基于神经网络算法的果树需水预测研究
何淑林1
刘慧敏1
金立强2
刘勇3
1.黑龙江大学,哈尔滨1500002.黑龙江东部节水设备有限公司,哈尔滨1500003.黑龙江大学,哈尔滨150000;黑龙江东部节水设备有限公司,哈尔滨150000
摘要：[目的]准确预测果树需水量.[方法]对采集地果园环境数据进行主成分分析,筛选出影响果树蒸腾量的关键因子.建立以长短时记忆(LSTM)神经网络为基础的预测模型来预测果树蒸腾量.为提高预测的精度,在LSTM神经网络的基础上加入了注意力(Attention)机制,形成Attention-LSTM预测模型.[结果]将改进的模型与其他模型的预测精度进行对比,仿真试验表明,该模型的预测精度最高,RMSE和MSE分别为0.487和0.062.[结论]该预测模型可以准确预测果树蒸腾量,从而实现果园精准灌溉并提高水果产量,具有一定的实际意义.
关键词：蒸腾量预测LSTM神经网络主成分分析注意力机制果树
分类号：TP301.6(计算技术、计算机技术)S126(农业物理学)
资助基金：中央地方引导项目(SBZY2021E006)
论文发表日期：2022-01-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 19-24 )
英文信息