期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
极限梯度提升和长短期记忆网络相融合的土壤温度预测
被引量：
6
1
作者
李清亮
蔡凯旋
+4 位作者
耿庆田
刘光洁
孙明玉
张嵛
于繁华
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第10期2337-2348,共12页
土壤温度是地球科学多个领域的重要变量。其时空变化受多种环境因素影响,这对土壤温度的准确预测带来巨大挑战。以机器学习为核心的数据驱动方法,在土壤温度预测中是重要研究领域,为基于物理过程模型提供重要补充。然而目前针对土壤温...
土壤温度是地球科学多个领域的重要变量。其时空变化受多种环境因素影响,这对土壤温度的准确预测带来巨大挑战。以机器学习为核心的数据驱动方法,在土壤温度预测中是重要研究领域,为基于物理过程模型提供重要补充。然而目前针对土壤温度影响因素量性研究较少,因此本文提出XGBoost-LSTM的数据驱动方法。基于极限梯度提升算法(XGBoost)分析土壤温度影响因素的重要性,然后根据影响因素重要性依次组合,并输入至长短期记忆网络(LSTM),得到最优预测模型并实现土壤温度预测。最后在长白山和海北两个气象站完成实验,本文方法的最优均方根误差为2.234、平均绝对误差为1.716、纳什效率系数为0.932、LMI系数为0.729和威尔莫特一致性指数为0.983。结果表明本文提出的XGBoost-LSTM预测模型与目前土壤温度中常用的数据驱动模型相比,均表现出更高的精确度。
展开更多
关键词
土壤温度预测
长短期记忆网络
极限梯度提升
特征重要性
数据驱动方法
在线阅读
下载PDF
职称材料
题名
极限梯度提升和长短期记忆网络相融合的土壤温度预测
被引量：
6
1
作者
李清亮
蔡凯旋
耿庆田
刘光洁
孙明玉
张嵛
于繁华
机构
长春师范大学计算机科学技术学院
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第10期2337-2348,共12页
基金
国家自然科学基金资助项目(No.61604019)
吉林省省级科技创新项目资助(No.20190302026GX)
+4 种基金
吉林省发改委产业技术研究与开发项目资助(No.2020C019-3,No.2019C054-8)
吉林省科技发展计划资助项目(No.20180201086SF)
吉林省高等教育学会高教科研项目资助(No.JGJX2018D10)
辽宁省科技厅联合开放基金机器人学国家重点实验室开放基金资助项目(No.2020-KF-22-08)
长春师范大学青年教师培育计划项目(长师大自科合字〔2019〕第006号)。
文摘
土壤温度是地球科学多个领域的重要变量。其时空变化受多种环境因素影响,这对土壤温度的准确预测带来巨大挑战。以机器学习为核心的数据驱动方法,在土壤温度预测中是重要研究领域,为基于物理过程模型提供重要补充。然而目前针对土壤温度影响因素量性研究较少,因此本文提出XGBoost-LSTM的数据驱动方法。基于极限梯度提升算法(XGBoost)分析土壤温度影响因素的重要性,然后根据影响因素重要性依次组合,并输入至长短期记忆网络(LSTM),得到最优预测模型并实现土壤温度预测。最后在长白山和海北两个气象站完成实验,本文方法的最优均方根误差为2.234、平均绝对误差为1.716、纳什效率系数为0.932、LMI系数为0.729和威尔莫特一致性指数为0.983。结果表明本文提出的XGBoost-LSTM预测模型与目前土壤温度中常用的数据驱动模型相比,均表现出更高的精确度。
关键词
土壤温度预测
长短期记忆网络
极限梯度提升
特征重要性
数据驱动方法
Keywords
soil temperature estimation
long short-term memory
extreme gradient
data-driven method
weight of feature
分类号
P401 [天文地球—大气物理学与大气环境]
P343.8 [天文地球—水文科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
极限梯度提升和长短期记忆网络相融合的土壤温度预测
李清亮
蔡凯旋
耿庆田
刘光洁
孙明玉
张嵛
于繁华
《光学精密工程》
EI
CAS
CSCD
北大核心
2020
6
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
