基于LSTNet的果园土壤含水量预测模型研究

彭东; 周建平; 许燕; 彭炫; 吴昊臻; 秦春雨

doi:10.13873/J.1000-9787(2024)09-0059-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于LSTNet的果园土壤含水量预测模型研究

研究与探讨 | 更新时间：2025-09-11

- 基于LSTNet的果园土壤含水量预测模型研究
- 暂无标题
- 传感器与微系统 2024年第9期页码：59-62
- 作者机构：
  
  1. 新疆大学机械工程学院
  2. 新疆维吾尔自治区农牧机器人及智能装备工程研究中心
- 作者简介：
- 基金信息：
  
  新疆维吾尔族自治区创新团队项目(2022D14002)
- DOI：10.13873/J.1000-9787(2024)09-0059-04
  中图分类号： S152.7;TP183;TP212.9
- 纸质出版：2024
- 稿件说明：
移动端阅览
彭东, 周建平, 许燕, 等. 基于LSTNet的果园土壤含水量预测模型研究[J]. 传感器与微系统, 2024,(9):59-62.
彭东, 周建平, 许燕, 等. 基于LSTNet的果园土壤含水量预测模型研究[J]. 传感器与微系统, 2024,(9):59-62. DOI： 10.13873/J.1000-9787(2024)09-0059-04.

DOI：

摘要

为了有效利用核桃园各传感器数据，预测核桃园土壤含水量来指导灌溉，建立了基于LSTNet的果园土壤含水量预测模型。首先，确定LSTNet预测模型输入参数；其次，对LSTNet预测模型进行多特征和单一特征输入对比分析；最后，将LSTNet预测模与LSTM预测模型和卷积神经网络(CNN)预测模型进行预测精度比较分析。研究结果表明：LSTNet预测模型相较于其他二种预测模型在果园土壤含水量预测上有更高的预测精度。

Abstract

关键词

Keywords

references

杨海柱,江昭阳,李梦龙,张鹏.基于CS-GRU模型的短期负荷预测方法研究[J].传感器与微系统,2022(09).

王冰玉.基于神经网络灰色模型的农田土壤湿度预测研究[J].节水灌溉,2020(07).

曹洁,沈钧珥,张红,陈作汉,侯亮.优化的BP神经网络短时交通流预测方法[J].传感器与微系统,2020(05).

孙继梅.浅谈土壤墒情的及时监测预报对农业生产的意义[J].农业与技术,2019(23).

冀荣华,李鑫,张舒蕾,郑立华.基于时延神经网络的多深度土壤含水率预测[J].农业工程学报,2017(S1).

赵文举,李晓萍,范严伟,郁文,唐学芬.西北旱区压砂地土壤水分的时空分布特征[J].农业工程学报,2015(17).

甘雅文,李隆,李鲁华,张伟,王宝驹.南疆核桃与小麦间作系统种间根直径及比根长空间分布特征[J].西北农业学报,2015(05).

尚松浩,雷志栋,杨诗秀.冬小麦田间墒情预报的经验模型[J].农业工程学报,2000(05).

Hongju Cheng,Zhe Xie,Leihuo Wu,Zhiyong Yu,Ruixing Li.Data prediction model in wireless sensor networks based on bidirectional LSTM[J].EURASIP Journal on Wireless Communications and Networking,2019.

Cai Yu,Zheng Wengang,Zhang Xin,Zhangzhong Lili,Xue Xuzhang.Research on soil moisture prediction model based on deep learning.[J].PloS one,2019.

Mouna Feki,Giovanni Ravazzani,Alessandro Ceppi,Giuseppe Milleo,Marco Mancini.Impact of Infiltration Process Modeling on Soil Water Content Simulations for Irrigation Management[J].Water,2018.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

神经网络加速PSO算法的超材料吸波体设计

基于机器学习非恒温谐振液体密度测量设计

基于双重时空特征金字塔的人体行为识别

基于注意力机制的耐力训练动作识别方法

基于传感器的腕部动作检测与手势识别方法综述