基于梯度提升树算法的玉米施肥模型构建

为了模拟作物的土壤养分含量、施肥量与产量之间的非线性关系,利用玉米"3414"试验数据进行插值,以土壤养分含量和施肥量作为输入量,产量作为输出量,使用梯度提升树(GBDT)算法建立施肥模型,并与BP神经网络(BPNN)、支持向量回归(SVR)、随机森林(RF)算法建立的施肥模型进行对比.结果 表明:应用构建的GBDT模型得到的玉米产量平均相对误差、平均绝对误差和均方根误差分别为0.46％、48.7和62.2 kg/hm2,优于其他3种算法.基于GBDT算法的施肥模型在模拟土壤养分含量、施肥量与产量之间关系时具有较高精度,对于指导精准施肥具有较强的应用价值.