书目详细信息
： 基于智能算法的云南甘蔗产量预测研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于智能算法的云南甘蔗产量预测研究/.王泳智著/.钱晔指导 |
| 出版发行项： | 2023.05.26 |
| 载体形态项： | 50页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2021240531 |
| 提要文摘： | 云南是我国重要的糖料生产基地，甘蔗和食糖产量位居全国第二。甘蔗生长周期长，其产量受气象和土壤因素的影响较大，这给甘蔗生产带来了许多不确定性，因此，探究甘蔗产量与气象、土壤因素的关系对甘蔗种植生产具有十分重要的指导意义。本文基于云南省临沧市、德宏州、普洱市、文山州、红河州、保山市、西双版纳州、玉溪市2000—2020年每日的气象、土壤数据及产量数据，基于甘蔗生长期将气象、土壤数据进行划分，在此基础上，构建气象、土壤因子—甘蔗产量预测模型，具体工作如下： （1）基于甘蔗生长期划分云南省临沧市、德宏州、普洱市、文山州、红河州、保山市、西双版纳州、玉溪市2000—2020年每年的气象、土壤数据集。 （2）通过专家打分法初步筛选对甘蔗产量影响较大的影响因子，应用逐步回归模型筛选甘蔗生长周期内对甘蔗产量的关键气象、土壤影响因子。 （3）在数据集划分和筛选关键影响因子的基础上。以每年气象、土壤因子作为输入变量，以每年甘蔗产量为输出变量，建立了支持向量回归模型、BP 神经网络模型。以每日和每年的气象、土壤因子作为输入向量，以甘蔗产量为输出变量，建立了LSTM神经网络模型。应用上述模型对测试集进行预测，比较预测值与真实值的误差及相对误差。 （4）通过均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R2）三个指标来评估支持向量回归模型、BP神经网络模型、LSTM神经网络模型的预测效果。RMSE、MAE值越小则模型预测精度越高、R2越接近1预测能力越好。RMSE比较结果显示：LSTM神经网络模型的误差最小，RMSE为20.72；MAE比较结果显示：LSTM神经网络模型误差最小，MAE为16.04；R2比较结果显示：LSTM神经网络模型的决定系数最接近1，R2为0.978，拟合效果最好，结果表明，LSTM神经网络模型预测精度高。 |
| 并列题名： | Research on Yield Prediction of Sugarcane in Yunnan Based on Intelligent Algorithm eng |
| 题名主题： | 气象因子 土壤因子 甘蔗产量 支持向量回归 BP神经网络 LSTM神经网络 学位论文 |
| 中图分类： | TP399-533 |
| 个人名称等同： | 王泳智 著 |
| 个人名称次要： | 钱晔 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240301 |