| 基于长短期记忆的柑橘园蒸散量预测模型 |
| |
| 引用本文： | 谢家兴,高鹏,孙道宗,陈文彬,陈绍楠,王卫星.基于长短期记忆的柑橘园蒸散量预测模型[J].农业机械学报,2020,51(S2):351-356. |
| |
| 作者姓名： | 谢家兴 高鹏 孙道宗 陈文彬 陈绍楠 王卫星 |
| |
| 作者单位： | 华南农业大学;广东省农情信息监测工程技术研究中心;华南农业大学;广东省智慧果园科技创新中心 |
| |
| 基金项目： | 广东省科技专项资金（“大专项+任务清单”）项目（2020020103）、广东省重点领域研发计划项目（2019B020214003）、广东省教育厅特色创新类项目（2019KTSCX013）、国家荔枝龙眼产业技术体系建设专项资金项目（CARS-32-14）、广东省现代农业产业技术体系创新团队建设专项资金项目（2019KJ108）和广东省大学生科技创新培育专项资金项目（PDJH2019B0080） |
| |
| 摘 要： | 传统的柑橘灌溉方式主要依赖人工经验，一方面有可能导致灌溉时机不准确，另一方面有可能造成灌溉量过高或者过低，对果实的生长都会产生负面影响。柑橘果园水分蒸散量是表征耗水量的重要指标。为了实现对大面积柑橘果园蒸散量(Evapotranspiration, ET)的准确估算，制定更加科学精细化的灌溉策略，基于气象数据集，应用长短期记忆（Long short term memory, LSTM）、极限学习机（Extreme learning machine, ELM）和广义回归神经网络(General regression neural network, GRNN)方法对蒸散量建立预测模型并验证其准确性。结果表明，LSTM模型的平均绝对误差(Mean absolute error, MAE)和均方根误差(Root mean square error, RMSE)是3种模型中最优的，ELM和GRNN模型的性能接近。为了估算3种模型结果的可信度，在训练时加入了蒙特卡洛不确定性分析方法。结果表明，LSTM模型在不同输入特征数量下具有较高的精度，而ELM模型存在预测值偏高的现象，GRNN模型则偏低。
|
| 关 键 词： | 蒸散量 柑橘园 预测模型 长短期记忆 广义回归神经网络 极限学习机 |
| 收稿时间： | 2020/8/13 0:00:00 |
Modeling on Prediction of Evapotranspiration of Citrus Orchard Based on LSTM |
| |
| XIE Jiaxing,GAO Peng,SUN Daozong,CHEN Wenbin,CHEN Shaonan,WANG Weixing.Modeling on Prediction of Evapotranspiration of Citrus Orchard Based on LSTM[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(S2):351-356. |
| |
| Authors: | XIE Jiaxing GAO Peng SUN Daozong CHEN Wenbin CHEN Shaonan WANG Weixing |
| |
| Institution: | South China Agricultural University;Guangdong Engineering Research Center for Monitoring Agricultural Information; South China Agricultural University;Guangdong Modern Agricultural Science and Technology Innovation Center for Intelligent Orchard |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
