BP神经网络和随机森林预测土壤有机质模型研究

作者：陈道坤; 周海; 华红梅; 孙远; 何涛; 胡翩

来源：安徽农学通报(上半月刊), 2023, 29(10): 124-128.

DOI：10.16377/j.cnki.issn1007-7731.2023.10.036

• 土壤有机质
• 随机森林
• BP神经网络
• 结果加权融合

为提高土壤有机质(SOM)含量预测精度和模型的适用性，提出了1种随机森林回归(RFR)和BP神经网络结果加权融合模型(BP-RFR)，对土壤有机质含量进行预测。选取陕西安康盆地研究区40个样点数据，对比分析RFR、BP神经网络和BP-RFR模型预测效果，使用决定系数(R2)、平均绝对百分比误差(MAPE)和均方误差(MSE)来评估模型性能。结果表明，BP-RFR、BP和RFR模型三者预测值与实测值的决定系数(R2)分别为0.9545、0.951 4、0.933 5,MAPE分别为0.037 7、0.045 1、0.091 8,MSE分别为1.837 7、1.961 1、2.686 8。综合分析可知，BP-RFR模型预测精度效果优于BP神经网络、随机森林回归(RFR)模型，因此结果加权融合模型(BP-RFR)能够用于土壤有机质含量的预测。

• 单位
  安徽理工大学