基于BP神经网络的一季稻发育期预测模型

摘要

为探究基于BP神经网络原理开展作物发育期预测的适用性,利用长江中下游地区一季稻多年常规气象观测和农作物发育期观测资料,开展模拟研究。结果表明,只考虑温度的有效积温模型,各物候期模拟值与观测值相关性较好,相关系数(r)在0.75以上,但模拟的绝对误差较大,移栽、拔节、成熟期模拟的平均绝对误差(MAE)超过5 d。进一步以有效积温模型为基础,分别引入降水量、相对湿度、日照时数,构建温度(T)模型、温度-降水(T-P)模型、温度-相对湿度(T-RH)模型和温度-日照时数(T-S)模型,经过BP神经网络训练后,4种模型在农作物不同发育阶段的模拟评价指标均得到明显改善,并以T-RH模型最优。对中间层节点数和训练次数2项参数进行优化后的T-RH模型,对各发育阶段模拟结果的均方根误差为0.3~1.2 d,MAE小于1 d,r值均超过0.96,且达到极显著(P<0.01)水平。