基于BP人工神经网络的寒地水稻抗旱性综合评价

来源：江苏农业科学杂志2023年第第10期北京时间：

作者：刘梦红;张巩亮;李红宇;杜俊;赵海成;吕坦;钱永德

单位：1.黑龙江八一农垦大学农学院，黑龙江大庆 163319； 2.农业农村部东北平原农业绿色低碳重点实验室，黑龙江大庆163319；3.黑龙江八一农垦大学黑龙江省现代农业栽培技术与作物种质改良重点实验室，黑龙江大庆 163319；4.黑龙江省富裕牧场，黑龙江齐齐哈尔 161200

摘要：为筛选适宜寒地水稻大田抗旱性的综合评价指标，并鉴定抗旱水稻种质资源，以分蘖期干物质量、拔节期株高、产量等15个性状的抗旱系数为指标，使用主成分分析法对50个参试材料的抗旱性进行综合评价。选取45个样本的抗旱系数作为输入，把对应的抗旱综合评价值作为输出，利用误差返向传播和神经网络的方法建立学习模型；剩余5个样本为验证样本，用于判断学习模型的预测准确性。改变3组学习样本来建立3个不同的学习模型并进行对比，比较其预测的准确度，进而验证该模型方法的合理性和稳定性。结果表明，采用主成分分析法可将15个单一抗旱系数转换成6个互相独立的综合性指标，方差累计贡献率达84.013%。采用聚类分析法将50个参试材料分为3种类型：强抗旱型、中间抗旱型、干旱敏感型。强抗旱类型含有24个材料，中间抗旱型含有18个材料，干旱敏感型含有8个材料。根据各性状抗旱系数与抗旱综合评价值(D值)的相关性分析结果，筛选出分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数等10个适宜抗旱性评价指标。以特征指标值为输入层，综合评价值(D值)为输出层，构建BP神经网络学习模型，定量预测抗旱指标特征。通过改变学习样本获得3个学习模型的预测值，预测值与实际值之间的误差小于10%。把实际值和模型预测值进行线性拟合，R2＞0.95。本研究构建的BP神经网络学习模型可用于定量预测水稻种质资源的抗旱性，预测的准确度和稳定性均优于单一的回归分析；分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数可作为水稻抗旱能力鉴定指标；稻坚强为抗旱性最强的种质资源。

关键词：寒地水稻;抗旱性;主成分分析;聚类分析;BP神经网络