目的基于数据挖掘技术,建立三七叶面积生长预测模型,对于三七整个生长期的精准管理与决策提供参考。方法基于粒子群-随机森林算法,采用2018、2019年4~10月云南省红河自治州泸西县三七种植基地棚内气象因子数据以及三七叶面积生长数据作...目的基于数据挖掘技术,建立三七叶面积生长预测模型,对于三七整个生长期的精准管理与决策提供参考。方法基于粒子群-随机森林算法,采用2018、2019年4~10月云南省红河自治州泸西县三七种植基地棚内气象因子数据以及三七叶面积生长数据作为训练集和测试集构建生长预测模型。结果通过特征工程中皮尔森系数分析可知,三七叶生长与土壤温度、上方水蒸气压和下方水蒸气压等气象因子呈正相关,其中土壤温度正相关程度最大,其皮尔森相关系数在0.75~0.90;下方土壤热通量与三七叶生长呈负相关,其皮尔森相关系数为−0.4~−0.3;通过粒子群优化随机森林算法训练的生长预测模型,其均方根误差(root mean square error,RMSE)收敛时值为0.02182,模型优化后的三七叶生长预测模型决定系数R 2达到0.99997。结论通过多种算法对比实验结果表明,粒子群-随机森林算法构建的三七叶面积生长预测模型具有较高的预测精度。该方法为三七叶的生长预测提供了新的研究思路。展开更多
文摘目的基于数据挖掘技术,建立三七叶面积生长预测模型,对于三七整个生长期的精准管理与决策提供参考。方法基于粒子群-随机森林算法,采用2018、2019年4~10月云南省红河自治州泸西县三七种植基地棚内气象因子数据以及三七叶面积生长数据作为训练集和测试集构建生长预测模型。结果通过特征工程中皮尔森系数分析可知,三七叶生长与土壤温度、上方水蒸气压和下方水蒸气压等气象因子呈正相关,其中土壤温度正相关程度最大,其皮尔森相关系数在0.75~0.90;下方土壤热通量与三七叶生长呈负相关,其皮尔森相关系数为−0.4~−0.3;通过粒子群优化随机森林算法训练的生长预测模型,其均方根误差(root mean square error,RMSE)收敛时值为0.02182,模型优化后的三七叶生长预测模型决定系数R 2达到0.99997。结论通过多种算法对比实验结果表明,粒子群-随机森林算法构建的三七叶面积生长预测模型具有较高的预测精度。该方法为三七叶的生长预测提供了新的研究思路。
