基于LSTM的作物需水量预测模型研究
Research on Forecast Model of Crop Water Demand Based on LSTM
摘要: 为了提高作物需水量的预测精度，提出基于LSTM (长短时记忆网络)的作物需水量预测模型。模型以空气温湿度、风速、日照时数为特征输入值，作物需水量为标签输出值，以枣树为试验对象，进行了相关预测试验，并将预测结果与RNN模型，FCNN模型的准确性进行了对比分析，结果表明LSTM预测模型的精确程度更高，该方法在节水灌溉领域具有一定的研究意义。
Abstract: In order to improve the prediction accuracy of crop water demand, a crop water demand prediction model based on LSTM (Long Short-term Memory Network) is proposed. The model uses air temperature and humidity, wind speed, and sunshine hours as the characteristic input values, and the crop water demand is the label output value. Jujube tree is the test object, related prediction experiments are carried out, and the prediction results are compared with the accuracy of the RNN model and FCNN model. The results show that the accuracy of the LSTM time series model is higher. This method has advantages in the field of water-saving irrigation.
文章引用：孙博瑞, 蒋敏, 薛山. 基于LSTM的作物需水量预测模型研究[J]. 农业科学, 2022, 12(1): 69-76. https://doi.org/10.12677/HJAS.2022.121010

参考文献

[1] 孙景生, 康绍忠. 我国水资源利用现状与节水灌溉发展对策[J]. 农业工程学报, 2000(2): 1-5.
[2] 房军, 方小宇, 吕东玉, 等. 丘陵半干旱区作物需水规律的研究进展[J]. 安徽农业科学, 2006(19): 4847-4849.
[3] 李志新, 赖志琴, 龙云墨. 基于GA-Elman神经网络的参考作物需水量预测[J]. 节水灌溉, 2019(2): 117-120.
[4] 孟玮, 孙西欢, 郭向红, 等. 基于人工蜂群径向基神经网络预测参考作物需水量[J]. 节水灌溉, 2020(1): 79-83.
[5] 夏泽豪, 翁绍捷, 罗微, 等. 基于灰色神经网络的作物需水量预测模型研究[J]. 中国农机化学报, 2015, 36(2): 219-223.
[6] 王景雷, 康绍忠, 孙景生, 等. 基于贝叶斯最大熵和多源数据的作物需水量空间预测[J]. 农业工程学报, 2017, 33(9): 99-106+315.
[7] 尹京川, 马孝义, 孙永胜, 等. 基于BP神经网络与GIS可视化的作物需水量预测[J]. 中国农村水利水电, 2012(2): 13-15+18.
[8] 赵淑芳, 董小雨. 基于改进的LSTM深度神经网络语音识别研究[J]. 郑州大学学报(工学版), 2018, 39(5): 63-67.
[9] Herstinsky, A. (2020) Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) Network. Physica D: Nonlinear Phenomena, 404, Ar-ticle ID: 132306.
[10] 和志强, 杨建, 罗长玲. 基于BiLSTM神经网络的特征融合短文本分类算法[J]. 智能计算机与应用, 2019, 9(2): 21-27.
[11] 孙鹏, 白光伟, 沈航, 等. 基于长短期记忆的流媒体QoE预测模型[J]. 计算机工程与设计, 2020, 41(6): 1501-1508.
[12] 李志磊, 周建平, 魏正英, 张育斌, 许燕. ET_0预测的卡尔曼滤波修正ANFIS模型研究[J]. 干旱地区农业研究, 2017, 35(3): 114-119.
[13] 王则玉, 谢香文, 刘国宏, 等. 干旱区绿洲滴灌成龄枣树耗水规律及作物系数[J]. 新疆农业科学, 2015, 52(4): 675-680.
[14] 李昊, 杨国明, 辛靖, 等. 基于神经网络与遗传算法的常压塔顶油气系统腐蚀预测[J]. 石油化工腐蚀与防护, 2018, 35(2): 34-37.

为你推荐