基于CBAM的CNN-Bi-Coupled LSTM的苹果产量预测

农产品产量精准预测一直都是农业生产生活中的重要研究方向,构建一种有效针对时间序列数据的、基于CBAM模块的卷积神经网络和双向耦合的长短期记忆网络相结合的方法,来预测海阳市苹果的产量。所提及的方法不仅通过CNN来提取空间特征,LSTM的门控机制更解决了RNN对于长序列数据训练过程中出现的梯度消失问题,也使用双向网络结构利用反向传输来消除部分噪声和异常值影响。实验结果表明,该模型的RMSE值可达到28.43,相比于产量领域常用的单向LSTM、多种回归网络的预测精度都更高。基于此苹果产量预测工作可给其他农产品预测提供一种新方法,具有良好的理论和参考价值。