基于机器学习算法的棉田土壤钾、钠离子量预测
唐茂淞1
张楠1
李国辉1
赵泽艺1
李明发2
王兴鹏3
1.塔里木大学水利与建筑工程学院,新疆阿拉尔 843300;塔里木大学现代农业工程重点实验室,新疆阿拉尔 8433002.新疆生产建设兵团第一师水文水资源管理中心,新疆阿拉尔 8433003.塔里木大学水利与建筑工程学院,新疆阿拉尔 843300;塔里木大学现代农业工程重点实验室,新疆阿拉尔 843300;农业农村部西北绿洲节水农业重点实验室,新疆石河子 832000
摘要：[目的]比较4种机器学习方法对南疆棉田土壤K+、Na+量的预测结果,确定一种预测准确度较高的机器学习模型作为可供参考的方法.[方法]采用支持向量回归(SVR)、随机森林回归(RFR)、K-最近邻回归(KNNR)和梯度提升回归树(GBRT)4种机器学习算法,2020年棉田土壤K+、Na+量数据训练模型,2021年实测数据进行测试验证.使用平均绝对误差(M4E)、均方根误差(RMSE)和决定系数(R2)对模型预测结果进行评估.[结果]4种模型(SVR、RFR、KNNR和GBRT)对测试样本K+量预测的MAE分别为0.100、0.169、0.169 g/kg 和 0.167 g/kg;RMSE分别为 0.119、0.218、0.218 g/kg和 0.223 g/kg;R2分别为 0.687、0.437、0.430和 0.395.对测试样本 Na+量预测的 MAE分别为 0.841、2.841、2.826 g/kg 和 2.856 g/kg;RMSE 分别为 1.154、3.658、3.630 g/kg和3.650 g/kg;R2分别为0.838、0.299、0.219和0.200.将测试样本K+、Na+量分别按4个土层深度(0～10、10～20、20～30 cm和30～40 cm)进行预测时,SVR模型的误差值最小,其对K+量按照4个深度预测的MAE分别为0.122、0.114、0.056 g/kg和 0.106 g/kg,RMSE分别为 0.135、0.135、0.069 g/kg和 0.126 g/kg;对 Na+量预测的 MAE分别为 0.540、0.619、0.835 g/kg和 1.371 g/kg,RMSE分别为 0.636、0.748、1.198 g/kg和 1.710 g/kg.[结论]SVR模型预测K+、Na+量的精度最高,可推荐作为南疆棉田土壤钾、钠离子量预测的一种方法.
关键词：南疆棉田土壤盐分离子机器学习回归预测模型
分类号：TP181(自动化基础理论)
资助基金：国家重点研发计划(2022YFD1900505)兵团重大科技项目(2021AA003)塔里木大学研究生科研创新项目(TDGRI202143)
论文发表日期：2023-09-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 32-39 )
英文信息