Prediciendo el rendimiento de caña de azúcar a través del uso de una máquina de vectores de soporte de mínimos cuadrados mejorada y un modelo de optimización del ciclo del agua
Autores: Zhou, Yifang; Pan, Mingzhang; Guan, Wei; Fu, Changcheng; Su, Tiecheng
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Caña de azúcar
Predicción de rendimiento
Información ambiental
Algoritmo LSSVM
Optimización WCA
Energía sostenible
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 50
Citaciones: Sin citaciones
Como materia prima para el azúcar, etanol y energía, la caña de azúcar desempeña un papel importante en las reservas materiales estratégicas de China, en el desarrollo económico y en la producción de energía. Para garantizar el crecimiento sostenible de la industria de la caña de azúcar y aumentar las reservas de energía sostenible, es imperativo pronosticar el rendimiento en las regiones de producción de caña de azúcar primarias. Sin embargo, debido a las diferencias ambientales causadas por diferencias regionales y un clima variable, la precisión de los modelos tradicionales suele ser baja. En este estudio, contamos con la información ambiental y el rendimiento de las principales áreas productoras de caña de azúcar en los últimos 15 años, adoptamos el algoritmo LSSVM para construir el modelo de información ambiental y rendimiento de la caña de azúcar, y lo combinamos con WCA para optimizar los parámetros de LSSVM. Para verificar la validez del modelo propuesto, se aplica WCA-LSSVM a dos instancias basadas en diferencias temporales y geográficas y se compara con otros modelos. Los resultados muestran que la precisión del modelo WCA-LSSVM es mucho mejor que la de otros modelos de predicción de rendimiento. El RMSE de las dos instancias es de 5.385 ton/ha y 5.032 ton/ha, respectivamente, lo que representa el 7.65% y el 6.92% del rendimiento promedio. Y los otros indicadores de evaluación MAE, R, MAPE y SMAPE también superan a los otros modelos en diversos grados. También realizamos un análisis de sensibilidad de las variables ambientales en diferentes etapas de crecimiento de la caña de azúcar y encontramos que, además de los principales factores influyentes (temperatura y precipitación), la humedad del suelo a diferentes profundidades tuvo un impacto significativo en el rendimiento del cultivo. En conclusión, este estudio presenta un modelo altamente preciso para predecir el rendimiento de la caña de azúcar, una herramienta útil para planificar la producción de caña de azúcar, mejorar el rendimiento y avanzar en el campo de la predicción de la producción agrícola.
Descripción
Como materia prima para el azúcar, etanol y energía, la caña de azúcar desempeña un papel importante en las reservas materiales estratégicas de China, en el desarrollo económico y en la producción de energía. Para garantizar el crecimiento sostenible de la industria de la caña de azúcar y aumentar las reservas de energía sostenible, es imperativo pronosticar el rendimiento en las regiones de producción de caña de azúcar primarias. Sin embargo, debido a las diferencias ambientales causadas por diferencias regionales y un clima variable, la precisión de los modelos tradicionales suele ser baja. En este estudio, contamos con la información ambiental y el rendimiento de las principales áreas productoras de caña de azúcar en los últimos 15 años, adoptamos el algoritmo LSSVM para construir el modelo de información ambiental y rendimiento de la caña de azúcar, y lo combinamos con WCA para optimizar los parámetros de LSSVM. Para verificar la validez del modelo propuesto, se aplica WCA-LSSVM a dos instancias basadas en diferencias temporales y geográficas y se compara con otros modelos. Los resultados muestran que la precisión del modelo WCA-LSSVM es mucho mejor que la de otros modelos de predicción de rendimiento. El RMSE de las dos instancias es de 5.385 ton/ha y 5.032 ton/ha, respectivamente, lo que representa el 7.65% y el 6.92% del rendimiento promedio. Y los otros indicadores de evaluación MAE, R, MAPE y SMAPE también superan a los otros modelos en diversos grados. También realizamos un análisis de sensibilidad de las variables ambientales en diferentes etapas de crecimiento de la caña de azúcar y encontramos que, además de los principales factores influyentes (temperatura y precipitación), la humedad del suelo a diferentes profundidades tuvo un impacto significativo en el rendimiento del cultivo. En conclusión, este estudio presenta un modelo altamente preciso para predecir el rendimiento de la caña de azúcar, una herramienta útil para planificar la producción de caña de azúcar, mejorar el rendimiento y avanzar en el campo de la predicción de la producción agrícola.