文献类型： 中文期刊

作者： 石杰锋 ¹ ; 黄为 ¹ ; 范协洋 ¹ ; 李修华 ¹ ; 卢阳旭 ¹ ; 蒋柱辉 ² ; 王泽平 ³ ; 罗维 ¹ ; 张木清 ⁴ ;

作者机构： 1.广西大学电气工程学院

2.广西糖业集团有限公司

3.广西农业科学院甘蔗研究所

4.广西大学甘蔗生物学重点实验室

关键词： 气象因子;HP滤波;甘蔗产量;BPNN模型;LSTM模型;机器学习

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2023 年 5 卷 002 期

页码： 82-92

摘要： [目的/意义]分析广西甘蔗主产区甘蔗产量与气象因素的关系,利用气象数据预测甘蔗产量,为糖厂及相关管理部门提供科学的数据支撑.[方法]选用2002~2019年广西五个不同地级市内蔗区的产量数据及14种逐日气象数据,将每年的各气象因子以78个逐月递增的连续时段的均值与产量进行相关性分析,根据敏感时段分析法确定关键气象因子,并分析各气象因子在敏感时段对产量的影响.分别利用BP神经网络(BP Neural Network,BPNN)、支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、长短期记忆网络(Long Short-Term Memory,LSTM)建立单蔗区产量预测模型,并采用以全生育期气象均值作为模型输入的方法进行对照实验.使用HP滤波法(Hodrick Prescott Filter)分离出甘蔗气象产量,将5个蔗区的数据混合,分别利用RF、SVM、BPNN和LSTM建立通用的多蔗区气象产量预测模型.[结果和讨论]对于单蔗区,敏感时段分析法的模型预测效果明显优于全生育期取气象均值的方法,LSTM模型对于上述两种数据处理方法的预测效果均明显优于目前广泛使用的BPNN、SVM、RF模型,敏感时段分析法的LSTM模型整体的均方根误差(Root Mean Square Error,RMSE)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为10.34 t/ha和6.85%,决定系数Rv2为0.8489.对于多蔗区,LSTM预测结果较差,RF、SVM及BPNN三种预测模型都取得了良好的效果,预测效果最好的BPNN模型的RMSE和MAPE分别为0.98 t/ha和9.59%,Rv2为0.965.[结论]通过敏感时段分析法筛选的关键气象因子与产量均呈显著相关,根据敏感时段能准确地分析各气象因子对产量的影响.使用LSTM模型预测单蔗区产量,使用BPNN模型预测多蔗区甘蔗气象产量的方法是可行的,且预测误差在可接受范围内.