基于BP神经网络的玉米种植密度和施肥量优化.PDFVIP

第 33 卷 第 6 期 农 业 工 程 学 报 Vol.33 No.6 92 2017 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2017 基于 BP 神经网络的玉米种植密度和施肥量优化 王福林，董志贵，吴志辉，方 堃 （东北农业大学工程学院，哈尔滨 150030） 摘 要：为解决利用回归模型进行作物种植密度和施肥量优化时存在的拟合精度差和准确性低等问题，该文提出一种基 于 BP 神经网络的优化方法。以玉米作物为研究对象，选取种植密度、施氮量、施磷量、施钾量为试验因素，玉米产量为 影响指标，设计 4 因素 5 水平正交旋转试验方案进行田间试验，获取不同种植密度和施肥量水平下的玉米产量。利用 BP 神经网络模型对试验数据进行函数拟合，拟合后运用该文提出的优化方法获得试验条件下红星农场德美亚 1 号玉米最佳 种植密度 9.32×104 株/hm2、施 N 量 139.5 kg/hm2、施 P2O5量 85.4 kg/hm2、施 K2O 量 70.8 kg/hm2，该参数组合下玉米的最 优产量为 16 308.53 kg/hm2，高于二次回归模型优化得到的最高产量 16 009.00 kg/hm2。以 BP 神经网络优化结果在试验区进行 验证试验，获得试验方案下玉米产量为 15 948.3 kg/hm2，试验与优化结果相对误差仅为−2.21%，表明该优化方法拟合函数精度 高，优化结果准确，为解决农业生产领域中类似优化问题提供了一种可靠方法。 关键词：神经网络；回归分析；优化；玉米；产量；种植密度；施肥量 doi：10.11975/j.issn.1002-6819.2017.06.012 中图分类号：S157.4 文献标志码：A 文章编号：1002-6819(2017)-06-0092-08 王福林,董志贵,吴志辉,方 堃. 基于 BP 神经网络的玉米种植密度和施肥量优化[J]. 农业工程学报，2017，33(6)： 92－99. doi：10.11975/j.issn.1002-6819.2017.06.012 Wang Fulin, Dong Zhigui, Wu Zhihui, Fang Kun. Optimization of maize planting density and fertilizer application rate based on BP neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(6): 92－99. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.06.012 0 引 言 作物产量的影响因素包括遗传因素（品种特性）、 环境因素（土壤、气候、病虫害）、栽培措施（种植密 度、群体结构、田间管理、施肥量）[1-6]。同一区域内作 物的种植环境、种植模式、耕作和灌溉方式、田间管理 水平基本相同，种植密度、施肥量（包括 N、P2O5、K2O） 是对农作物产量贡献最大的因子[7-10]。已有研究[11-17]表 明，提高施肥量和增加种植密度均是促进群体生长和增 产的有效途径。但是，中国的农业生产尚属于粗放式管 理水平，缺少完善的播种施肥理论指导农业生产，农业 生产人员为提高玉米产量盲目的加大施肥量或增加种植 密度，导致养分利用率低、生产成本增加、农业资源浪 费等一系列问题。同时，长期不合理施肥还会导致土壤 养分失衡，作物产量和品质下降，农业资源污染，生态 环境破坏等一些严重后果[18]。因此，建立和完善解释作 物产量与种植密度和施肥量之间相互关系的理论体系， 构建产量与种植密度和施肥量的数学模型，寻找产量与 种植密度和施肥量的最佳组合，是保障国家粮食安全和 实施农业可持续发展战略面临的重大课题。以最佳的种 收稿日期：2016-08-25 修订日期：2017-03-12 基金项目：国家自然科学基金面上项目（3