基于BP神经网络的玉米种植密度和施肥量优化
Optimization of maize planting density and fertilizer application rate based on BP neural network作者机构:东北农业大学工程学院哈尔滨150030
出 版 物:《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)
年 卷 期:2017年第33卷第6期
页 面:92-99页
核心收录:
学科分类:082802[工学-农业水土工程] 090707[农学-水土保持与荒漠化防治] 0907[农学-林学] 08[工学] 0828[工学-农业工程] 09[农学] 0815[工学-水利工程]
基 金:国家自然科学基金面上项目(31071331) 国家"十二五"科技支撑计划课题子课题(2014BAD06B04-2-9) 公益性行业(农业)专项课题(201503116-04)
主 题:神经网络 回归分析 优化 玉米 产量 种植密度 施肥量
摘 要:为解决利用回归模型进行作物种植密度和施肥量优化时存在的拟合精度差和准确性低等问题,该文提出一种基于BP神经网络的优化方法。以玉米作物为研究对象,选取种植密度、施氮量、施磷量、施钾量为试验因素,玉米产量为影响指标,设计4因素5水平正交旋转试验方案进行田间试验,获取不同种植密度和施肥量水平下的玉米产量。利用BP神经网络模型对试验数据进行函数拟合,拟合后运用该文提出的优化方法获得试验条件下红星农场德美亚1号玉米最佳种植密度9.32×10~4株/hm^2、施N量139.5 kg/hm^2、施P_2O_5量85.4 kg/hm^2、施K_2O量70.8 kg/hm^2,该参数组合下玉米的最优产量为16 308.53 kg/hm^2,高于二次回归模型优化得到的最高产量16 009.00 kg/hm^2。以BP神经网络优化结果在试验区进行验证试验,获得试验方案下玉米产量为15 948.3 kg/hm^2,试验与优化结果相对误差仅为-2.21%,表明该优化方法拟合函数精度高,优化结果准确,为解决农业生产领域中类似优化问题提供了一种可靠方法。