基于并联型组合模型的平菇产量预测方法研究

作     者：张富强 

作者单位：山东农业大学 

学位级别：硕士

导师姓名：吴秋兰;胡正鹏

授予年度：2023年

学科分类：09[农学] 0902[农学-园艺学] 090202[农学-蔬菜学] 

主      题：GM(1,1) BP神经网络 并联型组合预测模型 平菇 产量预测 

摘      要：平菇是我国栽培面积最广、产量最高的食用菌。随着平菇生产逐步工厂化,平菇种植规模也在逐年扩大,平菇产量的高效预测对于制定平菇生长期间的精准管理决策具有重要意义。本文针对平菇生产影响因素多、产量预测难的问题,面向平菇工厂化生产产量预测的实际需求,根据平菇生长各影响因素指标的特征,提出了基于灰色预测和BP神经网络并联型组合模型的平菇产量预测方法,设计并实现了平菇产量预测系统。主要研究内容与结果如下:(1)分析了平菇产量影响因素本文选取了山东某公司2019年—2022年平菇产量和生长过程中的数据,通过查询相关文献资料、咨询平菇生产技术人员,从平菇基质配比、出菇环境参数、人为控制三个角度出发,确定了影响平菇产量的16个因素:菇棚温度、菇棚湿度、光照强度、二氧化碳浓度、菌棒p H值、菌棒粗木屑比例、菌棒细木屑比例、菌棒玉米芯颗粒比例、菌棒豆秸粉比例、菌棒豆粕比例、菌棒玉米粒比例、菌棒麦麸比例、菌棒轻质碳酸钙比例、菌棒石灰比例、菌包摆放层数、菌棒摆放距离。通过灰色关联度分析法剔除了菌包摆放层数、菌棒摆放距离这两个关联度较低的影响因素,最终选择14个影响因素作为模型的输入,为平菇产量预测模型的构建提供了数据支撑。(2)构建了平菇产量预测模型通过分析平菇产量数据集,结合平菇生长各影响因素指标的特征提出了一种基于GM(1,1)和BP神经网络并联型的平菇产量预测模型。首先选择了GM(1,1)模型、BP神经网络这两个单一的模型进行预测,经过对模型的训练,得到两个模型的平均相对误差分别为4.73%和3.74%;然后对两个模型进行串联和并联的方法进行训练;最后使用平均相对误差(MRE)和平均绝对误差(MAE)等指标来评价模型的性能,结果表明,基于并联型组合预测模型的平菇产量预测精度达到了97.9%;平均相对误差为3.07%、平均绝对误差为5540.1,较其他两个单一模型和串联型组合预测模型精度高且具有稳定性。(3)设计并实现了平菇产量预测系统利用前后端分离技术,基于Spring Boot+Vue+Mysql+Redis框架,建立了平菇产量信息数据库,研发了平菇产量预测系统。系统主要功能模块有基础信息管理、平菇生长环境监测、历史数据查询、实验数据录入、平菇产量预测等,实现了平菇生长环境数据实时监测、平菇产量精准预测,可为平菇工厂化生产产量影响指标的调整提供理论依据。