期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于RF-BiLSTM神经网络的多时次土壤水分动态预测
被引量:
1
1
作者
李伟
匡昌武
胡欣欣
《湖北农业科学》
2023年第4期168-175,共8页
为探究土壤水分变化特征,提高土壤水分的预测准确率,提出基于随机森林与双向长短期记忆神经网络结合的土壤水分预测方法(RF-BiLSTM),采用三亚国家气候观象台2016-2021年10 cm深度的土壤体积含水量小时数据和同期7个气象要素(气温、地面...
为探究土壤水分变化特征,提高土壤水分的预测准确率,提出基于随机森林与双向长短期记忆神经网络结合的土壤水分预测方法(RF-BiLSTM),采用三亚国家气候观象台2016-2021年10 cm深度的土壤体积含水量小时数据和同期7个气象要素(气温、地面温度、10 cm地温、日照时数、相对湿度、降水量、蒸发量)资料,开展多时次土壤水分预测。结果表明,RF-BiLSTM模型对6、12、24、48 h后的土壤体积含水量预测平均绝对误差(MAE)分别为0.462%、0.702%、0.889%、1.282%,决定系数(R2)分别为0.983、0.967、0.951、0.913,准确率均高于长短期记忆神经网络模型、BP神经网络模型。
展开更多
关键词
双向长短期记忆神经网络(BiLSTM)
随机森林
土壤墒情
多时次预测
下载PDF
职称材料
长短期记忆神经网络在多时次土壤水分动态预测中的应用
被引量:
6
2
作者
范嘉智
谭诗琪
+3 位作者
罗宇
庄翔宇
周伟
罗曼
《土壤》
CAS
CSCD
北大核心
2021年第1期209-216,共8页
基于长沙站2016—2019年10 cm深度土壤水分自动观测小时数据集,利用长短期记忆神经网络(LSTM)模型结合随机采样学习方法,开展了土壤水分多时次预测,结果表明:LSTM模型对6、12、24、48 h后的土壤体积含水量预测均方根误差(RMSE)分别为0....
基于长沙站2016—2019年10 cm深度土壤水分自动观测小时数据集,利用长短期记忆神经网络(LSTM)模型结合随机采样学习方法,开展了土壤水分多时次预测,结果表明:LSTM模型对6、12、24、48 h后的土壤体积含水量预测均方根误差(RMSE)分别为0.22%、0.28%、0.38%、0.54%,决定系数(R2)分别为0.99、0.99、0.98、0.96,除6 h预测步长外,准确率均优于自回归整合滑动平均(ARIMA)模型,且误差稳定、无异常值出现,预测准确率远优于相关研究。该结果证实了基于LSTM模型精准预测土壤水分动态的可行性,为精准灌溉和干旱预警提供了计算机技术及手段支撑,为政府及科研部门水资源管理政策的制定提供了数据支持。
展开更多
关键词
长短期记忆神经网络(LSTM)
土壤体积含水量
气象因子
多时次预测
精准灌溉
下载PDF
职称材料
题名
基于RF-BiLSTM神经网络的多时次土壤水分动态预测
被引量:
1
1
作者
李伟
匡昌武
胡欣欣
机构
海南省气象探测中心
海南省南海气象防灾减灾重点实验室
出处
《湖北农业科学》
2023年第4期168-175,共8页
基金
国家重点研发计划项目(2018YFC15066)
海南省气象局科研项目(hnqxZC202105)。
文摘
为探究土壤水分变化特征,提高土壤水分的预测准确率,提出基于随机森林与双向长短期记忆神经网络结合的土壤水分预测方法(RF-BiLSTM),采用三亚国家气候观象台2016-2021年10 cm深度的土壤体积含水量小时数据和同期7个气象要素(气温、地面温度、10 cm地温、日照时数、相对湿度、降水量、蒸发量)资料,开展多时次土壤水分预测。结果表明,RF-BiLSTM模型对6、12、24、48 h后的土壤体积含水量预测平均绝对误差(MAE)分别为0.462%、0.702%、0.889%、1.282%,决定系数(R2)分别为0.983、0.967、0.951、0.913,准确率均高于长短期记忆神经网络模型、BP神经网络模型。
关键词
双向长短期记忆神经网络(BiLSTM)
随机森林
土壤墒情
多时次预测
Keywords
bidirectional long short-term memory neural network(BiLSTM)
random forest
soil moisture
multi-time prediction
分类号
S152.7 [农业科学—土壤学]
下载PDF
职称材料
题名
长短期记忆神经网络在多时次土壤水分动态预测中的应用
被引量:
6
2
作者
范嘉智
谭诗琪
罗宇
庄翔宇
周伟
罗曼
机构
中国气象局气象干部培训学院湖南分院
气象防灾减灾湖南省重点实验室
湖南省气象服务中心
上海三澎机电有限公司
出处
《土壤》
CAS
CSCD
北大核心
2021年第1期209-216,共8页
基金
中国气象局气象干部培训学院科研项目(内2018-015)
湖南省气象局短平快科研项目(XQKJ18B070)资助。
文摘
基于长沙站2016—2019年10 cm深度土壤水分自动观测小时数据集,利用长短期记忆神经网络(LSTM)模型结合随机采样学习方法,开展了土壤水分多时次预测,结果表明:LSTM模型对6、12、24、48 h后的土壤体积含水量预测均方根误差(RMSE)分别为0.22%、0.28%、0.38%、0.54%,决定系数(R2)分别为0.99、0.99、0.98、0.96,除6 h预测步长外,准确率均优于自回归整合滑动平均(ARIMA)模型,且误差稳定、无异常值出现,预测准确率远优于相关研究。该结果证实了基于LSTM模型精准预测土壤水分动态的可行性,为精准灌溉和干旱预警提供了计算机技术及手段支撑,为政府及科研部门水资源管理政策的制定提供了数据支持。
关键词
长短期记忆神经网络(LSTM)
土壤体积含水量
气象因子
多时次预测
精准灌溉
Keywords
Long short-term memory
Soil volumetric moisture content
Meteorological factor
Multi-time prediction
Precise irrigation
分类号
S152.7 [农业科学—土壤学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于RF-BiLSTM神经网络的多时次土壤水分动态预测
李伟
匡昌武
胡欣欣
《湖北农业科学》
2023
1
下载PDF
职称材料
2
长短期记忆神经网络在多时次土壤水分动态预测中的应用
范嘉智
谭诗琪
罗宇
庄翔宇
周伟
罗曼
《土壤》
CAS
CSCD
北大核心
2021
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部