超级稻定量供种预测模型研究

来源：中国农机化学报杂志2023年第8期北京时间：

作者：梁秋艳, 张晓玲, 葛宜元, 迟佳

单位：佳木斯大学机械工程学院，黑龙江佳木斯，154007

摘要：针对定量供种装置工作时易发生堵种、供种不均匀等现象，以秀优5号超级稻为研究对象，进行供种理论及供种量预测研究。以Python为算法构架，应用BP神经网络、决策树以及XGboost算法模型对振动式水稻播种装置进行性能预测。为验证模型的有效性，结合测试集后14次数据，以决定系数R2和相对误差为评价指标，检验各模型的预测精度，对比分析得出最优供种量预测模型。结果表明：BP神经网络模型的R2为0.87，相对误差为18%，决策树模型的R2为0.91，相对误差为11%，XGboost模型的R2为0.95，相对误差为5%，较其他两种模型相比，XGboost模型预测供种量，拟合程度更高，预测效果更显著，可为定量供种器确定工作参数提供依据，以利于生产者科学决策。

关键词：超级稻,定量供种,BP神经网络,决策树,XGboost

基金资助：国家自然科学基金项目(51275209)；黑龙江省高校基本科研业务费项目(2018—KYYWF—0926)；黑龙江省高等教育教学改革一般研究项目(SJGY20190662)