基于GRNN算法的白芨产量智能预测模型

钱晔 孙吉红 李晓曙 徐敏 刘庭 姜微微

摘要：为确保白芨种植户（企业）获得最大的经济效益，科研人员取得精确的数据进行科学研究。首先，收集白芨种植过程中，浇水量、施肥量、喷洒农药量以及对应的单位面积产量等数据，构建基于广义回归神经网络（general regression neural network，简称GRNN）算法的智能预测模型对特定种植条件下白芨的产量进行预测，得到不同种植环境下白芨的不同产量数据;然后，将这些数据输入信息系统中，为用户提供数据，以便于在最适合的条件下种植白芨。试验结果表明，GRNN在小样本构建智能预测模型时能够取得较好的预测效果。因此，在白芨种植过程中，当测试数据、输入数据不断增大的同时，采用该模型能够为种植户（企业）提高更精准的种植信息，最大化地提高产量，增加经济效益;为科研人员提供准确的数据确保研究成果的真实性。

关键词：白芨;智能;预测;GRNN算法;产量

中图分类号： S126  文献标志码： A  文章编号：1002-1302（2021）09-0190-05

大数据时代的到来，使各种农业数据爆炸式增长[1]，加速了农业信息技术、云计算、智能算法的发展，为建立各类农业大数据中心提供了基础数据。同时，全国各省市农业大数据中心陆续推动了数据分析方法的发展，将已经处于边沿地带的各种算法重新拉回了信息技术的核心位置，并处于不断完善和改进中。针对农业种植行业，近年来，国内外学者采用回归预测法、神经网络法和灰色预测法等[2-4]进行了深入研究，其中时间序列模型对于非线性的预测并不理想[5-8]，智能算法成为了主流预测方法。……