《表2 不同模型估测水稻叶面积结果评价》
使用Python对3种模型所得估测结果与实测值之间进行拟合,建立线性回归拟合模型进行相关性分析,结果如表2所示,拟合结果如图9~11所示。结果表明,3种模型的决定系数均较高,均方根误差、平均绝对误差及平均相对误差均较低,表明两个品种叶面积与叶长叶宽参数高度相关,模型估测叶面积精度均比较高。其中BP神经网络模型下JY458品种决定系数为0.979 8,ZZ35品种决定系数为0.985 2,均高于其他两种模型;JY458品种的均方根误差、平均绝对误差及平均相对误差分别为1.189 2 cm2、1.061 cm2和4.95%,ZZ35品种的均方根误差、平均绝对误差及平均相对误差分别为1.143 1 cm2、0.959 5 cm2和4.85%。均低于支持向量回归模型与随机森林模型,表明基于BP神经网络算法建立水稻叶面积估测模型,能更加准确地估测水稻叶面积。
图表编号 | XD00163734100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.20 |
作者 | 杨红云、路艳、孙爱珍、杨乐 |
绘制单位 | 江西农业大学软件学院、江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院、江西农业大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |