基于Adaboost模型的江苏省冬小麦产量预测

张顺航 张凤航 李金泽

摘要    农作物产量预测是农业科学的一个重要问题，而气象特征的变化将对农作物的产量产生影响。本文根据1981—2016年江苏省的气象数据，研究影响农作物产量的关键气象特征，并利用机器学习中的Adaboost算法，对江苏省近几年的小麦产量进行预测。结果表明Adaboost模型预测准确率较高，从而为农业生产中的正确决策提供参考。

关键词    冬小麦产量预测;气象特征;机器学习;Adaboost模型;江苏省

中图分类号    S127        文献标识码    A        文章编号   1007-5739（2019）12-0248-02

我国是农业大国，粮食产量连年增长，农业生产量和生产方式都进入到了新的阶段，农业生产新要求也随之产生。在农业生产中，注重农产品品质、关注农业灾害预警能力等已迫在眉睫[1-3]。2009年曾有专家在联合国做出预测，到2050年世界粮食产量可能需要翻一倍才足以养活全球人口。而在众多影响农作物产量的因素中，气候变化对农业产生直接影响[4]。因此，通过气象因素预测农作物产量尤为关键。但由于农作物在不同生长阶段对气象因素有着不同的要求，使得建立气象因素与农作物产量的关系模型较为困难[5]。此外，虽然目前已有较多时间序列模型，如灰色模型预测、最小二乘法、BP神经网络、高斯过程，但在面对实际而复杂的分类问题时效果并不理想[6]。

1    Adaboost模型

Adaboost算法是boosting算法的一种，属于一种迭代算法。它的核心思想是用同一个训练集训练不同的弱分类器，然后把这些弱分类器联合起来形成强分类器，有效地解决了单个分类器面对复杂问题时精度不足的问题。……