基于深度学习技术的水稻环境因素产量预测
文档名：基于深度学习技术的水稻环境因素产量预测
摘要：水稻作为全球重要的粮食作物,准确预测水稻产量在农业发展中起着重要作用.由于水稻在环境因子与其生长机理的作用下往往呈现出非线性的特点,难以对其做出较为准确的预测,因此,提出CE-CGRU水稻产量预测模型,对非线性环境因子Copula熵(CE)方法进行提取特征并与CNN和GRU技术结合在一起.其目的是在水稻品种确定的条件下,识别产量预测的重要特征.根据使用浙江省临安区真实数据分析和比较所提出的模型的性能,构建了其他5个产量预测模型进行对比,分别是MLR、RF、LSTM、GRU和CNN-LSTM.结果显示,CE-CGRU模型的MAE、MSE和MAPE分别为0.677、0.87和5.029％,表明CE-CGRU模型具有更好的能力来捕捉水稻产量与环境因素之间的复杂非线性关系.此外,还对不同的特征选择方法以及不同时间步长进行了比较和分析.
Abstract：Riceisagloballyimportantstaplecrop,andtheaccuratepredictionofriceyieldplaysasignificantroleinagriculturaldevelopment.Duetotheinfluenceofexternalenvironmentalfactorsandthegrowthmechanismsofrice,riceyieldoftenexhibitsnonlinearcharacteristics,makingitchallengingtomakeprecisepredictions.Therefore,theCE-CGRUriceyieldpredictionmodelisproposed,whichextractsfeaturesusingtheCopulaEntropy(CE)methodfornonlinearenvironmentalfactorsandcombinesthemwithCNNandGRUtechnologies.Theaimistoidentifycrucialfeaturesforyieldpredictionunderspecificricevarieties.BasedontheanalysisandperformancecomparisonusingrealdatafromLin'anDistrictofZhejiangProvince,theproposedmodeliscomparedtofiveotheryieldpredictionmodels:MLR,RF,LSTM,GRU,andCNN-LSTM.TheresultsindicatethattheCE-CGRUmodelachievesaMAEof0.677,aMSEof0.87,andaMAPEof5.029％,demonstratingitssuperiorcapabilityincaptur-ingthecomplexnonlinearrelationshipbetweenriceyieldandenvironmentalfactors.Furthermore,acomparisonandanalysisofdifferentfeatureselectionmethodsandtimestepsareconducted.
作者：张春磊 李颜娥 丁煜 罗煦钦 Author：ZhangChunlei LiYan'e DingYu LuoXuqin
作者单位：浙江农林大学数学与计算机学院,浙江杭州311300;浙江省林业智能监测与信息技术实验室,浙江杭州311300;林业感知技术与智能装备国家林业局重点实验室,浙江杭州311300杭州市临安区农业农村信息服务中心,浙江杭州310000
刊名：电子技术应用
Journal：ApplicationofElectronicTechnique
年，卷(期)：2024, 50(4)
分类号：TP18
关键词：水稻产量预测Copula熵深度学习CE-CGRU
Keywords：riceyieldpredictionCopulaEntropydeeplearningCE-CGRU
机标分类号：TP391TN912.34U451.2
在线出版日期：2024年4月26日
基金项目：浙江省自然科学基金项目，浙江农林大学科研发展基金，浙江农林大学创新训练计划项目基于深度学习技术的水稻环境因素产量预测[
期刊论文]电子技术应用--2024, 50(4)张春磊李颜娥丁煜罗煦钦水稻作为全球重要的粮食作物,准确预测水稻产量在农业发展中起着重要作用.由于水稻在环境因子与其生长机理的作用下往往呈现出非线性的特点,难以对其做出较为准确的预测,因此,提出CE-CGRU水稻产量预测模型,对非线性环境...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度学习技术的水稻环境因素产量预测Prediction of rice yield with environmental factors based on deep learning technology
基于深度学习技术的水稻环境因素产量预测.pdf
页:
[1]