基于XGBoost的土壤含水量传感器温度补偿模型研究

• 作者: 沈欣 吴勇 孟范玉 张赓 于景鑫 史凯丽
• 来源期刊: 节水灌溉
• 关键词: 土壤含水率 土壤水分 XGBoost 温度补偿 机器学习 传感器
• 年，卷（期）: 2021,（8）
• 页码范围: 13-18
• 页数: 6页
• 分类号: S274.2
• 语种: 中文
• DOI: 10.3969/j.issn.1007-4929.2021.08.003

摘要

土壤含水量传感器数值测定的准确性是其应用于精准灌溉实现农业节水的前提,然而土壤温度的变化对土壤含水量传感器数值采集的偏差具有显著影响.研究的目的在于分析不同土壤温度对土壤含水量传感器测定影响,进一步提出基于XGBoost(eXtreme Gradient Boosting)的土壤含水量传感器温度补偿模型,并验证和对比其预测精度.研究中分别配制土壤含水量为10％、15％、20％、25％、35％的12组梯度湿土土样基准,记录传感器在各土样中0～45℃温度变化过程的读数,并将数据集划分后用于模型训练和测试.结果表明:同一土样基准中土壤含水量传感器读数随着土壤温度的升高而增加,各土样基准类别传感器读数最大值与最小值的变幅为[3.6％,7.9％],平均读数变幅为6.25％;所提出的XGBoost土壤含水量温度校正模型能够实现对传感器土壤含水量温度影响的补偿,对测试集的均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2)分别为0.013％、0.825％、1.165％和0.973.此外,与其他基于树和常用的机器学习模型对比结果显示研究提出的XGBoost温度校正模型具有最佳预测精度.