开发预测小麦秆锈病严重程度的最优模型（Arsi 和 Bale 区案例研究）
机器学习
2024-02-19 v1 人工智能
摘要
本研究利用了三种人工神经网络（ANN）方法，即具有不同训练、传递、划分和学习函数的反向传播神经网络（BPNN）、径向基函数神经网络（RBFNN）和广义回归神经网络（GRNN），来预测秆锈病的严重程度。研究考虑了平均最高温度、平均最低温度、平均降雨量、平均气温、平均相对湿度以及不同小麦品种等参数。统计分析显示，与其他模型相比，GRNN 表现出有效的预测能力且所需训练时间更短。此外，结果表明总季节性降雨量对小麦秆锈病的发展有正向影响。关键词：小麦秆锈病，反向传播神经网络，径向基函数神经网络，广义回归神经网络。
引用
@article{arxiv.2402.10492,
title = {Developing an Optimal Model for Predicting the Severity of Wheat Stem Rust (Case study of Arsi and Bale Zone)},
author = {Tewodrose Altaye},
journal= {arXiv preprint arXiv:2402.10492},
year = {2024}
}