基于机器学习算法的作物模型参数筛选研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：作物模型参数的筛选与优化对于提升其适应能力具有重要意义。为提高参数优化效率，采用随机森林和梯度提升树两种基于集成学习的机器学习算法，对APSIM NG旱地春小麦生长过程中的敏感参数进行筛选，并利用Nelder-MeadSimplex算法和DREAM-zs算法对这些敏感参数进行优化，实现了在R语言中一键完成作物模型敏感性分析及优化全过程。（剩余208字）

试读结束

目录
monitor
客服机器人