基于CNN-BiLSTM-Attetion的銀杏液流預測模型及環(huán)境因子影響研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>4124 K
標簽： 樹干液流預測模型 CNN-BiLSTM-Attetion 環(huán)境因子
所需積分：0分積分不夠怎么辦？
文檔介紹：樹木液流受生理活動和多重環(huán)境因子的共同作用，表現(xiàn)為非線性和隨機性特征，為預測模型的精確度帶來挑戰(zhàn)。對此，結(jié)合CNN卷積層、BiLSTM雙向網(wǎng)絡結(jié)構(gòu)和注意力機制的優(yōu)勢分別對樹干液流序列的局部特征、長期依賴和關鍵信息進行提取，并根據(jù)自測銀杏液流數(shù)據(jù)集構(gòu)建基于CNN-BiLSTM-Attetion的樹干液流預測模型。該模型的R2、MSE和MAE分別為0.977 3、0.002 9和0.013 4，相較于CNN、BiLSTM、XGBoost、RNN和TCN建立的模型均有不同程度的提高。另外，還利用特征工程對環(huán)境因子的重要性進行排名，分析銀杏樹干液流在生長季初期對環(huán)境因子的響應規(guī)律，對銀杏生長季初期的灌溉和養(yǎng)護提供理論依據(jù)。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。