《表1 不同模型效果对比：基于IBAS-BP算法的冬小麦根系土壤含水率预测模型》

  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IBAS-BP算法的冬小麦根系土壤含水率预测模型》

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

由图3a可以看出，粒子群优化算法与BP神经网络组成的PSO模型的预测值与实际土壤含水率测定值基本吻合，但在含水率小于15.8%和大于16.4%处，模型预测误差过大。测试集中，PSO模型的相对误差为0.006 9，决定系数R2为0.673 2，表现差于BAS模型，可能与输入输出相关关系的回归曲面精度不够高有关。由图3b可知，GA模型具有良好的收敛性[21]，但整体拟合效果不佳，预测值集中在16.1%～16.2%，与实际结果存在偏差。且当土壤含水率小于15.7%时，会出现较大误差。在测试集中，模型的相对误差为0.005 7，R2为0.767 7。且遗传算法步骤复杂，运算繁多。由图3c可知，BAS模型的预测值和实测值基本吻合，但在含水率大于16.4%和小于15.8%的范围出现误差。计算可知，BAS模型的相对误差为0.004 7，决定系数R2为0.805 9，具有良好的精度和适应性，但实验效果对于初始天牛所在位置依赖过重。由图3d可知，IBAS模型几乎与实测数据全部吻合，误差更小，极为接近于实测数据。且在测试集中，相对误差仅为0.004 5，而决定系数R2为0.840 7，体现了优化算法的良好适应性与优越性。4种模型的评估结果如表1所示。