期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于连续小波变换和机器学习的小麦产量预测 被引量：3
1
作者 樊杰杰 邱春霞 +6 位作者 樊意广 陈日强 刘杨 边明博 马彦鹏 杨福芹 冯海宽 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第10期2890-2899,共10页
及时、准确的作物估产,对作物管理决策和粮食安全评估具有重要意义。该研究在建立一种耦合连续小波变换(CWT)与机器学习准确预测小麦产量的方法。基于2020年—2021年两年小麦田间试验获取的开花期和灌浆期冠层高光谱数据及产量数据,首... 及时、准确的作物估产,对作物管理决策和粮食安全评估具有重要意义。该研究在建立一种耦合连续小波变换(CWT)与机器学习准确预测小麦产量的方法。基于2020年—2021年两年小麦田间试验获取的开花期和灌浆期冠层高光谱数据及产量数据,首先采用CWT提取三种小波特征(WFs),分别为:基于Bortua方法筛选的特征波段(Bortua-WFs)、提取WFs与小麦产量确定系数的前1%(1%R^(2)-WFs)和单一分解尺度下的所有WFs(SS-WFs)。然后采用随机森林(RF)、 K最邻近(KNN)和极端梯度提升(XGBoost)三种机器学习算法构建产量预测模型。最后选取最优的光谱特征,采用相同的方法进行建模并比较。结果表明:(1)三种WFs结合机器学习方法的模型均表现良好,基于Bortua-WFs构建的模型具有更高的精度和稳定性。(2)相比光谱特征模型,Bortua-WFs模型在各生育期的精度均有所提高,开花期的R^(2)精度分别提高了17.5%、 4%和39.6%,灌浆期分别提高了8.4%、 5.6%和16.9%。(3)灌浆期的产量估算模型优于开花期,结合Bortua-WFs和XGBoost的模型表现最佳,R^(2)为0.83, RMSE为0.78 t·ha^(-1)。该研究比较了不同特征和方法相结合的性能,确定了不同方案下的最佳模型精度,为光谱准确预测小麦产量提供技术参考。 展开更多
关键词 连续小波变换 高光谱 机器学习 小麦 产量预测
在线阅读 下载PDF
硬笔·儿童组
2
作者 梁多多 梁家豪 +36 位作者 孔紫 邓祺琦 张若晞 李如涵 方子懿 陈思音 张晨尧 李卓冉 谷翰然 梁好 许梓萌 贾棋翔 张玮凌 张脩婧 聂雁翎 苏盈睿 魏子玥 李海铭 唐钰涵 韩林轩 郭承翰 鲍羿名 马逸晨 王咨月 刘妍晞 关茹心 张宜卿 陈相宜 曹文竞 樊杰杰 陈韵尧 谭旭童 张丁戈 孙青怡 杨许苑 刘泽刚 蒋紫尤 《青少年书法（少年版）》 2021年第10期83-91,共9页
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部