《表4 春玉米产量结构的BP神经网络(BPNN)预测模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于环境因子的春玉米产量结构模型分析研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图1为2012—2018年春玉米产量结构的MLR全因子模型（MLR＿AF）、MLR显著因子模型（MLR＿SF）、BPNN全因子模型（BPNN＿AF）、BPNN显著因子模型（BPNN＿SF）回代结果的实际值与拟合值对比。四种模型均通过0.05水平显著性检验。分析图1（a）～（e）回代结果可知，果穗长模型以BPNN＿AF模型回代效果最优，拟合值与实际值最接近，理论产量、果穗粗、株子粒重、百粒重模型以MLR＿AF模型拟合结果较理想，峰值、谷值都能拟合得较好。总体来说，多元线性回归方法（MLR）比机器学习算法（BPNN）建模的训练优度（R2）更优，而引入全因子变量后所建立的综合预测模型（AF）拟合效果优于显著因子模型（SF）。