基于改进SSA算法优化极限学习机模型的土壤供肥量预测

来源：中国农机化学报杂志2023年第10期北京时间：

作者：李井竹, 刘秋菊, 王仲英,

单位：1. 河南牧业经济学院信息工程学院，郑州市，450032； 2. 郑州工程技术学院信息工程学院，郑州市，450032； 3. 河南经贸职业学院工程经济学院，郑州市，450018；4. 河南省智慧农业远程环境监测控制工程技术研究中心应用技术研究院，郑州市，450018

摘要：针对传统农业灌溉系统中土壤供肥量预测准确率低、效率差的问题，提出基于改进麻雀搜索算法优化极限学习机(MHISSAELM)的农作物土壤供肥量预测模型。首先，引入飞行引领、分段权重正余弦优化发现者位置更新、警戒者步长因子非线性更新和变异对立学习机制，对传统麻雀搜索算法的盲目飞行、种群多样性、全局搜索与局部开发均衡性及跳离局部最优的全局搜索能力进行改进，提高算法寻优性能，实现多策略混合改进麻雀搜索算法MHISSA。然后，为提高极限学习机ELM的预测精度和泛化能力，利用MHISSA算法迭代优化ELM网络的关键参数：连接权重和隐含层偏差，并以农作物土壤供肥量预测为目标，构建基于MHISSA优化极限学习机的土壤供肥量预测模型。试验结果表明，与同类的四种预测模型相比，MHISSAELM的预测曲线与实际曲线最贴近，预测误差可以控制在［-10, 15］kg/hm2之间，最大相对误差为4.8%，绝对百分比误差MAPE为1.7%，预测精度为所有对比模型中最高，模型在农业智能灌溉领域具有实用性。

关键词：麻雀搜索算法,极限学习机,土壤供肥量预测,智能灌溉,智能农业

基金资助：河南省高等教育教学改革研究与实践重点项目(2021SJGLX286)；河南省科技厅国际联合实验室建设项目(12)；教育部供需对接就业育人项目(20220103859)