一种基于改进的辐射基础神经网络算法精确肥榴莲的方法

科学领域:

• 农业科学 农业科学
• 人工智能的人工智能
• 土壤科学 土壤科学

背景情况:

• 榴莲种植需要精确的土壤营养管理,以获得最佳产量.
• 了解土壤营养素 (N,P,K) 与榴莲产量之间的关系对于有效的肥策略至关重要.

研究的目的:

• 开发和评估一个改进的辐射基神经网络算法 (IM-RBNNA),用于精确的榴莲受精.
• 为了提高土壤营养含量的预测准确性及其与榴莲产量的相关性.

主要方法:

• 提出了一种改进的辐射基础神经网络算法 (IM-RBNNA),结合灰狼算法来优化权重和值.
• 收集了土壤营养和历史产量数据,以训练和验证IM-RBNNA模型.
• 将IM-RBNNA的性能与其他相关算法进行了比较.

主要成果:

• 在预测土壤N,K和P含量方面,IM-RBNNA表现优于其他三种算法,其平均相对误差和平均绝对误差较低,确定系数更高.
• 该算法准确地预测了土壤营养素和榴产量之间的复杂关系.

结论:

• IM-RBNNA算法为榴莲土壤营养含量和产量提供了准确的预测,帮助农民制定有效的农学计划.
• 通过IM-RBNNA高效地利用营养资源,最大限度地减少环境影响,最大限度地提高榴莲生长潜力,降低成本,提高整体产量.