期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
长短期记忆神经网络在多时次土壤水分动态预测中的应用 被引量：12
1
作者 范嘉智 谭诗琪 +3 位作者 罗宇 庄翔宇 周伟 罗曼 《土壤》 CAS CSCD 北大核心 2021年第1期209-216,共8页
基于长沙站2016—2019年10 cm深度土壤水分自动观测小时数据集,利用长短期记忆神经网络(LSTM)模型结合随机采样学习方法,开展了土壤水分多时次预测,结果表明:LSTM模型对6、12、24、48 h后的土壤体积含水量预测均方根误差(RMSE)分别为0.... 基于长沙站2016—2019年10 cm深度土壤水分自动观测小时数据集,利用长短期记忆神经网络(LSTM)模型结合随机采样学习方法,开展了土壤水分多时次预测,结果表明:LSTM模型对6、12、24、48 h后的土壤体积含水量预测均方根误差(RMSE)分别为0.22%、0.28%、0.38%、0.54%,决定系数(R2)分别为0.99、0.99、0.98、0.96,除6 h预测步长外,准确率均优于自回归整合滑动平均(ARIMA)模型,且误差稳定、无异常值出现,预测准确率远优于相关研究。该结果证实了基于LSTM模型精准预测土壤水分动态的可行性,为精准灌溉和干旱预警提供了计算机技术及手段支撑,为政府及科研部门水资源管理政策的制定提供了数据支持。 展开更多
关键词 长短期记忆神经网络(LSTM) 土壤体积含水量 气象因子 多时次预测 精准灌溉
在线阅读 下载PDF
基于RF-BiLSTM神经网络的多时次土壤水分动态预测 被引量：3
2
作者 李伟 匡昌武 胡欣欣 《湖北农业科学》 2023年第4期168-175,共8页
为探究土壤水分变化特征,提高土壤水分的预测准确率,提出基于随机森林与双向长短期记忆神经网络结合的土壤水分预测方法(RF-BiLSTM),采用三亚国家气候观象台2016-2021年10 cm深度的土壤体积含水量小时数据和同期7个气象要素(气温、地面... 为探究土壤水分变化特征,提高土壤水分的预测准确率,提出基于随机森林与双向长短期记忆神经网络结合的土壤水分预测方法(RF-BiLSTM),采用三亚国家气候观象台2016-2021年10 cm深度的土壤体积含水量小时数据和同期7个气象要素(气温、地面温度、10 cm地温、日照时数、相对湿度、降水量、蒸发量)资料,开展多时次土壤水分预测。结果表明,RF-BiLSTM模型对6、12、24、48 h后的土壤体积含水量预测平均绝对误差(MAE)分别为0.462%、0.702%、0.889%、1.282%,决定系数(R2)分别为0.983、0.967、0.951、0.913,准确率均高于长短期记忆神经网络模型、BP神经网络模型。 展开更多
关键词 双向长短期记忆神经网络(BiLSTM) 随机森林 土壤墒情 多时次预测
在线阅读 下载PDF
基于LSTM神经网络的多要素用电量动态预测
3
作者 谭诗琪 范嘉智 +2 位作者 耿欢 廖春花 卞一飞 《农业灾害研究》 2024年第7期161-163,共3页
准确地预测用电量有助于电力气象服务工作的开展,并可保障电力系统经济、安全、可靠运行。基于东至县2014—2018年日用电量数据,结合气象要素和日期因素,通过相关性分析筛选要素,并利用长短期记忆(LSTM)神经网络开展多时次用电量预测。... 准确地预测用电量有助于电力气象服务工作的开展,并可保障电力系统经济、安全、可靠运行。基于东至县2014—2018年日用电量数据,结合气象要素和日期因素,通过相关性分析筛选要素,并利用长短期记忆(LSTM)神经网络开展多时次用电量预测。利用人体舒适度指数、平均地面温度、最高气温、最低气温、平均水汽压、日期因素和用电量序列数据构建用电量预测LSTM模型,该模型利用过去24日数据,对未来1、3、6日日用电量进行预测,其标准化均方根误差(CVRMSE)分别为0.06、0.09和0.11,相对误差(RE)分别为0.27、0.26、0.27,决定系数(R^(2))分别为0.56、0.22、0.12。结果证实了基于LSTM神经网络预测短期用电量的可行性,可为电力部门开展需求侧管理、提高能源存储运营水平提供技术支持。 展开更多
关键词 电力气象服务 长短期记忆神经网络 多时次预测 日用电量
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部