期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
应用NSGA-Ⅱ-AdaBoost方法结合土壤物理性质对大豆产量预测模型的构建 被引量：1
1
作者 周修理 王开宇 +3 位作者 秦娜 梁冬梅 魏林丁 乔金友 《东北农业大学学报》 CAS CSCD 北大核心 2024年第7期71-82,共12页
为准确评估黑土区大豆产量,以大豆不同生长时期(出苗期、结荚期、成熟期)土壤物理性质(土壤坚实度、土壤容重、土壤含水率)为特征变量,使用自适应增强模型评价特征重要性,通过皮尔逊相关系数作进一步筛选,均选择与产量显著相关的特征构... 为准确评估黑土区大豆产量,以大豆不同生长时期(出苗期、结荚期、成熟期)土壤物理性质(土壤坚实度、土壤容重、土壤含水率)为特征变量,使用自适应增强模型评价特征重要性,通过皮尔逊相关系数作进一步筛选,均选择与产量显著相关的特征构建数据集。采用非支配排序遗传算法Ⅱ优化模型的超参数,建立非支配排序遗传算法Ⅱ优化的自适应增强(NSGA-Ⅱ-AdaBoost)方法作为大豆产量预测模型,与11种主流机器学习算法进行对比。结果表明:成熟期土壤物理性质与大豆产量具有更高的相关性,表层和亚表层土壤物理性质对大豆产量影响较大;11种机器学习算法中AdaBoost表现最佳,四种优化算法中NSGA-Ⅱ表现最佳,经NSGA-Ⅱ对AdaBoost的超参数寻优,在五折交叉验证下决定系数为0.809 2、均方根误差为148.061 kg·hm^(-2)、平均绝对值误差为94.868 8 kg·hm^(-2)、平均绝对百分比误差为0.058 3。研究结果可为黑土区大豆产量预测提供理论和方法参考。 展开更多
关键词 大豆产量预测模型 土壤物理性质 机器学习 NSGA-Ⅱ
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部