Modelos de predicción de características de crecimiento y rendimiento para el trigo de invierno chino basados en aprendizaje automático
Autores: Liu, Fangliang; Su, Lijun; Luo, Pengcheng; Tao, Wanghai; Wang, Quanjiu; Deng, Mingjiang
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Modelos de predicción de características de crecimiento y rendimiento para el trigo de invierno chino basados en aprendizaje automático
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Aprendizaje automático
Predicción de rendimiento de trigo de invierno
Regresión de proceso gaussiano
Conjunto de entrenamiento
Modelos de regresión
Precisión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Para eliminar las limitaciones de los métodos tradicionales de predicción de rendimiento de trigo de invierno, se utilizan modelos de predicción basados en aprendizaje automático para mejorar la precisión de la predicción de rendimiento de trigo de invierno. En este estudio, al recolectar una gran cantidad de literatura nacional sobre las características de crecimiento del trigo, se eligieron la cantidad de riego, la cantidad de fertilizante, el estado de los nutrientes del suelo, la densidad de siembra, el índice máximo de área foliar (LAImax), la acumulación máxima de materia seca sobre el suelo (Dmax) y el rendimiento (Y) para desarrollar los modelos de aprendizaje. Utilizando los datos de la cantidad de riego, la cantidad de fertilizante, el estado de los nutrientes del suelo y la densidad de siembra como conjunto de entrenamiento, se utilizaron modelos de predicción de regresión (modelo de regresión de proceso gaussiano, modelo de regresión lineal, modelo de árbol de regresión y modelo de máquina de vectores de soporte) para entrenar y aprender los datos de LAImax, Dmax e Y, respectivamente. Los resultados muestran que el modelo de regresión gaussiano tiene la mejor precisión en comparación con los otros modelos. Los coeficientes de determinación (R) de los resultados de aprendizaje del modelo de regresión gaussiano para LAImax, Dmax e Y son 0.9, 0.93 y 0.86, y el error cuadrático medio (RMSE) es 0.57, 1125.1 y 640.41. Basándose en los datos de la cantidad de riego, la cantidad de aplicación de nitrógeno, la cantidad de aplicación de potasio, la cantidad de aplicación de fósforo, el contenido de materia orgánica, el contenido total de nitrógeno, el contenido de nitrógeno alcalino-hidrolizable, el contenido de fósforo disponible, el contenido de potasio disponible y la densidad de siembra, el método propuesto en este documento puede predecir de manera confiable el LAImax, el Dmax e Y del trigo de invierno. Los resultados también tienen cierta importancia de referencia para la predicción de rendimiento de otros cultivos.
Descripción
Para eliminar las limitaciones de los métodos tradicionales de predicción de rendimiento de trigo de invierno, se utilizan modelos de predicción basados en aprendizaje automático para mejorar la precisión de la predicción de rendimiento de trigo de invierno. En este estudio, al recolectar una gran cantidad de literatura nacional sobre las características de crecimiento del trigo, se eligieron la cantidad de riego, la cantidad de fertilizante, el estado de los nutrientes del suelo, la densidad de siembra, el índice máximo de área foliar (LAImax), la acumulación máxima de materia seca sobre el suelo (Dmax) y el rendimiento (Y) para desarrollar los modelos de aprendizaje. Utilizando los datos de la cantidad de riego, la cantidad de fertilizante, el estado de los nutrientes del suelo y la densidad de siembra como conjunto de entrenamiento, se utilizaron modelos de predicción de regresión (modelo de regresión de proceso gaussiano, modelo de regresión lineal, modelo de árbol de regresión y modelo de máquina de vectores de soporte) para entrenar y aprender los datos de LAImax, Dmax e Y, respectivamente. Los resultados muestran que el modelo de regresión gaussiano tiene la mejor precisión en comparación con los otros modelos. Los coeficientes de determinación (R) de los resultados de aprendizaje del modelo de regresión gaussiano para LAImax, Dmax e Y son 0.9, 0.93 y 0.86, y el error cuadrático medio (RMSE) es 0.57, 1125.1 y 640.41. Basándose en los datos de la cantidad de riego, la cantidad de aplicación de nitrógeno, la cantidad de aplicación de potasio, la cantidad de aplicación de fósforo, el contenido de materia orgánica, el contenido total de nitrógeno, el contenido de nitrógeno alcalino-hidrolizable, el contenido de fósforo disponible, el contenido de potasio disponible y la densidad de siembra, el método propuesto en este documento puede predecir de manera confiable el LAImax, el Dmax e Y del trigo de invierno. Los resultados también tienen cierta importancia de referencia para la predicción de rendimiento de otros cultivos.