基于改进的BP神经网络集成的作物精准施肥模型

被引：13

作者：

于合龙 ^{[1
]}

赵新子 ^{[2
]}

陈桂芬 ^{[1
]}

万保成 ^{[1
]}

高杰 ^{[1
]}

机构：

[1] 吉林农业大学信息技术学院

[2] 吉林省农业机械管理总站

来源：

农业工程学报 | 2010年 / 26卷 / 12期

关键词：

反向传播; 神经网络; 非线性规划; 精准农业; 施肥模型; K-均值聚类;

D O I：

暂无

中图分类号：

S126 [电子技术、计算机技术在农业上的应用]; S147.2 [施肥];

学科分类号：

082804 ; 0903 ;

摘要：

作物最优施肥量与土壤养分含量、产量之间存在复杂的非线性关系。为更加准确地模拟这种关系,提出一种改进的的BP神经网络集成方法。该方法采用K-均值聚类优选神经网络个体,采用拉格朗日乘子方法计算待集成的神经网络个体的权值。然后,基于农田肥料效应试验数据,以土壤养分含量和施肥量作为神经网络的输入,以产量作为神经网络的输出,建立了作物精准施肥模型。该模型通过求解一个非线性规划问题,能同时获得最大产量和最优施肥量。试验结果表明,在施肥模型的拟合精度方面,改进的神经网络集成方法(其均方根误差为64.54)明显优于单个神经网络方法(其均方根误差为169.74)。而且,作为一种定量模型,基于改进的神经网络集成的施肥模型优于传统施肥模型,能有效地指导精准施肥。

引用

页码：193 / 198

页数：6

共 10 条

[1] 基于径向基函数网络的变量施肥决策研究 [J].