《基于改进的BP神经网络集成的作物精准施肥模型 Crop precision fertilization model based on improved BP neural network ensemble》.pdfVIP

第26卷第12期 农业工程学报 、b1．26No．12 2010焦12月 TransactionsoftheCSAE Dec．2010193 基于改进的BP神经网络集成的作物精准施肥模型 于合龙1，赵新子2，陈桂芬瞅，万保成1，高杰1 (1．吉林农业大学信息技术学院，长春130118；2．吉林省农业机械管理总站，长春130062) 摘要：作物最优施肥蹙与土壤养分含量、产量之问存在复杂的非线性关系。为更加准确地模拟这种关系，提出一种改 进的的BP神经网络集成方法。该方法采用K-均值聚类优选神经脚络个体，采用挣格朗U乘子方法计算待集成的神经网 络个体的权值。然后，基于农田肥料效应试验数据，以土壤养分含量和施肥馈作为神经网络的输入，以产量作为神经网 络的输出，建立了作物精准施肥模型。该模型通过求解一个非线性规划问题，能同时获得最大产量和最优施肥最。试验 结果表明，在施肥模型的拟合精度方面，改进的神经网络集成方法(其均方根误差为64．54)明湿优于单个神经嘲络方法 (其均方根误差为169．74)。而且，作为～种定量模型，基于改进的神经网络集成的施肥模型优于传统施肥模型，能有效 地指导精准施肥。 关键词：反向传播，神经网络，非线性规划，精准农业，施肥模型，K-均值聚类 doi：10．3969／j．issn．1002—6819．2010．12．033 中图分类号：S126 文献标识码：A 文章编号：1002—6819但010)-12-0193--06 193—198． Yu fertilizationmodelbasedon BPneuralnetwork Helong，ZhaoXinzi，ChenGuifen，eta1．Cropprecision improved ensemble[J]． Transactionsofthe with Chinese CSAE，2010，26(12)：193—198．(inEnglishabstract) 络也被用于变量施肥决策睁71。 0引言 现有的基于神经网络的精准施肥模型主要存在以下 精准施肥是精准农业技术中的核心内容，其基本思 问题：第一，在训练数据获取方面，通常需要安排专门 想是基于土壤养分的空间变异性实行变量施肥。实践证 的出间试验，需要较长的试验周期和较高的试验成本。 明，精准施肥町以节约肥料，增加粮食产最，均衡十壤 另一方面，在测上配方施肥开展过程中，已经积累了大 养分【lj，减少环境污染。精准施肥的难点主要在于决策模 型的制定，然而现有的施肥模型与当前牛产实践相互矛 据并没有得到充分利用，甚至有部分数据由于不能成功 盾之处非常之多，积累的大量数据难以指导乍产实践【2】。 地拟合三元-二次方程而遭废弃t剐。第二，在神经网络输入 因此，有必要构建一种更有效的作物精准施肥模型。 输出模式方面，现有模型都足以土壤养分、产量作为输 传统的精准施肥策略中主要采用养分平衡法和肥料 入，以施肥量作为输出。但该种模式需要事先估计最大 效应函数法。养分平衡法待定系数较多，不能反映养分间 目标产量，而对于目标产量的估计通常并没有一个定量 的交互作用，而且由于目标产量很难估计准确，导致施 公式，因此很难估计准确，从而导致施肥量计算不准。 肥鼍计算误差较大。由于产量和土壤养分、施肥量以及 第三，现有模型均使用单个网络进行拟合，但单个神经 其它影响因素间呈高度的非线性，而神经网络被认为是 网络的预测精度不高，泛化能力不强。 解决非线性问题的有力工具，因此一些不