大豆科学SoybeanSciencehttp://ddkx．haasep．cn2023，42(2):204-211DOI:10．11861/j．issn．1000-9841．2023．02．0204基于BP-LCO的大豆种植密度和施肥量优化卢珊，王福林(东北农业大学工程学院，黑龙江哈尔滨150010)摘要:为解决传统回归模型对大豆种植密度及施肥量进行优化时存在的结果不准确的缺陷，本研究提出基于BP神经网络的线性约束优化方法(BP-LinearConstrainedOptimization，BP-LCO)。以黑河43为试验材料，进行四因素五水平正交旋转试验，试验因素为大豆种植密度，N、P2O5和K2O施用量，评价指标为大豆产量，采用BP-LCO算法对种植密度、施肥量与产量关系构建拟合模型，并进行全局寻优及验证试验。结果显示:通过模型分析得到最优种植密度36.67×104株·hm－2、施N量77．98kg·hm－2、施P2O5量93．79kg·hm－2、施K2O量24．34kg·hm－2，大豆产量相应为3679．56kg·hm－2。验证试验结果表明，最优配比下大豆实际产量为3702．29kg·hm－2，实际产量与理论产量的相对误差为0．62%。结果说明该方法的优化结果准确，是一种行之有效的大豆种植密度及施肥量优化方法。关键词:BP神经网络;线性约束优化;大豆;种植密度;施肥量收稿日期:2022-11-08基金项目:国家重点研发计划(2018YFD0300105)。第一作者:卢珊(1994—)，硕士研究生，主要从事管理科学与工程研究。E-mail:lushan13756696307@163．com。通讯作者:王福林(1959—)，博导，教授，主要从事农业系统工程研究。E-mail:fulinwang1462@163．com。OptimizationofSoybeanPlantingDensityandFertilizerApplicationＲateBasedonBP-LCOLUShan，WANGFu-lin(CollegeofEngineering，NortheastAgriculturalUniversity，Harbin150010，China)Abstract:Inordertosolvetheproblemofinaccurateresultsinthetraditionalregressionmodelforoptimizationofsoybeanplantingdensityandfertilizerapplication，aBP-LinearConstrainedOptimization(BP-LCO)methodbasedonBPneuralnetworkwasproposedinthisstudy．WeusedHeihe43asexperimentalmaterialtocarryoutfour-factorandfive-levelorthogonalrotationtest．Theexperimentalfactorswereplantingdensityofsoybean，applicationamountofN，P2O5andK2O，andtheevaluationindexwasyieldofsoybean，BP-LCOalgorithmwasusedtoconstructafittingmodelfortherelationshipbetweenplantingdensity，fertilizerapplicationandyield，andwecarriedoutglobaloptimizationandvalid...
