【文献精选】COMPUT ELECTRON AGR｜不同机器学习算法预测集约化水稻种植土壤中微量金属浓度的比较分析

本研究比较了不同机器学习模型在预测集约化水稻种植土壤中微量金属（Cu, Fe, Mn, Zn）含量方面的性能。研究采用了人工神经网络（ANN）、深度神经网络（DNN）、随机森林（RF）、k近邻（KNN）和自适应增强（AB）等模型，并通过决定系数（R²）、平均绝对误差（MAE）和均方根误差（RMSE）评估模型性能。结果表明，RF模型在预测Cu和Fe含量时表现最佳，而ANN模型在预测Mn和Zn含量时更为稳定。研究还发现，土壤的理化参数（如EC、pH、Na、K、N）对微量金属的积累有显著影响。最终，研究证明了基于人工智能的方法可以有效预测稻田中的微量金属含量，并显著降低实验室分析的成本和时间。