麦类作物学报

作者：董莉霞，张博，李广，燕振刚，逯玉兰

单位：(1.甘肃农业大学信息科学技术学院,甘肃兰州 730070 2.甘肃农业大学林学院,甘肃兰州 730070)

关键词：产量分离,时间序列,机器学习,旱地,春小麦,产量预测,

基金：甘肃省重点研究发展计划项目（22YF7FA116）；甘肃省财政专项(GSCZZ 20160909)；甘肃省高等学校产业支撑项目（2021CYZC-15）；甘肃省高等学校产业支撑项目（2022CYZC-41）

为探究机器学习算法与时间序列结合预测春小麦产量的可行性，使用HP滤波算法，将1971-2021年甘肃省定西市安定区和2014-2021年定西市渭源县的产量数据分离为气象产量和趋势产量，利用研究区的气象数据，分别基于随机森林（random forest, RF）、循环神经网络（recurrent neural network, RNN）、支持向量机（support vector machine,SVM）、反向传播神经网络（back propagation neural network，BPNN）和长短期记忆网络（long short-term memory，LSTM）5种机器学习算法实现春小麦气象产量的预测对比；构建了ARIMA时间序列模型，探究旱地春小麦趋势产量的最佳预测模型。结果表明，旱地春小麦产量中气象产量占比大，趋势产量占比小，且气象产量的变化趋势基本与总产量一致。LSTM模型对研究区内气象产量的模拟效果最佳。通过参数率定，获得最优的趋势产量预测模型为ARIMA（4,1,2）模型，其残差基本为白噪声，符合正态分布。利用LSTM和ARIMA（4,1,2）模型组合，对2014-2021年渭源县的春小麦产量进行预测，并与研究区的实际产量数据比较，预测结果与实际值接近，模型精度较高，其R2为0.96，MAPE为1.22%，MAE为32.12 kg·hm-2，RMSE为35.32 kg·hm-2。在本研究条件下，LSTM和ARIMA（4，1，2）组合模型具有良好的预测精度，可实现旱地春小麦产量的预测。

来源：2024年第12期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2024年第12期