基于提升树的作物生长预测模型的研究与系统构建

作     者：赖新明 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：张红延

授予年度：2017年

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：决策 产量预测 回归 提升树 

摘      要：随着全球环境变化、工业化和城镇化的快速发展,土地资源普遍面临退化、空废和污损问题,制约了农业的可持续发展。土地整治工程是解决这一问题的重要手段,其中,作物选种决策过程作为土地整治工程的核心环节变得尤为重要。作物选种决策过程是分析各个环境因素对作物产量的影响,从而根据特定的土地条件选择产量较高的作物进行栽种。因而,作物产量预测是本文研究的主要问题。本文主要内容分为两个部分。第一部分为作物产量预测模型的研究,首先,本文分析了现有作物产量预测模型存在的问题,提出基于集成学习方法的解决方案,并对集成学习方法进行优选;其次,在此基础上,分析了提升回归树存在的局限性,提出了在作物产量预测应用背景下的改进优化方案;最后,将提出的方案进行了相关实验的验证。第二部分为作物决策分析系统的设计与实现,本文完成了对系统的定义、总体设计和详细设计,将作物产量预测的模型集成应用到了业务系统。在作物产量预测模型的研究中,本文主要完成了基于提升回归树的作物产量预测模型的构建,实现了构建算法并给出了模型参数设置方法;在提升回归树模型自身局限性分析中,本文分析了离群点对CART树和提升回归树整体的影响,并定量分析了影响的大小;在模型的优化改进中,本文提出了基于数据分布因子模型的构建方法,论述了优化的可行性,并实现了相应算法。在作物决策分析系统的设计与实现中,本文给出了系统需求定义,对系统总体架构进行设计并实现了各个核心模块,该系统分为数据采集、模拟仿真、决策分析和全文检索四部分。最后的实验结果表明,本文提出的基于数据分布因子的改进方案,可以有效的降低离群点对作物产量预测模型的影响,并且对离群点数量的要求符合应用场景的真实情况,满足系统的需求。