基于CBAM的CNN-Bi-Coupled LSTM的苹果产量预测
李杰1
王俊2
李波1
谭波2
姚为1
1.中南民族大学计算机科学学院 湖北武汉 4300742.煜象科技(杭州)有限公司 浙江杭州 310024
摘要：农产品产量精准预测一直都是农业生产生活中的重要研究方向,构建一种有效针对时间序列数据的、基于CBAM模块的卷积神经网络和双向耦合的长短期记忆网络相结合的方法,来预测海阳市苹果的产量.所提及的方法不仅通过CNN来提取空间特征,LSTM的门控机制更解决了RNN对于长序列数据训练过程中出现的梯度消失问题,也使用双向网络结构利用反向传输来消除部分噪声和异常值影响.实验结果表明,该模型的RMSE值可达到 28.43,相比于产量领域常用的单向LSTM、多种回归网络的预测精度都更高.基于此苹果产量预测工作可给其他农产品预测提供一种新方法,具有良好的理论和参考价值.
关键词：产量预测卷积神经网络双向耦合长短期记忆网络注意力机制深度学习
资助基金：国家自然科学基金(61976226)中南民族大学科研学术团队资助项目(KTZ20050)
论文发表日期：2023-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 4-7 )