基于深度学习技术的水稻环境因素产量预测
电子技术应用
张春磊1，2，3，李颜娥1，2，3，丁煜1，2，3，罗煦钦4
1.浙江农林大学 数学与计算机学院；2.浙江省林业智能监测与信息技术实验室； 3.林业感知技术与智能装备国家林业局重点实验室； 4.杭州市临安区农业农村信息服务中心
摘要： 水稻作为全球重要的粮食作物，准确预测水稻产量在农业发展中起着重要作用。由于水稻在环境因子与其生长机理的作用下往往呈现出非线性的特点，难以对其做出较为准确的预测，因此，提出CE-CGRU水稻产量预测模型，对非线性环境因子Copula熵（CE）方法进行提取特征并与CNN和GRU技术结合在一起。其目的是在水稻品种确定的条件下，识别产量预测的重要特征。根据使用浙江省临安区真实数据分析和比较所提出的模型的性能，构建了其他5个产量预测模型进行对比，分别是MLR、RF、LSTM、GRU和CNN-LSTM。结果显示，CE-CGRU模型的MAE、MSE和MAPE分别为0.677、0.87和5.029％，表明CE-CGRU模型具有更好的能力来捕捉水稻产量与环境因素之间的复杂非线性关系。此外，还对不同的特征选择方法以及不同时间步长进行了比较和分析。
中圖分類號：TP18 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.234657
中文引用格式： 張春磊，李顏娥，丁煜，等. 基于深度學習技術的水稻環(huán)境因素產(chǎn)量預測[J]. 電子技術應用，2024，50(4)：81-86.
英文引用格式： Zhang Chunlei，Li Yan′e，Ding Yu，et al. Prediction of rice yield with environmental factors based on deep learning technology[J]. Application of Electronic Technique，2024，50(4)：81-86.
中文引用格式： 張春磊，李顏娥，丁煜，等. 基于深度學習技術的水稻環(huán)境因素產(chǎn)量預測[J]. 電子技術應用，2024，50(4)：81-86.
英文引用格式： Zhang Chunlei，Li Yan′e，Ding Yu，et al. Prediction of rice yield with environmental factors based on deep learning technology[J]. Application of Electronic Technique，2024，50(4)：81-86.
Prediction of rice yield with environmental factors based on deep learning technology
Zhang Chunlei1，2，3，Li Yan′e1，2，3，Ding Yu1，2，3，Luo Xuqin4
1.College of Mathematics and Computer Science， Zhejiang A&F University； 2.Key Laboratory of Forestry Intelligent Monitoring and Information Technology of Zhejiang Province； 3.China Key Laboratory of State Forestry and Grassland Administration on Forestry Sensing Technology and Intelligent Equipment； 4.Hangzhou Lin'an District Agricultural and Rural Information Service Center
Abstract： Rice is a globally important staple crop, and the accurate prediction of rice yield plays a significant role in agricultural development. Due to the influence of external environmental factors and the growth mechanisms of rice, rice yield often exhibits nonlinear characteristics, making it challenging to make precise predictions. Therefore, the CE-CGRU rice yield prediction model is proposed, which extracts features using the Copula Entropy (CE) method for nonlinear environmental factors and combines them with CNN and GRU technologies. The aim is to identify crucial features for yield prediction under specific rice varieties.Based on the analysis and performance comparison using real data from Lin'an District of Zhejiang Province, the proposed model is compared to five other yield prediction models: MLR, RF, LSTM, GRU, and CNN-LSTM. The results indicate that the CE-CGRU model achieves a MAE of 0.677, a MSE of 0.87, and a MAPE of 5.029%, demonstrating its superior capability in capturing the complex nonlinear relationship between rice yield and environmental factors. Furthermore, a comparison and analysis of different feature selection methods and time steps are conducted.
Key words : rice yield prediction；Copula Entropy；deep learning；CE-CGRU
引言
作為世界三大主要糧食作物之一，水稻產(chǎn)量顯著影響農(nóng)業(yè)生產(chǎn)結果，并與社會和農(nóng)業(yè)發(fā)展有廣泛的聯(lián)系[1]。因此，在當前強大的農(nóng)業(yè)信息技術時代，準確預測水稻產(chǎn)量在隨后的經(jīng)濟發(fā)展、解決糧食安全問題和調整農(nóng)業(yè)政策方面發(fā)揮著關鍵作用。水稻的栽培不僅受到品種本身特性的影響，還受到諸如溫度、濕度、日照時數(shù)等多種環(huán)境因素的影響，這使得構建反映這些因素與作物產(chǎn)量之間復雜關系的準確模型成為一項挑戰(zhàn)。對于特定品種的水稻，其產(chǎn)量主要受到環(huán)境因素和一致的管理水平的影響。因此，建立一個具有水稻生長季環(huán)境因素的準確的水稻產(chǎn)量預測模型至關重要。
本文詳細內容請下載：
http://m.ihrv.cn/resource/share/2000005953
作者信息：
張春磊1，2，3，李顏娥1，2，3，丁煜1，2，3，羅煦欽4
（1.浙江農(nóng)林大學 數(shù)學與計算機學院，浙江 杭州 311300；2.浙江省林業(yè)智能監(jiān)測與信息技術實驗室， 浙江 杭州 311300；
3.林業(yè)感知技術與智能裝備國家林業(yè)局重點實驗室， 浙江 杭州 311300；
4.杭州市臨安區(qū)農(nóng)業(yè)農(nóng)村信息服務中心， 浙江 杭州 310000）
此內容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權禁止轉載。