基于Logistic曲线的草莓生长模型研究

草莓作为一种深受广大消费者喜爱的水果,在国内设施栽培及观光采摘领域发展迅速。但目前少有关于其生长模型的研究,多数关于草莓的研究均是基于对田间试验的统计分析来确定种植策略。Logistic曲线模型自提出以来便一直被广泛应用于各类统计数据的拟合,本文以草莓的生长数据为研究对象,使用Logistic曲线模型来定量分析草莓生长周期中累积重量的增长过程,并提出一种改进的生长模型。实验结果显示,本文提出的改进生长模型相较于Logistic曲线模型,与实测曲线相关性更好,在不同种植策略的草莓数据上的拟合效果可决系数(R2)均优于Logistic曲线模型,应用前景良好。

基于改进主成分分析的LSTM水稻产量预测模型研究

作为农业大国,农业一直是我国经济发展的重要基石,而水稻作为我国主要的粮食作物,随着人口不断增长,其需求量也不断攀升,因此水稻的产量预测对我国农业的发展建设以及保障粮食安全具有重要意义。长短期记忆(LSTM)循环神经网络因其不仅能够较好地处理各因素间的非线性关系,且适合处理时间序列数据的预测问题,在作物产量预测领域应用前景良好。本文提出一种基于改进主成分分析(IPCA)的LSTM循环神经网络,对神经网络的输入进行数据降维,旨在提高神经网络训练的收敛速度,并消除输入数据间由于相关性导致的信息冗余,从而提高预测精度。