基于BP人工神经网络的寒地水稻抗旱性综合评价

作者：刘梦红; 张巩亮; 李红宇^*; 杜俊; 赵海成; 吕坦; 钱永德

来源：江苏农业科学, 2023, 51(10): 91-99.

DOI：10.15889/j.issn.1002-1302.2023.10.013

• 寒地水稻
• 抗旱性
• 主成分分析
• 聚类分析
• BP神经网络

为筛选适宜寒地水稻大田抗旱性的综合评价指标，并鉴定抗旱水稻种质资源，以分蘖期干物质量、拔节期株高、产量等15个性状的抗旱系数为指标，使用主成分分析法对50个参试材料的抗旱性进行综合评价。选取45个样本的抗旱系数作为输入，把对应的抗旱综合评价值作为输出，利用误差返向传播和神经网络的方法建立学习模型；剩余5个样本为验证样本，用于判断学习模型的预测准确性。改变3组学习样本来建立3个不同的学习模型并进行对比，比较其预测的准确度，进而验证该模型方法的合理性和稳定性。结果表明，采用主成分分析法可将15个单一抗旱系数转换成6个互相独立的综合性指标，方差累计贡献率达84.013%。采用聚类分析法将50个参试材料分为3种类型：强抗旱型、中间抗旱型、干旱敏感型。强抗旱类型含有24个材料，中间抗旱型含有18个材料，干旱敏感型含有8个材料。根据各性状抗旱系数与抗旱综合评价值(D值)的相关性分析结果，筛选出分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数等10个适宜抗旱性评价指标。以特征指标值为输入层，综合评价值(D值)为输出层，构建BP神经网络学习模型，定量预测抗旱指标特征。通过改变学习样本获得3个学习模型的预测值，预测值与实际值之间的误差小于10%。把实际值和模型预测值进行线性拟合，R2>0.95。本研究构建的BP神经网络学习模型可用于定量预测水稻种质资源的抗旱性，预测的准确度和稳定性均优于单一的回归分析；分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数可作为水稻抗旱能力鉴定指标；稻坚强为抗旱性最强的种质资源。

• 单位
  黑龙江八一农垦大学