LSTM模型在耕地面积预测领域的构建与应用

文献类型： 中文期刊

第一作者： 向雁

作者： 向雁;侯艳林;姜文来;陈印军;成良强

作者机构：

关键词： 耕地;预测模型;深度学习;神经网络;LSTM模型

期刊名称： 科技导报

ISSN： 1000-7857

年卷期： 2021 年 39 卷 009 期

页码： 100-108

收录情况： 北大核心 ; CSCD

摘要： 长短期记忆(LSTM)模型广泛应用于系统故障、交通流量、股票指数、紧急事件、碳排放、石油产量、农区地下水位等多个领域,均表现了出色的预测性能.为了丰富耕地面积预测方法、提升耕地预测精度,将LSTM模型引入耕地面积预测.选择常用的趋势外推模型、指数平滑模型、灰色模型、移动平均自回归、支持向量机、NAR动态神经网络等6类模型进行对比,并以耕地变化趋势比较复杂的黑龙江省和变化趋势比较单一的辽宁省、吉林省作为案例进行分析,以验证LSTM模型耕地面积预测效果.结果表明,从均方根误差(RMSE)、平均绝对误差(MAPE)这2个指标的综合评价来看,LSTM模型拟合和预测效果均为最优.根据LSTM模型预测,2018-2030年黑龙江、吉林、辽宁3省的耕地面积将呈持续减少的趋势,耕地减少速度均有放缓之势.

分类号：

  • 相关文献
作者其他论文 更多>>

微信小程序