基于CNN-BiLSTM和殘差注意力的縣域水稻產(chǎn)量預(yù)測模型

打開文本圖片集

摘要：提出一種融合卷積神經(jīng)網(wǎng)絡(luò)（CNN）、雙向長短期記憶網(wǎng)絡(luò)（BiLSTM）和殘差注意力（RA）機制的縣域水稻產(chǎn)量預(yù)測模型（CNN-BiLSTM-RA），通過CNN層有效提取縣域水稻氣象數(shù)據(jù)中的關(guān)鍵空間特征，利用BiLSTM層深入分析時間序列數(shù)據(jù)的動態(tài)變化，引入RA機制強化對氣象數(shù)據(jù)中關(guān)鍵特征的識別與捕捉，以2015—2017年廣西81個縣早稻歷史產(chǎn)量和氣象數(shù)據(jù)為樣本，與CNN、TRANSFORMER、BiLSTM、CNN-BiLSTM、BiLSTM-RA模型進行對比，評價CNN-BiLSTM-RA模型的預(yù)測精度和有效性。（剩余12444字）