引用格式：石杰锋, 黄为, 范协洋, 李修华, 卢阳旭, 蒋柱辉, 王泽平, 罗维, 张木清. 基于多种机器学习算法预测广西蔗区甘蔗产量[J]. 智慧农业(中英文), 2023, 5(2): 82-92. DOI：10.12133/j.smartag.SA202304004

SHI Jiefeng, HUANG Wei, FAN Xieyang, LI Xiuhua, LU Yangxu, JIANG Zhuhui, WANG Zeping, LUO Wei, ZHANG Muqing. Yield prediction models in Guangxi sugarcane planting regions based on machine learning methods[J]. Smart Agriculture, 2023, 5(2): 82-92. DOI：10.12133/j.smartag.SA202304004

全文免费在线阅读

知网阅读

基于多种机器学习算法预测广西蔗区甘蔗产量

石杰锋1， 黄为1， 范协洋1， 李修华1，2*， 卢阳旭1， 蒋柱辉3， 王泽平4， 罗维1， 张木清2

（1.广西大学 电气工程学院，广西南宁 530004；2.广西大学甘蔗生物学重点实验室，广西南宁 530004；3.广西糖业集团有限公司，广西南宁 530022；4.广西农业科学院甘蔗研究所，广西南宁 530007）

摘要：［目的/意义］分析广西甘蔗主产区甘蔗产量与气象因素的关系，利用气象数据预测甘蔗产量，为糖厂及相关管理部门提供科学的数据支撑。［方法］选用2002~2019年广西五个不同地级市内蔗区的产量数据及14种逐日气象数据，将每年的各气象因子以78个逐月递增的连续时段的均值与产量进行相关性分析，根据敏感时段分析法确定关键气象因子，并分析各气象因子在敏感时段对产量的影响。分别利用BP神经网络（BP Neural Network，BPNN）、支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest，RF）、长短期记忆网络（Long Short-Term Memory，LSTM）建立单蔗区产量预测模型，并采用以全生育期气象均值作为模型输入的方法进行对照实验。使用HP滤波法（Hodrick Prescott Filter）分离出甘蔗气象产量，将5个蔗区的数据混合，分别利用RF、SVM、BPNN和LSTM建立通用的多蔗区气象产量预测模型。［结果和讨论］对于单蔗区，敏感时段分析法的模型预测效果明显优于全生育期取气象均值的方法，LSTM模型对于上述两种数据处理方法的预测效果均明显优于目前广泛使用的BPNN、SVM、RF模型，敏感时段分析法的LSTM模型整体的均方根误差（Root Mean Square Error，RMSE）和平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）分别为10.34 t/ha和6.85%，决定系数Rv2为0.8489。对于多蔗区，LSTM预测结果较差，RF、SVM及BPNN三种预测模型都取得了良好的效果，预测效果最好的BPNN模型的RMSE和MAPE分别为0.98 t/ha和9.59%，Rv2为0.965。［结论］通过敏感时段分析法筛选的关键气象因子与产量均呈显著相关，根据敏感时段能准确地分析各气象因子对产量的影响。使用LSTM模型预测单蔗区产量，使用BPNN模型预测多蔗区甘蔗气象产量的方法是可行的，且预测误差在可接受范围内。

关键词：气象因子；HP滤波；甘蔗产量；BPNN模型；LSTM模型；机器学习

文章图表

图1 BPNN模型训练过程的损失变化（以蔗区1为例）

Fig.1 The loss changes of the BPNN model （Planting Region 1）

图2 2002—2019年蔗区1气象因子及产量的相关性热力图

Fig. 2 The correlation heat map of different meteorological factors and yields in Planting Region 1 in 2002 to 2019

图3 基于同种算法的各蔗区预测模型的综合预测结果

Fig. 3 The comprehensive prediction results of all the regional-specific models based on same algorithm

表1 各蔗区2002—2019年产量统计表

Table 1 The statistical information of sugarcane yields of different planting regions from 2002 to 2019

表2 各蔗区RF产量预测模型的最优训练参数

Table 2 The optimal training parameters of the BPNN model for each planting region

表3 各蔗区筛选得到的敏感气象因子和关键时段

Table 3 The sensitive meteorological factors and key time spans found for the five planting regions

表4 各蔗区BPNN模型的视在产量预测结果

Table 4 The apparent yield prediction results of the BPNN models for each planting region

表5 各蔗区SVM模型的视在产量预测结果

Table 5 The apparent yield prediction results of the SVM models for each planting region

表6 各蔗区RF模型的视在产量预测结果

Table 6 The apparent yield prediction results of the RF models for each planting region

表7 各蔗区LSTM模型的实际产量预测结果

Table 7 The overall yield prediction results of the LSTM models for each planting region

表8 单蔗区不同模型甘蔗产量预测结果对比

Table 8 Comparison of sugarcane yield prediction results of different models in a single sugarcane region

表9 多蔗区不同模型的气象产量预测结果对比

Table 9 Comparison of sugarcane yield prediction results with different models in multiple sugarcane regions

通信作者简介

李修华 副教授

李修华，2012年博士毕业于中国农业大学，现为广西大学副教授，电气工程学院自动化系主任。2010年赴美国佛罗里达大学（University of Florida）农业与生物系统工程系访问1年。主要从事遥感监测作物长势、高通量表型获取及长势实时检测传感器等方面的研究。主持国家自然科学基金2项，广西自然科学基金、广西创新驱动发展科技重大专项等省部级科研项目多项；以第一作者或通讯作者发表高水平论文36篇，其中SCI/EI检索26篇；获得发明专利6项，实用新型专利2项，软件著作权17项。

小

店

欢迎光临选购

智慧农业微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。

发布征集

欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。