基于机器学习的水稻发育期预测模型构建

• 作者: 严力蛟 乌玲瑛 徐奂 蔡喨喨
• 来源期刊: 扬州大学学报（农业与生命科学版）
• 学科: 农学
• 关键词: 水稻 发育期模型 支持向量机(SVM)
• 年，卷（期）: 2012,（3）
• 页码范围: 44-50
• 分类号: S126|S511
• 字数: 5837字
• 语种: 中文

摘要

采用机器学习中的支持向量机(SVM)方法,建立以适应区域尺度生产指导为目的的水稻发育期预测模型.通过整合水稻发育期数据和气象数据,构建训练集与测试集,并应用SVM算法建立针对5个不同发育阶段,应用2种不同样本构建方法的10个发育期预测模型.对其逐一进行评估,最终挑选出具有最佳预测效果的模型作为研究成果.结果表明:采用第1类样本(提前150 d的样本)生成策略的5个发育期模型,其预测精度均大于80％,甚至达到95％的水平；而采用第2类样本(提前30 d的样本)生成策略的5个发育期模型,其精度普遍在80％左右.与此同时,对这2种样本构建方法分别进行了敏感性及假阳性比较.结果表明:虽前者敏感性高于后者,但其假阳性也高,预测误差在9d左右,而第2类样本的预测误差则能控制在4～5 d内,更符合模型构建的要求.采用第2类样本生成策略进行发育期模型的研究可获得更准确的预测结果.