超级稻定量供种预测模型研究

作者：梁秋艳; 张晓玲; 葛宜元; 迟佳

来源：中国农机化学报, 2023, 44(08): 148-154.

DOI：10.13733/j.jcam.issn.2095-5553.2023.08.020

• 超级稻
• 定量供种
• BP神经网络
• 决策树
• XGboost

针对定量供种装置工作时易发生堵种、供种不均匀等现象，以秀优5号超级稻为研究对象，进行供种理论及供种量预测研究。以Python为算法构架，应用BP神经网络、决策树以及XGboost算法模型对振动式水稻播种装置进行性能预测。为验证模型的有效性，结合测试集后14次数据，以决定系数R2和相对误差为评价指标，检验各模型的预测精度，对比分析得出最优供种量预测模型。结果表明：BP神经网络模型的R2为0.87,相对误差为18%,决策树模型的R2为0.91,相对误差为11%,XGboost模型的R2为0.95,相对误差为5%,较其他两种模型相比，XGboost模型预测供种量，拟合程度更高，预测效果更显著，可为定量供种器确定工作参数提供依据，以利于生产者科学决策。

• 出版日期2023
• 单位佳木斯大学