Type精....

图3短期数据进行的茎直径变化量预测值与实测值比较

将训练集中的空气温湿度、土壤湿度、光有效辐射及叶片温度等值构成MLP模型的6维输入向量(模型的输入向量需要进行f2正则化及归一化操作),番茄茎直径变化量为MLP模型的输出向量(模型的输出向量需要进行反归一化操作),在sklearn平台中构建其训练模型,训练结果。图3MLP非线性回....

图4测试集中茎直径变化量预测值与实测值比较

模型的预测结果与观测数据吻合良好,能将番茄茎直径变化趋势较好的预测,预测样本的R2值为0.945,RMSE值为0.209。表3表3部分试验数据Table3Experimentaldata时序TimeSequence预测值PredictedValue实测值Meas....

本文编号：3972994