应用NSGA-Ⅱ-AdaBoost方法结合土壤物理性质对大豆产量预测模型的构建

摘要

为准确评估黑土区大豆产量，以大豆不同生长时期（出苗期、结荚期、成熟期）土壤物理性质（土壤坚实度、土壤容重、土壤含水率）为特征变量，使用自适应增强模型评价特征重要性，通过皮尔逊相关系数作进一步筛选，均选择与产量显著相关的特征构建数据集。采用非支配排序遗传算法Ⅱ优化模型的超参数，建立非支配排序遗传算法Ⅱ优化的自适应增强（NSGA-Ⅱ-AdaBoost）方法作为大豆产量预测模型，与11种主流机器学习算法进行对比。结果表明：成熟期土壤物理性质与大豆产量具有更高的相关性，表层和亚表层土壤物理性质对大豆产量影响较大；11种机器学习算法中AdaBoost表现最佳，四种优化算法中NSGA-Ⅱ表现最佳，经NSGA-Ⅱ对AdaBoost的超参数寻优，在五折交叉验证下决定系数为0.809 2、均方根误差为148.061 kg·hm-2、平均绝对值误差为94.868 8 kg·hm-2、平均绝对百分比误差为0.058 3。研究结果可为黑土区大豆产量预测提供理论和方法参考。

关键词

大豆产量预测模型 / 土壤物理性质 / 机器学习 / NSGA-Ⅱ