文献类型： 中文期刊

作者： 王亿 ¹ ; 曹姗姗 ² ; 孙伟 ² ; 胡博 ³ ; 古丽米拉·克孜尔别克 ¹ ; 孔繁涛 ⁴ ;

作者机构： 1.新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心

2.中国农业科学院农业信息研究所

3.青岛沃林蓝莓果业有限公司

4.中国农业科学院农业经济与发展研究所

关键词： 蓝莓(Vaccinium spp.);根区土壤;含水量;Transformer;LSTM;预测模型

期刊名称： 湖北农业科学

ISSN： 0439-8114

年卷期： 2024 年 008 期

页码： 78-84

收录情况： 北大核心

摘要： 针对土壤含水量预测模型存在难以解决非线性复杂特征、易陷入局部极小值等问题,构建融合Transformer和LSTM的土壤含水量深度学习预测模型（Transformer-LSTM）。采集山东省青岛市黄岛区丁家寨村蓝莓（Vaccinium spp.）生产区冷棚与露天2个站点的蓝莓根区土壤和气象数据作为建模数据,根据皮尔逊相关性和偏自相关性分析选择模型的数据输入特征与输入长度,与单一的Transformer模型和LSTM模型进行对比分析,评估模型对土壤含水量的预测性能。结果表明,Transformer-LSTM模型在预测精度上均优于单一的Transformer模型和LSTM模型,Transformer-LSTM模型的平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）、决定系数（R²）分别为0.245 9、0.572 0、0.012 1、0.960 6。Transformer-LSTM模型可以更全面地提取蓝莓种植环境因子输入序列中的特征信息,有效提升土壤含水量因子预测精度和水平。