摘要
传统的土壤参数预测常采用物理、化学等方法,在预测准确性上存在较大误差,且易受到人为因素的影响。基于反向传播(BP)神经网络及其改进算法的土壤参数预测方法虽然不受人为因素的影响,但仍有较大的误差。为进一步提高神经网络预测精度,使用遗传算法-鲸鱼算法(GA-WOA)的混合算法优化BP神经网络,以此建立农业土壤参数预测模型,并与多种现有算法进行对比。结果显示,所提算法在农业土壤参数预测方面具有很强的适用性和更高的准确性。
引文
[1] 李丹, 陈水森, 陈修治, 等. 近红外光谱预测土壤钾、钙、镁与阳离子交换量研究[J]. 热带地理, 2011, 31(4): 368-372.
[2] 郑立华, 李民赞, 安晓飞, 等. 基于近红外光谱和支持向量机的土壤参数预测[J]. 农业工程学报, 2010, 26(14): 81-87.
[3] 郑立华, 李民赞, 潘娈, 等. 近红外光谱小波分析在土壤参数预测中的应用[J]. 光谱学与光谱分析, 2009, 29(6): 1549-1552.
[4] 杨玮, 孙红, 郑立华, 等. 基于土壤参数的冬小麦产量预测模型[J]. 农业工程学报, 2013, 29(23): 118-123.
[5] 初永丽. 一种GA算法的改进及其实现[J]. 微计算机信息, 2006, 22(7): 128-129.
[6] 牛培峰, 吴志良, 马云鹏, 等. 基于鲸鱼优化算法的汽轮机热耗率模型预测[J]. 化工学报, 2017, 68(3):1049-1057.