基于PSO—SVR算法的土壤含水率预测模型构建

来源：中国农机化学报杂志2025年第5期北京时间：

作者：高宁, , 张安琪, 梅鹤波, 杨兴华, , 刘淮玉, 孟志军,

单位：1. 黑龙江八一农垦大学工程学院，黑龙江大庆，163319；2. 北京市农林科学院智能装备技术研究中心，北京市，100097

摘要：为探究一种高检测精度且适用于低测量频率电容式土壤含水率传感器的检测模型，以土壤为研究对象，配置160份含水率为6.39%～31.43%的土壤样本，使用数字电桥采集土壤样本在测量频率为1～100kHz的电容数据，建立预测土壤含水率的多元线性回归（MLR）、岭回归（RR）、支持向量回归（SVR）、决策树回归（CART）和BP神经网络（BPNN）算法模型，对比分析模型的预测性能。结果表明，基于SVR算法构建的土壤含水率检测模型预测性能较佳。通过引入麻雀搜索（SSA）、粒子群优化算法（PSO）和鲸鱼优化算法（WOA）算法分别对SVR算法模型优化后的性能分析，采用PSO—SVR算法建立的检测模型性能最佳，其预测集的决定系数R2、均方根误差RMSE和相对百分比偏差RPD分别为0.947、0.012和4.363。利用该模型对35份含水率在8.07%～26.43%的土壤样本进行预测，含水率预测值与实测值的回归系数R2为0.953，RMSE为0.009，绝对误差范围为-1.92%～1.68%。由此证明，基于PSO—SVR算法构建土壤含水率预测模型具有较高的准确性和较好的鲁棒性。

关键词：土壤,含水率,预测模型,电容,测量频率,PSO—SVR

基金资助：国家重点研发计划项目（2021YFD2000402—2）；山东省重点研发计划（重大科技创新工程）项目（2022CXGC010608）；云南省陈立平专家工作站（202105AF150030）