[1]卢 珊,王福林.基于BP-LCO的大豆种植密度和施肥量优化[J].大豆科学,2023,42(02):204-211.[doi:10.11861/j.issn.1000-9841.2023.02.0204]
点击复制

基于BP-LCO的大豆种植密度和施肥量优化

《大豆科学》[ISSN:1000-9841/CN:23-1227/S] 卷: 第42卷 期数: 2023年02期 页码: 204-211 栏目: 出版日期: 2023-03-20
作者:
卢 珊; 王福林
东北农业大学 工程学院，黑龙江 哈尔滨 150010
关键词:
BP神经网络; 线性约束优化; 大豆; 种植密度; 施肥量
DOI:
10.11861/j.issn.1000-9841.2023.02.0204
摘要:
为解决传统回归模型对大豆种植密度及施肥量进行优化时存在的结果不准确的缺陷，本研究提出基于BP神经网络的线性约束优化方法（BP-Linear Constrained Optimization，BP-LCO）。以黑河43为试验材料，进行四因素五水平正交旋转试验，试验因素为大豆种植密度，N、P2O5和K2O施用量，评价指标为大豆产量，采用BP-LCO算法对种植密度、施肥量与产量关系构建拟合模型，并进行全局寻优及验证试验。结果显示：通过模型分析得到最优种植密度36.67×104 株·hm－2、施N量77.98 kg·hm－2、施P2O5量93.79 kg·hm－2、施K2O量24.34 kg·hm－2，大豆产量相应为3 679.56 kg·hm－2。验证试验结果表明，最优配比下大豆实际产量为3 702.29 kg·hm－2，实际产量与理论产量的相对误差为0.62%。结果说明该方法的优化结果准确，是一种行之有效的大豆种植密度及施肥量优化方法。

相似文献/References:

[1]杨冬风,朱洪德.基于近红外透射光谱分析和BP神经网络的大豆品种识别[J].大豆科学,2013,32(02):249.[doi:10.3969/j.issn.1000-9841.2013.02.025]
　YANG Dong-feng,ZHU Hong-de.Recognition of Soybean Varieties Based on Near Infrared Transmittance Spectroscopy and BP Neural Network[J].Soybean Science,2013,32(02):249.[doi:10.3969/j.issn.1000-9841.2013.02.025]
[2]王翠秀,曹见飞,顾振飞,等.基于近红外光谱大豆蛋白质、脂肪快速无损检测模型的优化构建[J].大豆科学,2019,38(06):968.[doi:10.11861/j.issn.1000-9841.2019.06.0968]
　WANG Cui-xiu,CAO Jian-fei,GU Zhen-fei,et al.Rapid Nondestructive Test of Soybean Protein and Fat by Near Infrared Spectroscopy Combined with Different Model Methods[J].Soybean Science,2019,38(02):968.[doi:10.11861/j.issn.1000-9841.2019.06.0968]

备注/Memo

国家重点研发计划（2018YFD0300105）。

更新日期/Last Update: 2023-03-20