农业技术

抽象的

回归机器学习算法预测径流时间的性能分析

Marwan Khan 和 Sanam Noor

全世界 70% 的水用于农业，其中 50% 的水由于规划不当和灌溉系统效率低下而流失。精准灌溉系统长期以来一直在单个农场范围内使用。到目前为止，很少有人将一个农场多余的灌溉水用于另一个农场。在本研究中，我们解决了预测两个农场之间的径流时间的问题。我们提出了径流时间模型，该模型接受灌溉深度、土壤湿度和作物阶段 (CN) 以及集中时间作为输入参数并估算径流时间。机器学习算法，即多元线性回归 (MLR)、人工神经网络-Levenberg Marquardt (LMA-ANN)、决策树/回归树 (DT/RT) 和最小二乘支持向量回归 (LS-SVR) 已用于学习和预测目的。对这些算法进行了比较，以选择最佳灌溉径流时间预测算法。实验结果表明，回归树在 R 平方值最高、均方误差最低方面表现优异。而 MLR 在最小 R 平方值、最大均方误差方面表现出较差的结果。根据回归误差指标/性能评估参数，回归树算法排名第一（优秀），ANN-LMA 排名第二（良好），LS-SVR 排名第三（一般），MLR 排名最后（差）。因此，强烈建议回归树是一种理想的机器学习回归算法，可部署在无线传感器网络 (WSN) 节点上，用于预测径流时间。