基于PCA-Attention-LSTM网络的土壤氮含量监测 |
| |
引用本文: | 刘慧敏,甄佳奇,刘勇,解洪富,许文超.基于PCA-Attention-LSTM网络的土壤氮含量监测[J].中国农机化学报,2020,41(9):190. |
| |
作者姓名: | 刘慧敏 甄佳奇 刘勇 解洪富 许文超 |
| |
作者单位: | 黑龙江大学;山东科技大学;黑龙江东部节水设备有限公司; |
| |
基金项目: | 国家自然科学基金(61501176);; 黑龙江省自然科学基金项目(F2018025) |
| |
摘 要: | 土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。
|
关 键 词: | 土壤氮含量监测 主成分分析 Attention机制 LSTM神经网络 |
|
| 点击此处可从《中国农机化学报》浏览原始摘要信息 |
| 点击此处可从《中国农机化学报》下载免费的PDF全文 |
|