融合Transformer和LSTM的蓝莓根区土壤含水量预测模型

文献类型： 中文期刊

第一作者： 王亿

作者： 王亿;曹姗姗;孙伟;胡博;古丽米拉·克孜尔别克;孔繁涛

作者机构：

关键词： 蓝莓(Vaccinium spp.);根区土壤;含水量;Transformer;LSTM;预测模型

期刊名称： 湖北农业科学

ISSN： 0439-8114

年卷期： 2024 年 008 期

页码： 78-84

收录情况： 北大核心

摘要： 针对土壤含水量预测模型存在难以解决非线性复杂特征、易陷入局部极小值等问题,构建融合Transformer和LSTM的土壤含水量深度学习预测模型（Transformer-LSTM）。采集山东省青岛市黄岛区丁家寨村蓝莓（Vaccinium spp.）生产区冷棚与露天2个站点的蓝莓根区土壤和气象数据作为建模数据,根据皮尔逊相关性和偏自相关性分析选择模型的数据输入特征与输入长度,与单一的Transformer模型和LSTM模型进行对比分析,评估模型对土壤含水量的预测性能。结果表明,Transformer-LSTM模型在预测精度上均优于单一的Transformer模型和LSTM模型,Transformer-LSTM模型的平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）、决定系数（R2）分别为0.245 9、0.572 0、0.012 1、0.960 6。Transformer-LSTM模型可以更全面地提取蓝莓种植环境因子输入序列中的特征信息,有效提升土壤含水量因子预测精度和水平。

分类号： TP183%S152.7%S663.9

  • 相关文献

[1]基于PCA-LSTM小麦叶片水分检测研究. 赵东东,赵雅丽,赵秉强,崔东云,丁筱玲. 2019

[2]冬季自然降温对三种蓝莓抗寒生理指标的影响. 高庆玉,魏媛媛,赵树亮,闫超,张丙秀,张武杰. 2015

[3]都克蓝莓组织培养育苗技术研究. 涂俊凡,秦仲麒,李先明,杨夫臣,朱红艳,伍涛. 2014

[4]水稻化感品种根区土壤微生物群落反馈对伴生稗草的影响. 孙备,沈樱,张雪,苏本卿,王国骄,郭伟,周斌. 2018

[5]野山参根区土壤无机元素的测试研究. 张亚玉,孙海,宋晓霞,汪景宽. 2009

[6]滴头流量对再生水灌溉作物根区典型微生物群落结构的影响. 李松旌,樊向阳,崔二苹,高峰,吴海卿,李胜曙,崔丙健,胡超. 2021

[7]林下护育健参与红皮参根区土壤无机元素研究. 张亚玉,孙海,宋晓霞,汪景宽. 2010

[8]土壤-烤烟矿质营养元素相互关系的主组分分析. 张晓林,和丽忠,陈锦玉,樊永言,曹槐,刘世熙,程辉斗,温永琴,张晓海,李金培,王绍坤. 2001

[9]基于时间序列与横截面数据的吉林省水稻产量预测对比分析. 陈威,祁伟彦,袁福香,李哲敏. 2018

[10]基于优化的长短时记忆神经网络牧群采食量估测模型. 孟云琪,宣传忠,张蒙秦,樊先涛,布库. 2022

[11]基于SSA-LSTM模型的黄鳝池溶氧预测研究. 林彬彬,袁泉,田志新,潘显斌,周文宗,徐震. 2023

[12]基于LSTM的气候变化对中西太平洋围网黄鳍金枪鱼和鲣CPUE影响的滞后效应. 张健,宋厚成,刘文俊,石建高. 2024

[13]冬小麦需水量的预测模型对比分析. 杜云,张婧婧,雷嘉诚,李博,李永福. 2024

[14]东北三省粮食需求量预测与未来黑土地耕地质量提升思考. 邸佳颖,王盛威,刘红芳,付海美,熊露,庄家煜,张淑香. 2024

[15]采用组合增强的YOLOX-ViT协同识别温室内番茄花果. 吕志远,张付杰,魏晓明,黄媛,李晶晶,张钟莉莉. 2023

[16]基于卷积神经网络与注意力机制的高光谱图像分类. 高玉鹏,闫伟红,潘新. 2024

[17]基于改进YOLOV5s网络的奶牛多尺度行为识别方法. 白强,高荣华,赵春江,李奇峰,王荣,李书琴. 2022

[18]基于TMU-Net网络的苹果果心分割方法. 刘长勇,李思佳,史慧,查志华,邓红涛. 2022

[19]番石榴实蝇性别决定基因Bcotra和Bcotra-2的克隆、序列特征及表达分析. 武强,和丹阳,张桂芬,李建伟,万方浩. 2015

[20]基于Vision Transformer和卷积注入的车辆重识别. 于洋,马浩伟,岑世欣,李扬,张梦泉. 2024

作者其他论文 更多>>

微信小程序