基于多元非线性回归和BP神经网络的长春花形态指标生长模型的比较

为了顺应发展智慧苗圃、科学培育植物的趋势,借助物联网实现花卉培育智能化,科学地分析了长春花外观品质与生长发育时间和环境因子的关系,通过多元非线性回归和BP神经网络两种方法分别拟合生长模型。比较两种模型的拟合效果和预测能力显示:多元非线性回归拟合的回归估计标准误差为0.456—12.090,BP神经网络拟合的回归估计标准误差为0.0331-1.4857。BP神经网络拟合效果更好,预测精度更高,能够更好展示长春花生长周期内的生长规律,为预测长势提供可靠的依据,也为智慧苗圃中长春花外观品质的提升提供了有力的决策支持。