期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
因果加权自编码网络与CROPGRO融合的大豆育种群体物候期预测
1
作者
胡皓翔
徐灿
+3 位作者
姜海燕
许俊杰
闫文亮
赵团结
《农业工程学报》
北大核心
2025年第18期175-184,共10页
为了提高基于生长模拟模型的大豆育种群体物候期的预测精度和泛化能力,该研究结合特征解耦方法与“因果不变性”原理,提出了一种因果加权自编码网络(causality-based weighted auto-encoder network,CWAE)与物候期模拟模型融合的大豆育...
为了提高基于生长模拟模型的大豆育种群体物候期的预测精度和泛化能力,该研究结合特征解耦方法与“因果不变性”原理,提出了一种因果加权自编码网络(causality-based weighted auto-encoder network,CWAE)与物候期模拟模型融合的大豆育种群体物候期预测方法。该方法以温光数据的时段特征值以及DSSAT-CROPGRO模型生成的温光效应变量、物候期模拟值等为输入,采用马尔可夫边界和偏相关系数计算因果权重,通过加权自编码结构重构了低冗余关键的隐含特征,并从花期递进传递至荚期等后续物候阶段,校正了DSSAT-CROPGRO模型应用到育种材料的误差。利用盐城生态点2018—2020年江淮大豆育种群体的309个材料的始花期、始荚期、始粒期以及初熟期的田间试验数据,构建育种材料物候期预测的融合模型。交叉验证结果表明:引入温光效应变量增强了特征区分度;CWAE提取的隐含特征明显降低了冗余度(降幅为70.59%);递进式特征传递机制提升了预测性能,各物候期的均方根误差(root mean square error,RMSE)均降低。相较于直接利用CROPGRO模型预测大豆育种群体的物候期,融合模型的预测精度显著提升,RMSE从4.59~5.98 d降低至3.13~4.09 d(降幅为23.37%~31.81%)。利用分布有偏差的2021年盐城物候期实测数据测试,融合模型展现出良好的泛化能力,RMSE降幅为23.53%~71.01%,所有材料的平均RMSE从5.45~12.41 d降低至2.80~5.00 d,超过80%的材料预测精度有所提升。该方法能够提取高相关且低冗余的稳健特征,有效提升了大豆育种群体物候期预测的精度和泛化能力。为分析育种材料在不同温度光照条件下的表型,提供了一种基于生长模拟模型的方法。
展开更多
关键词
误差校正
物候期
DSSAT-CROPGRO
育种群体
自编码网络
因果关系
在线阅读
下载PDF
职称材料
题名
因果加权自编码网络与CROPGRO融合的大豆育种群体物候期预测
1
作者
胡皓翔
徐灿
姜海燕
许俊杰
闫文亮
赵团结
机构
南京农业大学
智慧
农业
学院
(
人工智能
学院
)
南京
理工
大学
计算机科学与工程
学院
南京农业大学
农
学院
出处
《农业工程学报》
北大核心
2025年第18期175-184,共10页
基金
国家自然科学基金面上项目(31872847)
江苏省重点研发计划(现代农业)项目(BE2021358)。
文摘
为了提高基于生长模拟模型的大豆育种群体物候期的预测精度和泛化能力,该研究结合特征解耦方法与“因果不变性”原理,提出了一种因果加权自编码网络(causality-based weighted auto-encoder network,CWAE)与物候期模拟模型融合的大豆育种群体物候期预测方法。该方法以温光数据的时段特征值以及DSSAT-CROPGRO模型生成的温光效应变量、物候期模拟值等为输入,采用马尔可夫边界和偏相关系数计算因果权重,通过加权自编码结构重构了低冗余关键的隐含特征,并从花期递进传递至荚期等后续物候阶段,校正了DSSAT-CROPGRO模型应用到育种材料的误差。利用盐城生态点2018—2020年江淮大豆育种群体的309个材料的始花期、始荚期、始粒期以及初熟期的田间试验数据,构建育种材料物候期预测的融合模型。交叉验证结果表明:引入温光效应变量增强了特征区分度;CWAE提取的隐含特征明显降低了冗余度(降幅为70.59%);递进式特征传递机制提升了预测性能,各物候期的均方根误差(root mean square error,RMSE)均降低。相较于直接利用CROPGRO模型预测大豆育种群体的物候期,融合模型的预测精度显著提升,RMSE从4.59~5.98 d降低至3.13~4.09 d(降幅为23.37%~31.81%)。利用分布有偏差的2021年盐城物候期实测数据测试,融合模型展现出良好的泛化能力,RMSE降幅为23.53%~71.01%,所有材料的平均RMSE从5.45~12.41 d降低至2.80~5.00 d,超过80%的材料预测精度有所提升。该方法能够提取高相关且低冗余的稳健特征,有效提升了大豆育种群体物候期预测的精度和泛化能力。为分析育种材料在不同温度光照条件下的表型,提供了一种基于生长模拟模型的方法。
关键词
误差校正
物候期
DSSAT-CROPGRO
育种群体
自编码网络
因果关系
Keywords
error correction
phenology
DSSAT-CROPGRO
breeding population
auto-encoder network
causality
分类号
S126 [农业科学—农业基础科学]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
因果加权自编码网络与CROPGRO融合的大豆育种群体物候期预测
胡皓翔
徐灿
姜海燕
许俊杰
闫文亮
赵团结
《农业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
