一种分组模式下的土壤重金属含量预测模型

• 作者: 吕鑫涛 张聪 曹文琪
• 来源期刊: 软件导刊
• 关键词: 分组教学优化算法 重金属含量预测 GTOA-BP 分组模型
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 23-27
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.202549

摘要

针对传统预测模型在土壤重金属含量预测上表现不佳问题,以土壤采样点数据集中的经度、纬度、高度以及农作物类型作为输入变量,建立一种基于分组教学优化算法的分组模式预测模型(GTOA-BP).对武汉新城区土壤采样数据进行仿真预测,将GTOA-BP模型与BP神经网络和径向基神经网络模型进行实验比较,结果表明:GTOA-BP的4种误差数据均低于其他两种模型.与BP神经网络相比,GTOA-BP的MAPE和SMAPE分别下降了9.97％和8.86％,与径向基神经网络相比,GTOA-BP的MAPE和SMAPE分别下降了6.24％和5.97％,说明该模型能降低神经网络训练的误差,提高预测精度.