典型文献
基于BP神经网络的柑橘农药残留预测
文献摘要：
基于BP神经网络算法,采用主成分分析法得到农药相对分子质量、气温、降水量、pH、CEC、有机质、施药浓度、采收间隔期是影响农药残留量的主要因素,并将其作为输入变量,初步构建柑橘农药残留预测模型.结果表明:经160组样本数据模型训练和测试,预测相对误差为0.92％～18.93％,平均为7.42％,绝对误差为0.001～0.153 mg/kg;BP神经网络预测模型的决定系数为0.96205.可见,面对复杂的自然环境及柑橘种质性状,基于BP神经网络的柑橘农药残留预测系统对柑橘上多种农药的残留显示出较高的预测精度,说明将机器学习算法用于柑橘的农药残留检测是可行的.
文献关键词：
柑橘;农药残留;BP神经网络;主成分分析;预测模型
中图分类号：
作者姓名：
周佳俊;龚道新;蒋紫烟;梁佳豪;赵佳;苏龙;廖婵娟
作者机构：
湖南农业大学资源环境学院,湖南 长沙 410128;湖南农业大学农业环境保护研究所,湖南长沙 410128
文献出处：
引用格式：
[1]周佳俊;龚道新;蒋紫烟;梁佳豪;赵佳;苏龙;廖婵娟-.基于BP神经网络的柑橘农药残留预测)[J].湖南农业大学学报（自然科学版）,2022(05):572-577
A类：
B类：
神经网络算法,相对分子质量,降水量,CEC,有机质,施药浓度,采收,间隔期,农药残留量,数据模型,模型训练,绝对误差,神经网络预测模型,决定系数,柑橘种质,预测系统,机器学习算法,农药残留检测
AB值：
0.243295
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
