基于IPSO—LSTM神经网络的施肥量预测系统

来源：中国农机化学报杂志2025年第12期北京时间：

作者：李学琨, 刘勇, 吕丰顺, 时龙闽, 左世余

单位：（1. 黑龙江大学电子工程学院，哈尔滨市，150000； 2. 南通西科瑞智能科技有限公司，江苏南通，226000）

摘要：为实现神经网络对玉米施肥量的精准预测，针对肥料利用率不高造成环境污染的问题，设计一个结合粒子群优化算法（IPSO）与长短时记忆神经网络（LSTM）的新型预测模型（IPSO—LSTM）。采集试验田的气候数据和田间管理信息，引入LSTM神经网络并采用改进的粒子群算法来对LSTM神经网络进行优化，构建IPSO—LSTM施肥量预测模型。结果表明，与PSO—LSTM等其他网络模型相比，基于IPSO—LSTM的施肥量预测系统在准确性和稳定性方面表现出更好的性能，该模型的平均绝对百分比误差为1.2%，均方误差为1.445 (kg/hm2)2，均方根误差为1.202 kg/hm²，平均绝对误差为0.968 kg/hm²。IPSO—LSTM模型有效提高玉米施肥精度，有助于实现农业生产的精准化管理，具有重要的实际应用价值和推广前景。

关键词：玉米,施肥量预测,粒子群优化算法,长短时记忆网络

基金资助：中央引导地方科技发展专项项目（ZY21CBL001）