DOI：10.3969/j.issn.1672-3872.2025.05.011
作 者：方 婷（边临镇人民政府，山东 德州 253000）
摘 要：【目的】需水量的预测是实现智能灌溉的关键环节，将先进的计算机技术应用到需水量的预测中具有重要现实意义。【方法】根据气象资料数据以及枣树逐日参考需水量，以空气温度、平均风速、空气湿度、日照时数为输入向量，采用线性回归分析和BP神经网络模型对枣树需水量进行了相关预测研究，并从365组实验数据中随机选取40组样本数据进行了枣树需水量预测对比。【结果】1）整体线性回归分析要优于逐步线性回归分析，且空气温度、平均风速、空气湿度对枣树需水量的影响要高于日照时数；2）BP神经网络的预测值与实际值的线性拟合值为0.983，高于线性回归方程的0.941；3）BP神经网络的残差相对较小且波动幅度小，而线性回归方程的残差较大且不稳定；BP神经网络相对于线性回归分析对需水量的预测效果更好，更适用于枣树需水量的预测研究；而线性回归分析可以分析出气象因素对需水量的影响程度，能够为模型输入向量的选择提供依据。【结论】本研究为后续枣树需水量预测研究奠定了一定的基础，未来的研究工作中可以选取更多的影响因素来进行试验，进一步提高预测效果，助力实现枣树智能节水灌溉。
关键词：线性回归分析；BP神经网络；枣树需水量预测；线性拟合
引文信息：[1]方婷.基于线性回归分析与BP神经网络的枣树需水量研究[J].南方农机，2025，56(5)：44-46+50.
查看全文请下载PDF文件↓
