【目的】研究溫室內(nèi)番茄莖直徑變化量動態(tài)預(yù)測模型,為番茄需水規(guī)律提供一定決策支持�！痉椒ā坎捎枚鄬痈兄獧C(jī)算法與植物生理生態(tài)信息相融合的方法,建立一個包含空氣溫濕度、土壤濕度、葉片溫度、莖直徑變化量及光合有效輻射的基于多層感知機(jī)算法的莖直徑變化量預(yù)測模型。采用3層隱含層神經(jīng)網(wǎng)絡(luò)對經(jīng)過正則化及歸一化的6維訓(xùn)練集數(shù)據(jù)向量,進(jìn)行全連接式訓(xùn)練后,得出預(yù)測模型,驗(yàn)證集數(shù)據(jù)輸入預(yù)測模型后得出1維輸出向量,對輸出向量進(jìn)行反歸一化進(jìn)而得出莖直徑變化量預(yù)測值�！窘Y(jié)果】建立的基于多層感知機(jī)短時番茄莖直徑變化量動態(tài)預(yù)測模型的預(yù)測值與實(shí)測值的回歸系數(shù)(R²)為0.901,均方根誤差(RMSE)為0.175�！窘Y(jié)論】該模型適用于溫室番茄短時莖直徑變化量動態(tài)預(yù)測,具有較好的應(yīng)用場景。

【文章頁數(shù)】：10 頁

【部分圖文】：

圖2多層感知機(jī)模型結(jié)構(gòu)

選取訓(xùn)練集數(shù)據(jù)中的空氣溫度、空氣相對濕度、土壤濕度、葉片溫度及有效光輻射等數(shù)據(jù)作為MLP模型的數(shù)據(jù)輸入,莖直徑變化量為已標(biāo)定的目標(biāo)輸出值,建立以莖直徑變化量為目標(biāo)函數(shù)的多層感知機(jī)非線性回歸模型[16]。MLP模型有多個節(jié)點(diǎn)層組成且為全連接,第一層是輸入層,最后一層是輸出層,中間稱....

圖1番茄樣本1和2環(huán)境及植物本體數(shù)據(jù)趨勢

表1植物生理生態(tài)數(shù)據(jù)采集系統(tǒng)性能指標(biāo)Table1ThePerformanceindexofPlantphysiologicalandecologicaldatacollectionsystem測量參數(shù)MeasurementValue型號Type精....

圖3短期數(shù)據(jù)進(jìn)行的莖直徑變化量預(yù)測值與實(shí)測值比較

將訓(xùn)練集中的空氣溫濕度、土壤濕度、光有效輻射及葉片溫度等值構(gòu)成MLP模型的6維輸入向量(模型的輸入向量需要進(jìn)行f2正則化及歸一化操作),番茄莖直徑變化量為MLP模型的輸出向量(模型的輸出向量需要進(jìn)行反歸一化操作),在sklearn平臺中構(gòu)建其訓(xùn)練模型,訓(xùn)練結(jié)果。圖3MLP非線性回....

圖4測試集中莖直徑變化量預(yù)測值與實(shí)測值比較

模型的預(yù)測結(jié)果與觀測數(shù)據(jù)吻合良好,能將番茄莖直徑變化趨勢較好的預(yù)測,預(yù)測樣本的R2值為0.945,RMSE值為0.209。表3表3部分試驗(yàn)數(shù)據(jù)Table3Experimentaldata時序TimeSequence預(yù)測值PredictedValue實(shí)測值Meas....

本文編號：3972994