基于SCSSA-CNN-BiLSTM模型的冬小麦生育期日土壤水分预测研究
崔嵩1
吴锦1
张乃丰2
刘猛3
胡永胜3
何亚男4
顾越4
龙欣雅4
王振龙3
1.东北农业大学水利与土木工程学院,哈尔滨 1500302.安徽省(水利部淮委)水利科学研究院五道沟水文实验站,安徽 蚌埠 233000;南京水利科学研究院,南京 2100293.安徽省(水利部淮委)水利科学研究院五道沟水文实验站,安徽 蚌埠 2330004.河海大学水文水资源学院,南京 210098
摘要：[目的]准确预测大田土壤含水率,指导农业生产和节水灌溉.[方法]结合正余弦和柯西变异的麻雀优化算法(SCSSA)与卷积神经网络(CNN)、双向长短期记忆神经网络(BiLSTM),构建了 SCSSA-CNN-BiLSTM土壤水分混合预测模型.利用五道沟实验站2022年10月—2023年6月冬小麦全生育期的气象因子和3个土层深度(10、30、50 cm)土壤含水率,对冬小麦全生育期根系密集层0～20 cm 土层土壤含水率进行预测.[结果]①SCSSA-CNN-BiLSTM模型能有效捕捉土壤水分时空演变规律,经SCSSA优化后的模型预测精度显著提升,RMSE从1.394降至0.774,降幅达44.5％;②SCSSA-CNN-BiLSTM模型展现出较好的预测能力,模型的土壤含水率预测值与实测值基本吻合.③与GA(遗传算法)、PSO(粒子群算法)、SSA(麻雀搜索算法)相比,SCSSA(麻雀优化算法)通过融合多重优化策略显著提升了模型超参数优化性能,模型可用于冬小麦生育期土壤水分预测.[结论]本文提出的SCSSA-CNN-BiLSTM模型对冬小麦0～20 cm 土层土壤含水率的预测精度较高,可为农业实时适量灌溉提供科学依据.
关键词：神经网络麻雀优化算法土壤水分预测冬小麦
分类号：S152(土壤学)
资助基金：黑龙江省杰出青年基金项目(JQ2023E001)安徽省水科院青年科技创新计划项目(KY202307)安徽省水联合基金项目(2208085US07)
论文发表日期：2025-08-30
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：8( 1-8 )
英文信息