基于Bi-LSTM的芒果产量预测

本文针对传统农作物产量预测方法精度并不理想的特点,构建了一种基于双向长短期记忆网络(Bi-LSTM)的芒果产量预测模型,并给出了该模型的算法步骤。首先通过对芒果产量与气象要素的相关性分析,选择相关性较高的要素作为模型的输入;其次对BiLSTM模型进行训练,使模型预测产量与实际产量的误差逐步缩小;最后将训练好的模型用于后续年份的芒果产量预测。仿真实验结果表明,该模型比支持向量回归、BP神经网络等模型具有更高的预测精度,为芒果产量预测提供了一种新的方法,对于其它农作物的产量预测具有较好的参考价值。