基于Broad-AdaBoost的小麦品质指标预测模型

作者：蒋华伟; 张磊; 赵丽科; 郭陶; 周德祥; 陈斯

来源：吉林大学学报（工学版）, 2022, 52(05): 1222-1228.

DOI：10.13229/j.cnki.jdxbgxb20210002

• 计算机应用
• 宽度学习系统
• 集成学习
• 小麦储藏品质
• 预测模型

小麦品质的劣变机理较为复杂，利用常规的分析方法预测小麦品质指标存在稳定性及准确性不足等问题，为此，提出一种用于小麦品质多生理生化指标精准预测的BroadAdaBoost模型。综合了宽度学习系统（BLS）和AdaBoost算法在高效性及稳定性方面的优势，分别采用线性激活函数、非线性激活函数进行特征变换以获得特征学习器、增强学习器，并由AdaBoost算法加权组合为性能更优的强学习器，完成小麦品质指标的预测分析。实验结果表明：Broad-AdaBoost模型的综合预测误差为0.166，相对于BP-AdaBoost、DNN、BLS、SVR、GM分别降低了9.29%、20.19%、3.49%、5.14%、10.75%，其稳定性优于原有算法，在6种模型中性能最优，可有效提高小麦品质指标预测的效率及准确性。

• 单位
  河南工业大学