中国农学通报
中國農學通報
중국농학통보
CHINESE AGRICULTURAL SCIENCE BULLETIN
2013年
1期
193-198
,共6页
茶树树冠%差分方程组%神经网络%聚类分析%多维时间序列
茶樹樹冠%差分方程組%神經網絡%聚類分析%多維時間序列
다수수관%차분방정조%신경망락%취류분석%다유시간서렬
茶树的生长、产量和品质受树冠结构的影响,因此利用数学模型来模拟茶树树冠指标的变化可以指导茶树的栽培和管理.考虑到茶树树冠各指标不但相互影响,而且与前几年生长数据相关,针对茶树树冠15个生长指标的18年数据,建立了多元差分方程组模型,并提出了一种结合利用聚类分析和神经网络进行模型参数估计的方法.计算表明,笔者研究中模型的平均相对误差绝对值(MAPE)为0.045828,低于一元差分方程模型的MAPE的平均值0.0618和一元回归方程模型的MAPE的平均值0.0842,精度有明显提高.该方法可以用于其他多维时间序列的差分方程组建模.
茶樹的生長、產量和品質受樹冠結構的影響,因此利用數學模型來模擬茶樹樹冠指標的變化可以指導茶樹的栽培和管理.攷慮到茶樹樹冠各指標不但相互影響,而且與前幾年生長數據相關,針對茶樹樹冠15箇生長指標的18年數據,建立瞭多元差分方程組模型,併提齣瞭一種結閤利用聚類分析和神經網絡進行模型參數估計的方法.計算錶明,筆者研究中模型的平均相對誤差絕對值(MAPE)為0.045828,低于一元差分方程模型的MAPE的平均值0.0618和一元迴歸方程模型的MAPE的平均值0.0842,精度有明顯提高.該方法可以用于其他多維時間序列的差分方程組建模.
다수적생장、산량화품질수수관결구적영향,인차이용수학모형래모의다수수관지표적변화가이지도다수적재배화관리.고필도다수수관각지표불단상호영향,이차여전궤년생장수거상관,침대다수수관15개생장지표적18년수거,건립료다원차분방정조모형,병제출료일충결합이용취류분석화신경망락진행모형삼수고계적방법.계산표명,필자연구중모형적평균상대오차절대치(MAPE)위0.045828,저우일원차분방정모형적MAPE적평균치0.0618화일원회귀방정모형적MAPE적평균치0.0842,정도유명현제고.해방법가이용우기타다유시간서렬적차분방정조건모.
