长短期记忆神经网络在多时次土壤水分动态预测中的应用

• 作者: 范嘉智 谭诗琪 罗宇 庄翔宇 周伟 罗曼
• 来源期刊: 土壤
• 关键词: 长短期记忆神经网络(LSTM) 土壤体积含水量 气象因子 多时次预测 精准灌溉
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 209-216
• 页数: 8页
• 分类号: S152.7
• 语种: 中文
• DOI: 10.13758/j.cnki.tr.2021.01.028

摘要

基于长沙站2016—2019年10 cm深度土壤水分自动观测小时数据集,利用长短期记忆神经网络(LSTM)模型结合随机采样学习方法,开展了土壤水分多时次预测,结果表明:LSTM模型对6、12、24、48 h后的土壤体积含水量预测均方根误差(RMSE)分别为0.22％、0.28％、0.38％、0.54％,决定系数(R2)分别为0.99、0.99、0.98、0.96,除6 h预测步长外,准确率均优于自回归整合滑动平均(ARIMA)模型,且误差稳定、无异常值出现,预测准确率远优于相关研究.该结果证实了基于LSTM模型精准预测土壤水分动态的可行性,为精准灌溉和干旱预警提供了计算机技术及手段支撑,为政府及科研部门水资源管理政策的制定提供了数据支持.