DOI：10.3969/j.issn.1672-3872.2025.14.002
基金项目：上海农林职业技术学院校内课题“基于BP神经网络算法的温室草莓CO2施肥优化研究”（KY6（2）-0000-22-13）
作 者：徐佳莹 1，2 ，宁 璐 3（1. 上海市农业学校，上海 201600；2. 上海农林职业技术学院，上海 201699；3. 北京农学院图书馆，北京 102206）
摘 要：【目的】准确估算作物蒸发蒸腾量并采用智能控制技术对灌溉量进行控制，减少作物生育期的水分消耗，提高作物水分利用率，发展节水农业。【方法】以北京农学院智能温室内盆栽板栗为研究对象，以光照强度、环境温度、环境湿度、环境内CO2含量、叶室内CO2含量以及土壤含水量为主要测定影响因素，建立了一种基于遗传算法优化BP神经网络的板栗蒸腾量预测模型。并通过设立正常浇水组和抗旱少水组两个处理组，利用BP神经网络与遗传算法优化BP神经网络对测试数据进行建模，对比两种算法的仿真时间和预测误差。【结果】正常浇水组优化后的建模仿真时间减少了4.937 55 s，抗旱少水组优化后的建模仿真时间减少了6.124 97 s；正常浇水组优化后的误差值降低了0.737 9，抗旱少水组优化后的误差值降低了1.572 5，说明遗传算法优化BP神经网络预测模型的综合预测结果更优。【结论】遗传算法优化BP神经网络预测模型有效修正了传统BP神经网络预测过程中存在的弊端，能够更好地展现板栗蒸腾量的非线性特性。本研究可为植株蒸腾量估算和实际需水量计算提供新思路和方法，对植株实现智能化控制具有重要的理论意义和实用价值。
关键词：遗传算法；BP神经网络；蒸腾量预测
引文信息：[1]徐佳莹，宁璐.基于遗传算法优化BP神经网络的板栗蒸腾量预测模型[J].南方农机，2025，56(14)：5-8+20.
查看全文请下载PDF文件↓
