基于神经网络算法的果树需水预测研究

• 作者: 何淑林 刘慧敏 金立强 刘勇
• 来源期刊: 灌溉排水学报
• 学科: 农学
• 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
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 作物水肥高效利用|Efficient Use of Water and Fertilizers by Crops
• 页码范围: 19-24
• 页数: 6页
• 分类号: TP301.6|S126
• 语种: 中文
• DOI: 10.13522/j.cnki.ggps.2021332

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.