基于Broad-AdaBoost的小麦品质指标预测模型

作     者：蒋华伟 张磊 赵丽科 郭陶 周德祥 陈斯 JIANG Hua-wei;ZHANG Lei;ZHAO Li-ke;GUO Tao;ZHOU De-xiang;CHEN Si

作者机构：河南工业大学信息科学与工程学院郑州450001 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2022年第52卷第5期

页      面：1222-1228页

核心收录：

学科分类：0710[理学-生物学] 08[工学] 081203[工学-计算机应用技术] 0703[理学-化学] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(51677055) 河南省科技攻关项目(212102210499) 河南省高等学校重点科研项目(22A520003) 河南工业大学自然科学创新基金项目(2021ZKCJ18)。 

主　　题：计算机应用 宽度学习系统 集成学习 小麦储藏品质 预测模型 

摘      要：小麦品质的劣变机理较为复杂,利用常规的分析方法预测小麦品质指标存在稳定性及准确性不足等问题,为此,提出一种用于小麦品质多生理生化指标精准预测的BroadAdaBoost模型。综合了宽度学习系统(BLS)和AdaBoost算法在高效性及稳定性方面的优势,分别采用线性激活函数、非线性激活函数进行特征变换以获得特征学习器、增强学习器,并由AdaBoost算法加权组合为性能更优的强学习器,完成小麦品质指标的预测分析。实验结果表明:Broad-AdaBoost模型的综合预测误差为0.166,相对于BP-AdaBoost、DNN、BLS、SVR、GM分别降低了9.29%、20.19%、3.49%、5.14%、10.75%,其稳定性优于原有算法,在6种模型中性能最优,可有效提高小麦品质指标预测的效率及准确性。