麦类作物学报

作者：姜宇，马廷淮

单位：1.新疆大学软件学院,新疆乌鲁木齐830091 2.南京信息工程大学软件学院,江苏南京210044

关键词：冬小麦,注意力机制,卷积神经网络,长短期记忆网络,产量预测,

基金：国家重点研发计划项目（政府间重点专项）（2021YFE104400）

为探讨利用时空建模的深度学习方法提高大区域冬小麦产量预测精度的可行性，从县级冬小麦产量预测角度出发，使用卷积神经网络(convolutional neural networks, CNN)从气候和土壤数据中提取与作物产量密切相关的特征数据，利用注意力机制（attention mechanism）捕捉特征数据之间的相互依赖性，最后将重新加权的特征与长短期记忆网络(long short-term memory network, LSTM)从年产量中捕获到的时间依赖性结合来预测县级冬小麦产量。结果表明，注意力机制模块能够有效地考虑到从CNN中提取的特征之间的相对重要性；模型 RMSE为686.82 kg·hm-2，相较于支持向量机（SVR）、深度全连接（DFNN）和随机森林（RF）模型分别降低了43%、30%和67%，且R2在0.755以上，MAPE低于14.11%，预测精度均优于传统方法。这说明将注意力机制、CNN和LSTM结合建立的预测模型具有良好的泛化能力和空间平稳性，可用于大区域冬小麦产量预测。

来源：2024年第10期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2024年第10期