基于多元回归和BP神经网络的苎麻产量估测模型比较研究

发布时间：2023-02-07 20:51

　　为高效和准确地估测作物产量,试验以苎麻为研究对象,基于2010～2019年获取的长期定位田间试验实测数据,选取株高、茎粗、分株数、有效株率和鲜皮厚度5个因子作为自变量,分别构建了鲜皮产量及原麻产量的多元回归模型和BP神经网络模型。结果表明,BP神经网络产量模型估测的鲜皮产量和原麻产量在精度和稳定性方面均明显优于回归模型。其中,回归方法获得的中苎1号鲜皮产量和原麻产量与实测值的绝对系数R²分别为0.40和0.47,相对误差分别在5.05%～46.60%与1.18%～39.69%范围内波动,平均相对误差分别为15.03%和14.52%,鲜皮产量和原麻产量中均有多组估测数据误差超过20%以上;而BP神经网络方法获得的中苎1号鲜皮产量和原麻产量与实测值的绝对系数R²分别为0.93和0.97,相对误差分别在0.80%～17.23%和1.14%～11.54%范围内波动,平均相对误差分别为5.78%和4.88%,产量相对误差值绝大部分低于6%且波动较小。

【文章页数】：12 页

【文章目录】：
1 材料与方法
    1.1 材料和样地
    1.2 数据来源
    1.3 数据处理
    1.4 多元回归模型
    1.5 BP神经网络模型
        1.5.1 BP神经网络的结构
        1.5.2 BP神经网络运行原理
        1.5.3 BP神经网络产量估测模型构建
2 结果与分析
    2.1 多元线性回归模型估测
    2.2 BP神经网络产量模型估测
    2.3 估测结果对比分析
3 讨论与结论



本文编号：3737408