农作物用水量预测及智能灌溉方法(8)

时间:2025-07-11

次模型进行回归,输出结果如下:

Dependent Variable: Y

Method: Least Squares

Date: 05/21/16 Time: 17:24

Sample: 1 10

Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.

X 5.186257 0.000204 25424.73 0.0000

X^2 -0.006980 3.10E-07 -22482.97 0.0000

C -478.4724 0.032041 -14933.05 0.0000

R-squared 1.000000 Mean dependent var 430.7570

Adjusted R-squared 1.000000 S.D. dependent var 74.07824

S.E. of regression 0.006569 Akaike info criterion -6.969485

Sum squared resid 0.000302 Schwarz criterion -6.878710

Log likelihood 37.84743 Hannan-Quinn criter. -7.069066

F-statistic 5.72E+08 Durbin-Watson stat 2.663122

Prob(F-statistic) 0.000000

y=−478.4724+−0.006980x2+ 5.186457x

(-14933.05)(-22482.97) (25424.73)

5.1.3模型结果分析

(1)函数中a、b、c参数的t检验在1%的显著性水平下均显著:

p a<0.01,p b<0.01,p c<0.01

(2)拟合优度判定系数R2=1

拟合优度判定系数体现了回归模型中自变量的变异在因变量的变异中所占的比例,本模型中y的变异中完全都是由变量x的变化引起的,所有观测点都落在拟合的直线或曲线上,说明该模型建立良好。

5.2 问题2的模型建立与求解

由于BP神经网络可以实现输入和输出间的任意非线性映射,首先使用BP 神经神经网络进行拟合

农作物用水量预测及智能灌溉方法(8).doc 将本文的Word文档下载到电脑

精彩图片

热门精选

大家正在看

× 游客快捷下载通道(下载后可以自由复制和排版)

限时特价:7 元/份 原价:20元

支付方式:

开通VIP包月会员 特价:29元/月

注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信:fanwen365 QQ:370150219