基于小样本的小麦施氮量预测方法

来源：湖北农业科学杂志2024年第8期北京时间：

作者：杜云, 张婧婧, 韩博, 鲁子翱

单位：新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心,乌鲁木齐 830052

摘要：针对小麦（Triticum aestivum L.）生长周期施肥试验数据少、使用传统预测方法难以进行有效施肥预测的问题,提出一种基于SBS （SMOTE+ Bootstrap）数据扩充方法的XGBoost算法预测模型。基于原始的135条施氮量数据划分训练集（80%）和测试集（20%）,使用SMOTE方法对训练集和测试集分别进行均衡化处理,以获取更多的特征信息,然后使用Bootstrap方法对均衡化后的数据进行扩充,最后使用XGBoost预测模型进行训练,并与其他机器学习模型进行对比分析。结果表明,使用SMOTE方法均衡数据,较大程度地提高了SBS-XGBoost模型的预测精度,MSE从原始数据的66.802下降至13.027,MAE从原始数据的6.711下降至2.393,R2从原始数据的0.390上升至0.912。SBS-XGBoost不仅在研究施氮量的预测中表现出色,还能为其他小样本数据的科学预测提供借鉴与参考。

关键词：小麦（TriticumaestivumL.）,小样本,施氮量,预测

基金资助：新疆维吾尔自治区重大科技专项（2022A02011-2）; 科技创新2030——“新一代人工智能”重大项目（2022ZD0115805）