共查询到20条相似文献，搜索用时 406 毫秒
1.
研究旨在实现逐旬省级和市级的大豆产量预报。利用黑龙江省大豆产量资料分析其时空分布特征;结合各时段气象数据构建温度、降水、日照及综合气候适宜度模型,分析与相对气象产量相关性;构建基于气候适宜度指数的逐旬产量动态预报模型,对黑龙江省大豆产量进行动态预报。结果表明：（1）大豆年均单产空间上从南至北逐级递减,时间上呈年代际变化,各市县年均总产量差距显著,嫩江市大豆产量最高;（2）1995—2015年黑龙江省和嫩江市气候适宜度指数与其对应的大豆相对气象产量显著相关,构建的气候适宜度模型可以客观反映大豆各生长时段内气象条件情况;（3）1995—2015年模型回代检验平均准确率在80%以上,各时段趋势准确年份在12年以上,2017—2019年模型外推预报准确性均超过了85%。建立的产量预报模型可为黑龙江省大豆产量预报提供参考依据。 相似文献
2.
【目的】利用2种灌溉处理下不同发育阶段的冬小麦冠层高光谱信息,通过机器学习方法对小麦籽粒产量进行估测精度研究,明确产量最佳估测模型,对于育种工作有着重要应用价值。【方法】以黄淮麦区207个主栽小麦品种为材料,于2018—2019和2019—2020年度连续2个生长季在河南省新乡基地的正常灌溉和节水处理下种植,并调查开花期、灌浆前期和灌浆中期的冠层高光谱数据,分别以6种机器学习方法和集成方法建立光谱指数产量估测模型。【结果】2种灌溉处理下,3个生育期各光谱指数均与产量呈极显著相关（P<0.0001）,且表现出较高的遗传力（0.61-0.85）,主要受遗传因素控制。在正常灌溉处理下,与传统机器学习方法表现最佳的模型相比,集成学习方法在3个生育期的平均决定系数(R2) 分别由0.610、0.611和0.640提高至0.649、0.612和0.675,平均均方根误差 (RMSE) 分别降低至0.607、0.612和0.593 t·hm-2;节水处理下,3个生育期的平均R2分别由0.461、0.408和0.452提高至0.467、0.433和0.498,平均RMSE分别降低至0.519、0.559和0.504 t·hm-2。【结论】利用集成方法将不同模型估测结果进行结合,能够有效地提高产量估测精度,2种灌溉处理下均在灌浆中期估测精度最佳,可为冬小麦育种工作中产量估测提供参考。 相似文献
3.
4.
基于机器学习的落叶松毛虫发生面积预测模型 总被引：2，自引：0，他引：2
落叶松毛虫为我国主要害虫之一,其发生严重影响了我国林木生长和森林资源的安全。因此,及时准确地对落叶松毛虫虫害发生趋势进行预测、预报十分必要。虫害的发生受到多种因素的影响,存在复杂的非线性关系,传统的预测方法大多为基于线性的预测,导致其预测效果不够理想。本研究选取当年3月中旬的总蒸发量、上年7月上旬的平均最低气温、当年3月下旬的极端最低气温以及上年11月上旬的平均风速作为自变量,虫害发生面积作为因变量,利用多层前馈神经网络(MLFN)、广义回归神经网络(GRNN)以及支持向量机(SVM)3种机器学习算法对落叶松毛虫发生面积进行预测,并将3种方法的预测结果与传统多元线性回归预测方法相比较。结果表明,机器学习的预测效果均在很大程度上优于多元线性回归预测,并且在3种机器学习算法中,SVM模型的预测效果最好,在30%容忍度下其预测精度可以达到100%,并且该模型还有较低的RMSE值(0.077)和较短的训练时间(1 s)。这表明,机器学习可以应用于生产实际并有效预测虫害发生面积,尤其是SVM模型可以作为一种很好的虫害发生预测手段。 相似文献
5.
本研究旨在比较线性回归模型与机器学习模型在利用体尺性状预测体重时的准确性。测定102头革吉那布地区两岁龄牦牛相关体尺性状(体高、体长和胸围)与体重,然后将数据按照不同比例梯度分为训练集和测试集,利用传统的一般线性模型方法和机器学习方法(高斯过程回归、支持向量机)分别构建体尺性状与体重之间的回归预测模型。每个比例均重复5次,将体重的真实值与预测值之间的相关系数均值作为当前比例下的模型准确性结果。结果显示,随着训练集数据的增加,线性回归模型的预测结果较稳定在0.71至0.80之间,而机器学习方法的预测准确性最高达到0.91。故在训练集数据充足的情况下,相比于一般线性模型,利用机器学习方法进行预测具有更高的准确性。 相似文献
6.
[目的/意义]为了提高大豆叶片图像的分类精度与效率,进一步对大豆叶片图像进行存储与管理。[方法/过程]本文利用深度学习方法,针对肉眼观察准确率较低且不同人群分类结果差异较大的大豆叶片图像数据提出了一种自动分类方法。本研究首先对大豆叶片进行ROI感兴趣区域划分,进而利用分水岭分割方法对大豆叶片进行提取,最后通过深度学习高效精确的实现了大豆叶片的分类识别。[结果/结论]通过分析大豆叶片形态图像特点后,基于深度学习开展了对大豆叶片形态的分类识别的研究,达到了较高的识别准确率。 相似文献
7.
Anat Goldstein Lior Fink Amit Meitin Shiran Bohadana Oscar Lutenberg Gilad Ravid 《Precision Agriculture》2018,19(3):421-444
Jojoba Israel is a world-leading producer of Jojoba products, whose orchards are covered with sensors that collect soil moisture data for monitoring plant needs at real-time. Based on these data, the company’s agronomist defines a weekly irrigation plan. In addition, data on weather, irrigation, and yield are recorded from other sources (e.g. meteorological station and irrigation-plan records). However, so far, there has been no attempt to use the entire set of collected data to reveal insights and interesting relationships between different variables, such as soil, weather, irrigation characteristics, and resulting yield. By integrating and utilizing data from different sources, our research aims at using the collected data not only for monitoring and controlling the crop, but also for predicting irrigation recommendations. In particular, a dataset was constructed by integrating data collected over almost two years from 22 soil-sensors spread in four major plots (which are divided into 28 subplots and eight irrigation groups), from a meteorological station, and from actual irrigation records. Different regression and classification algorithms were applied on this dataset to develop models that were able to predict the weekly irrigation plan as recommended by the agronomist. The models were developed using eight different subsets of variables to determine which variables consistently contributed to prediction accuracy. By comparing the resulting models, it was shown that the best regression model was Gradient Boosted Regression Trees, with 93% accuracy, and the best classification model was the Boosted Tree Classifier, with 95% accuracy (on the test-set). Data that were not contributing to the model prediction success rate were identified as well. The resulting model can significantly facilitate the agronomist’s irrigation planning process. In addition, the potential of applying machine learning on the company data for yield and disease prediction is discussed. 相似文献
8.
9.
气候变化对忻州玉米气象产量的影响 总被引：14，自引：5，他引：9
利用河曲、五寨、五台、繁峙、忻府区5个气候代表站1981—2009年玉米生长期间日照时数、平均气温、降水量、≥10℃积温等农业气象资料及玉米产量资料,应用滑动平均、线性倾向估计和多元回归等统计方法,建立了气象要素与玉米气象产量的多元回归模型。结果表明,近29 a,5个县(区)的降水量与玉米气象产量呈正相关关系;日照时数、平均气温与玉米气象产量五寨、五台和河曲呈正相关关系,繁峙和忻府区呈负相关关系;≥10℃积温河曲、五台和忻府区与玉米气象产量呈正相关关系,五寨和繁峙呈负相关关系。不同县(区)各气象要素影响的程度不同,5个县(区)对玉米气象产量影响最大的均为平均气温;五寨、河曲和繁峙对玉米气象产量影响排第2位的为年降水量;五台对玉米气象产量影响排第2位的为日照时数,忻府区对玉米气象影响排第2位的为≥10℃积温。 相似文献
10.
机器学习算法在森林生长收获预估中的应用 总被引：1，自引：1，他引：0
雷相东 《北京林业大学学报》2019,41(12):23-36
森林生长收获预估是森林经理学的一个重要方向,采用模型技术进行森林生长收获估计是森林经营决策的重要前提。传统的统计模型如线性及非线性回归模型、混合效应模型、分位数回归、度量误差模型等统计方法已被广泛应用于研究林木生长,但这些统计方法在应用时常常需满足一定的统计假设前提,诸如数据独立、正态分布和等方差等。由于森林生长数据的连续观测和层次性,上述假设通常难以满足。近年来随着人工智能技术的发展,机器学习算法为森林生长收获预估提供了一种新的手段,它具有对输入数据的分布形式没有假设前提、能够揭示数据中的隐含结构、预测结果好等优点,但在森林生长收获预估中的应用仍十分有限。文章对分类和回归树、多元自适应样条、bagging回归、增强回归树、随机森林、人工神经网络、支持向量机、K最近邻等方法在森林生长收获预估中的应用、软件及调参等进行了综述,讨论了机器学习方法的优势和挑战,认为机器学习方法在森林生长收获预估方面有很大的潜力,必将得到广泛应用,并和传统统计模型相结合成为生长收获模型发展的一种趋势。 相似文献
11.
为准确评价饲料营养价值和提升饲喂管理水平,精准预测奶牛日粮能量消化指标具有重要意义。传统上主要基于线性回归(LR)方法预测奶牛日粮能量消化指标,但受参数模型假设限制,预测结果精度低,甚至偏离实际。文章首次将核极限学习机(KELM)方法应用于奶牛日粮消化能(DE)和能量消化率(ED)预测,KELM作为一种典型非参数机器学习模型,无需提前对预测模型作任何假设,仅通过学习训练样本数据,便可拟合出最接近实际的函数,特别适用于奶牛日粮能量消化等复杂系统预测问题。与传统LR方法和其他非参数模型RBF-ANN、SVM及标准ELM对比验证与讨论,结果表明,基于KELM预测方法在MAE、MAPE、RMSE及RT等多数指标上优于其他方法,特别是与传统LR方法相比,KELM方法预测精度更高,可作为对奶牛日粮DE和ED预测新型参考方法,为人工智能与机器学习在预测和评价动物饲粮营养价值应用研究提供借鉴。 相似文献
12.
13.
M. Craninx V. Fievez B. Vlaeminck B. De Baets 《Computers and Electronics in Agriculture》2008,60(2):226-238
The objectives of this study were: (1) to predict the rumen fermentation pattern from milk fatty acids using a machine learning technique, i.e. artificial neural networks (ANN) combined with feature selection and (2) to compare the prediction accuracy of the resulting model to that of a statistical multi-linear regression model, based on odd and branched chain milk fatty acids. Data were collected from 10 experiments with rumen fistulated dairy cows, resulting in a dataset of 138 observations. Feature selection was based on correlation and principal component analysis, and background physiological knowledge. Different ANN architectures and training algorithms were assessed. The evaluation of the model performance, based on the test dataset, showed a root mean square prediction error, expressed relative to the observed mean, of 2.65%, 7.67% and 7.61% of the observed mean for acetate, propionate and butyrate, respectively. Compared to a multi-linear regression model, the ANN revealed not to perform significantly better. However, the results confirm that milk fatty acids have great potential to predict molar proportions of individual volatile fatty acids in the rumen. 相似文献
14.
为做好重庆重要特色经济作物茎瘤芥的产量预报，本研究耦合光、温、水与茎瘤芥产量形成的供需关系，以预报日前不同生育期气象资料作为参考数据集，基于气候适宜度指数与气象产量指数，建立茎瘤芥产量动态预报模型。结果表明：茎瘤芥幼苗—瘤茎膨大期气候适宜指数与气象产量指数相关性优于仅考虑瘤茎膨大期的分析结果。采取幼苗—瘤茎膨大期以及仅瘤茎膨大期两类参考数据集建立茎瘤芥瘤茎产量丰歉动态预报模型，幼苗—瘤茎膨大期作为参考数据集的计算模型表现更佳，不同起报时间瘤茎产量预报准确率平均值92.0%;归一化均方根误差平均值0.196;丰歉趋势准确率平均值68.2%。说明幼苗期气象条件对茎瘤芥瘤茎产量形成有一定贡献，考虑幼苗期气象要素的气候适宜指数能够更好地解释气象条件对茎瘤芥产量形成的影响。利用2017—2019年气象数据和产量数据对产量丰歉预报模型进行检验，各年度产量预报准确率基本在90%以上。基于气候适宜度指数的茎瘤芥产量动态预报方法能够以较高准确性和稳定性对茎瘤芥产量进行预测。 相似文献
15.
气候变化是影响小麦产量的重要因素,因此科学划分气候年型,对于准确预测小麦产量至关重要。利用河南省15个气象站点（市、县）1984—2018年的温度数据划分暖温年、平温年、冷温年,依据降雨数据划分湿年、平水年、干年,组合成9种气候年型并分析其规律;结合小麦产量数据划分出丰产年、平产年、低产年,分析气候年型和产量年型的关系。然后结合地形土壤、气象等因素把河南划分为豫北麦区、豫中东部麦区、豫西麦区、豫南麦区和南阳盆地5个麦区。在此基础上,利用HP滤波法分离出气象产量和趋势产量,以气象因子驱动并利用BP神经网络构建模型预测气象产量,利用一元线性回归模型建模得到趋势产量,把两者产量叠加得出实际产量,从而实现小麦产量的预测。结果表明：河南省积温年型以暖温年、正常年型为主,降雨年型分布比较均匀,气候年型中以正常年和干年为主,暖湿年小麦高产频率最高,为76.9%,冷湿年小麦低产频率最高,为67.9%;积温是影响小麦产量波动的主要因素,暖年年型下小麦更容易丰产,冷年时小麦低产概率较高;利用气象产量和趋势产量分别建模叠加得出的小麦产量和实际产量相比,豫北、豫中东、豫西、豫南和南阳盆地五大麦区各模型的平均相对误差分别为0.31%、0.36%、0.58%、0.48%、0.38%,说明利用HP滤波和BP神经网络技术预测小麦产量是可行的。 相似文献
16.
机器学习是一种面向机器的数据分析方法,自动化机器学习的研究促进了人工智能的发展。大数据的快速积累,促进了机器学习算法的井喷式发展。如何选择合适的机器学习算法解决行业问题,成为了当前应用的难点。笔者整理了机器学习新材料,对各种机器算法的特点和算法之间的差异,进行了仔细的梳理,总结了各种算法的需求背景和优缺点,以及主要的应用场合。在此基础上,分析了机器学习在农业应用的案例,综述了机器学习在农业应用,指出了目前存在的发展瓶颈,并提出了进一步研究应用的建议。 相似文献
17.
【背景】自1995年至今,小麦赤霉病（Fusarium head blight,FHB）逐渐在海河平原蔓延,由零星出现演变成连片发生,在流行年份呈现出暴发快、面积大、损失重的特点,小麦赤霉病已由次要病害上升为主要病害之一。准确的预测预报是有效控制小麦赤霉病发生与发展的关键和难点。【目的】根据海河平原小麦赤霉病发生情况的监测分析,构建适宜的小麦赤霉病预测模型,为科学防控赤霉病提供技术支撑。【方法】基于2001—2016年海河平原21个小麦主产县（市）的赤霉病病穗率数据,以及小麦关键生育期内的气象数据,采用逐步回归分析,筛选影响小麦赤霉病发生的关键气象因子,构建基于多元线性回归模型和增强回归树模型的小麦赤霉病发生预测模型。【结果】明确了增强回归树模型的学习效率（lr）为0.005、树的复杂度（tc）为6时,模型的预测偏差最低,残差标准误为0.006311;筛选出8个对海河平原小麦赤霉病发生影响显著的关键气象因子,即MRH15、Rain-35、MRH-55、SD15、LT-65、MWS-55、MT-25、DRain15,并构建了含有8个预测变量的多元线性回归模型（R2=0.8158,矫正R2=0.8018,P<2.2×10-16）。同时,应用增强回归树模型评估了上述8个关键气象因子的重要性,分别为69.62%、14.08%、4.89%、4.34%、3.35%、2.02%、1.20%、0.50%;根据重要的预测变量进一步简化预测模型,构建了含有4个预测变量的多元线性回归模型（y=-19.45376+0.11689MRH15+0.17346Rain-35+0.04185SD15+0.26592MRH-55,R2=0.7575,矫正R2=0.7468,P<2.2×10-16）;当预测变量由8个调减至4个时,利用2008、2010、2012年安新、定州、馆陶等地历史数据验证模型预测病穗率的准确度,多元线性回归模型预测准确度由88.43%降至85.90%,增强回归树模型预测准确度由87.72%升至91.23%;利用2001—2016年正定、栾城的历史数据验证模型预测病穗率的准确度,两个模型预测准确度无显著变化,多元线性回归模型预测准确度由87.53%变为87.42%,增强回归树模型预测准确度由89.20%变为89.21%。整体而言,多元线性回归模型预测准确度呈下降趋势,而增强回归树模型预测准确度呈上升趋势。【结论】研究构建了含有4个预测变量的增强回归树模型,其预测准确度达89.21%,病穗率预测值与实际观测值的波动趋势基本一致,表明增强回归树模型在海河平原小麦赤霉病预测预报中具有很好的应用前景。 相似文献
18.
研究城市气象参数与城市近地面污染物对水平面太阳辐射强度的影响,并尝试建立水平面太阳辐射与气象、城市空气污染物观测数据的回归模型.1）收集了广州市2009~2012年水平面日太阳总辐射、地面气象数据、近地面空气污染物历史记录数据;2）根据太阳辐射传输理论和前人相关研究进行水平面太阳辐射的影响因素分析,并对收集到的数据进行处理;3）对水平面太阳总辐射、地面气象、近地面污染物浓度的观测数据进行相关性分析,分别建立了总体样本和分区间样本下的水平面太阳总辐射与气象、空气污染物观测数据的回归模型.结果表明,用单一回归模型解释各种影响因素对太阳辐射的削弱并不合理,而分区间样本下的分段回归模型反映了水平面太阳总辐射的随气象变化和颗粒物浓度变化的规律,预测结果也较为准确. 相似文献
19.
Crusiol L. G.T. Sun Liang Sibaldelli R. N.R. Junior V. Felipe Furlaneti W. X. Chen R. Sun Z. Wuyun D. Chen Z. Nanni M. R. Furlanetto R. H. Cezar E. Nepomuceno A. L. Farias J. R.B. 《Precision Agriculture》2022,23(3):1093-1123
Soybean crop plays an important role in world food production and food security, and agricultural production should be increased accordingly to meet the global food demand. Satellite remote sensing data is considered a promising proxy for monitoring and predicting yield. This research aimed to evaluate strategies for monitoring within-field soybean yield using Sentinel-2 visible, near-infrared and shortwave infrared (Vis/NIR/SWIR) spectral bands and partial least squares regression (PLSR) and support vector regression (SVR) methods. Soybean yield maps (over 500 ha) were recorded by a combine harvester with a yield monitor in 15 fields (3 farms) in Paraná State, southern Brazil. Sentinel-2 images (spectral bands and 8 vegetation indices) across a cropping season were correlated to soybean yield. Information pooled across the cropping season presented better results compared to single images, with best performance of Vis/NIR/SWIR spectral bands under PLSR and SVR. At the grain filling stage, field-, farm- and global-based models were evaluated and presented similar trends compared to leaf-based hyperspectral reflectance collected at the Brazilian National Soybean Research Center. SVR outperformed PLSR, with a strong correlation between observed and predicted yield. For within-field soybean yield mapping, field-based SVR models (developed individually for each field) presented the highest accuracies. The results obtained demonstrate the possibility of developing within-field yield prediction models using Sentinel-2 Vis/NIR/SWIR bands through machine learning methods.
相似文献20.
[目的/意义]当前农业新闻分类研究中的模型训练以被动学习方式居多,普遍存在数据无法即时标注及标注成本过高的问题,对农业新闻分析工作也造成了一定阻碍。为解决该问题,运用主动学习或者深度主动学习技术从未标注数据中选择更有价值和代表性的数据进行人工标注并构建标注数据集,提升农业新闻挖掘工作效率和效果。[方法/过程]将文本分类常用的机器学习模型结合主动学习方法分析提升效果,以及使用BERT模型结合3种采样策略进行深度主动学习训练,在共19 847条样本的新闻爬虫语料上以筛选出农业相关新闻为目标,通过每轮增加30个样本标注的迭代实验进行测试。[结果/结论]实验结果表明：主动学习方法的应用对各个模型的训练过程均有明显提升。其中BERT模型配合判别性主动学习采样函数,具有最优的新闻文本分类效果和最低的标注数据需求。 相似文献