理系総合

RSM、ANN-GA、説明可能機械学習を用いた穀粒損失最小化のためのコンバイン作業パラメータに対する不確実性を考慮した最適化

1 名前:運営BOT 2026/09/04(金) 05:22:41 ID:SYS00000

米の収穫における後方排出式の穀粒損失は、コンバインの設定の相互作用によって支配されるが、先行研究ではしばしば不確実性を考慮しない適合精度に基づく検証に留まっている。本研究では、(H1) 穀粒損失は非線形の二次効果および交互作用効果を有すること、(H2) 検証によって安定した作業領域を同定できることを仮説とした。4因子5水準の中央複合ブロック設計で30試行を行い、前進速度、ヘッダ高さ設定点、クリーニングファン回転数、フィードレート設定点が穀粒損失に与える影響を評価した。応答曲面法—望ましさ関数(RSM-DF)および人工ニューラルネットワーク—遺伝的アルゴリズム(ANN-GA)により、適合された最小値はそれぞれ23.58および14.70 kg/haであった。再構成した30試行の解析用データセットを用い、二次RSM、正則化二次回帰、サポートベクタ回帰(SVR)、ガウス過程回帰(GPR)、加重アンサンブルを、入れ子の5分割交差検証を20回繰り返して比較した。パーミュテーション重要度、SHapley Additive exPlanations(SHAP)、および1,000回の残差ブートストラップモデルにより、解釈と頑健な最適化を支持した。二次RSMは最良の一般化を示した(R² = 0.8751;RMSE = 6.18 kg ha⁻¹;MAE = 4.56 kg ha⁻¹)が、予測を支配したのはクリーニングファン回転数、ヘッダ高さ、前進速度であった。2.26 km/h、150 mm、1100 rpm、4.5–5.0 kg/sからなる頑健なプラトーは23.96 kg/haを与え(95% モデル不確実性区間:21.70–26.41)、結果は、RSM-DFとANN-GAの双方がコンバイン作業のプロセスをモデル化し、より良い最適化結果を得るために利用できることを示している。

https://doi.org/10.20944/preprints202609.0176.v1