论文部分内容阅读
人工智能、大数据、物联网等新一代信息技术与农业领域的深度融合,为精准农业和智慧农业的发展奠定了有力基础,其结果必将为解决资源短缺、环境污染问题提供新途径。精准施肥是精准农业的核心环节,确定土壤的养分含量是精准施肥的关键,由于在己有的求解精准施肥问题的相关农业技术中土壤养分含量的测定多采取网格式采样法、光谱分析等方法,但这些方法都会存在增加额外的种植成本,若能较好的利用往年的土壤养分、施肥量和产量等信息预测出下一年的土壤养分含量,将大大减少人力资源和物力成本的投入。因此本文以吉林省榆树市弓棚镇十三号村试验田连续多年采集的土壤养分、施肥量、玉米产量为研究对象,利用改进灰狼算法优化BP神经网络预测模型,对下一年的土壤养分含量进行预测,为精准施肥提供决策依据。本文主要研究工作如下:(1)收集整理前期国家“863”计划项目的示范基地和吉林省科技发展计划重点攻关项目“主要粮食作物优质高效生产精准管控技术研究”项目玉米示范基地试验田数据,获取实验田连续五年的土壤养分(N、P、K)、施肥量、玉米产量数据,明确灰狼算法优化BP神经网络的土壤养分预测模型研究思路。(2)提出了基于灰狼算法优化BP神经网络的土壤养分含量预测模型,并利用前四年的土壤养分、施肥量、及产量数据应用该模型预测第五年土壤养分含量。研究与实验结果表明,在求解土壤养分含量的预测的问题上,结合后的GWO-BP神经网络预测效果优于原始BP神经网络模型。(3)将反向学习机制加入到灰狼算法中,增强算法搜索最优解的能力。利用改进后的灰狼算法优化BP神经网络模型(OBLGWOBP),使用该模型预测第五年土壤养分含量。研究与实验结果表明,改进后的灰狼算法优化BP神经网络模型的预测效果优于灰狼优化BP神经网络模型。