基于BP人工神经网络的寒地水稻抗旱性综合评价

为筛选适宜寒地水稻大田抗旱性的综合评价指标,并鉴定抗旱水稻种质资源,以分蘖期干物质量、拔节期株高、产量等 15 个性状的抗旱系数为指标,使用主成分分析法对 50 个参试材料的抗旱性进行综合评价.选取 45 个样本的抗旱系数作为输入,把对应的抗旱综合评价值作为输出,利用误差返向传播和神经网络的方法建立学习模型;剩余5 个样本为验证样本,用于判断学习模型的预测准确性.改变 3 组学习样本来建立 3 个不同的学习模型并进行对比,比较其预测的准确度,进而验证该模型方法的合理性和稳定性.结果表明,采用主成分分析法可将 15 个单一抗旱系数转换成6 个互相独立的综合性指标,方差累计贡献率达84.013％.采用聚类分析法将50 个参试材料分为3 种类型:强抗旱型、中间抗旱型、干旱敏感型.强抗旱类型含有 24 个材料,中间抗旱型含有 18 个材料,干旱敏感型含有 8个材料.根据各性状抗旱系数与抗旱综合评价值(D值)的相关性分析结果,筛选出分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数等 10 个适宜抗旱性评价指标.以特征指标值为输入层,综合评价值(D值)为输出层,构建BP神经网络学习模型,定量预测抗旱指标特征.通过改变学习样本获得3 个学习模型的预测值,预测值与实际值之间的误差小于 10％.把实际值和模型预测值进行线性拟合,R2＞0.95.本研究构建的BP神经网络学习模型可用于定量预测水稻种质资源的抗旱性,预测的准确度和稳定性均优于单一的回归分析;分蘖期干物质量、分蘖期叶面积、拔节期株高、最高分蘖数、穗粒数、结实率、千粒质量、产量、生物量、经济系数可作为水稻抗旱能力鉴定指标;稻坚强为抗旱性最强的种质资源.