基于GBDT算法的吉林省玉米产量预测模型研究.pdf
《基于GBDT算法的吉林省玉米产量预测模型研究.pdf》由会员分享,可在线阅读,更多相关《基于GBDT算法的吉林省玉米产量预测模型研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、2024 年 2 期智慧农业导刊Journal of Smart Agriculture智慧农业基于 GBDT 算法的吉林省玉米产量预测模型研究徐子曦1,唐友1,2*,钟闻宇2,韩烨1,毕春光1,李明亮3(1.吉林农业大学 信息技术学院,长春 130118;2.吉林农业科技学院 电气与信息工程学院,吉林 吉林 132101;3.吉林化工学院 信息与控制工程学院,吉林 吉林 132022)吉林省又被称为“黑土地之乡”,土壤肥力高,是适合玉米种植生长的黄金地带,提前预测玉米产量可以对吉林省农业活动、贸易进行指导。人工智能算法在作物估产方面展示出了极强的问题解决能力,不需要外部指令就可以在计算机内输
2、入的数据中找到规则1-3。Cheng 等4将机器学习算法与多指标相结合,采用随机森林回归(RFR)和梯度提升决策树(GBDT)机器学习方法来预估玉米产量。周修理等5利用 GA-RF 模型探究不同深度的土壤坚实度对大豆产量的影响。由于气象因素和土壤因素易于获取,耗费的时间和人力成本低,因此更适用于大田作物。Christopher 等6预测季风天气对水稻收获面积的影响,再通过水稻收获面积预测产量。Nishigandha 等7利用多元线性回归和ANN 天气模型预测印度油菜籽和芥末产量。丁鹏等8分析 97 个气象特征和 5 个社会发展特征等多种特征变量的组合对茶叶产量预测的影响,建立基于梯度提升决策树
3、算法的多特征非线性回归模型。Ny佴ki 等9比较了 CP-ANN 算法、XY-F 算法、XGBoost 算法的优劣,建立玉米产量与气象、土壤因素之间的机器学习模型,结果表明 XGBoost 算法能够有效预测中高产区玉米产量。通过上述文献梳理可知,人工智能模型大量应用于作物的产量预测,因其可以通过对以往经验进行运基金项目:吉林省科技发展计划项目(YDZJ202201ZYTS692)第一作者简介:徐子曦(2000-),女,硕士研究生。研究方向为农业信息化等。*通信作者:唐友(1979-),男,博士,教授。研究方向为农业信息化等。摘要:玉米是我国种植面积最广、产量最高、食用最多的 3 种主要农作物之
4、一,掌握科学预测玉米产量的技术,可以为农业的种植规划、粮食储存加工、市场调控提供技术支持。该文兼顾气象因素和土壤因素,建立 BP 神经网络模型、RBF 径向基神经网络模型、GBDT 梯度提升决策树模型,对吉林省各县市玉米产量进行回归分析,对比分析其误差。实验结果中,GBDT 模型预测的产量和真实产量间的拟合程度较高,R2达到 0.92,可以在吉林省各县市玉米产量预测中表现出较好的效果。结果表明该模型对吉林省 40 个县市玉米产量进行预测的可行性,数据易于获取,能够帮助政府农业部门制定相关政策和方针指导生产。关键词:玉米产量;GBDT;预测模型;气象因素;回归分析中图分类号院S126文献标志码院
5、A文章编号院2096-9902渊2024冤02-0015-04Abstract:Corn is one of the three main crops with the widest planting area,the highest yield and the most eaten in China.Mastering the technology of scientific prediction of corn yield can provide technical support for agricultural planting planning,grainstorage and pr
6、ocessing,as well as market regulation.Taking into account meteorological factors and soil factors,this paperestablishes BP neural network model,RBF radial basis neural network model,and GBDT gradient lifting decision tree model;then,the paper makes a regression analysis of corn yield in various coun
7、ties and cities of Jilin Province,and a comparative analysis oftheir errors.In the experimental results,the fitting degree between the predicted yield and the real yield of GBDT model is high,R2is up to 0.92,which can show a good effect in the prediction of corn yield in various counties and cities
8、of Jilin Province.Theresults show that the model is feasible to predict the corn yield of 40 counties and cities in Jilin Province,and the data are easyto obtain,thereby can guide the agricultural departments of the government to formulate relevant policies and guidelines to guideproduction.Keywords
9、:corn yield;GBDT;forecasting model;meteorological factors;regression analysisDOI:10.20028/j.zhnydk.2024.02.00415-2024 年 2 期智慧农业智慧农业导刊Journal of Smart Agriculture用,自动优化改良算法,是产量预测的最佳方法之一。本研究利用人工智能模型提前预测吉林省各县市的玉米产量,辅助政府调整生产计划,保障粮食市场的稳定供应,指导资源合理配置。1数据来源及数据预处理1.1数据来源本实验中涉及吉林省 40 个县市 20052021 年间的气象因素、土壤数据
10、及产量信息。气象数据选取各年度 59 月的月均数据,包括地面气压、气温、降水量、相对湿度、蒸发量、风速和总太阳辐射度等,来自欧洲中期天气预报中心(ECMWF)的 ERA5 数据集。土壤数据包括植被指数、蒸散量、10100 cm 湿度土壤和10100 cm 土壤温度,其中植被指数来自美国国家航空航天局地球观测网站(NASA Earth Observations),其余来自美国国家航空航天局的 GES DISC 网站。产量数据来自吉林省各县市统计局发布的统计公告,包括农安县、长岭县、乾安县等 40 个县市的玉米产量。1.2数据填补对于数据中存在的部分缺失,本文采用回归估计法插补产量数据缺失值,利用
11、辅助变量与已知的数据建立回归模型,使用服从正态分布的残差作为随机项,对缺失值进行估计。1.3Pearson 相关性分析由于影响产量的气象、土壤因子较多,需要分析特征变量与产量之间的相关性程度。Pearson 相关性分析可以判断 2 个变量之间的相关性,筛选出影响玉米产量的关键影响因子。与最终产量相关性较高的影响因子见表 1。表 1与产量相关性较高的影响因子1.4数据归一化模型建立过程中使用的数据间量纲的差异巨大,直接进行建模会造成结果偏差较大,因此本文使用数据归一化方法将数据统一映射将数据转换到0,1的区间中。2模型构建2.1BP 神经网络BP(Back Propagation)神经网络是由
12、David Rumel原hart 和 J.McClelland 提出的一种误差逆向传播的神经网络,通过反向传播不断调整权值和阈值以减小模型的误差平方和。根据影响玉米产量的影响因子建立相应的神经元个数,输出因子为玉米产量,具体隐含层神经元个数通过公式(1)计算。Nh=Ns(琢伊(Ni+No),(1)式中:Ns为训练集样本数,Ni为输入层神经元个数,No为输出层神经元个数,琢 为 210 间常数,经过不断测试微调可得到最优的隐含层神经元个数。2.2RBF 径向基函数神经网络RBF 网络是一种单隐含层前馈神经网络,对非线性输入输出映射进行局部逼近,效率高、结构简单、训练速度快,主要结构包括输入层、隐
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 GBDT 算法 吉林省 玉米 产量 预测 模型 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。