基于iTransformer与LSTM模型融合的农场气温多步预测

来源：湖北农业科学杂志2025年第5期北京时间：

作者：谢琪, 张太红, 刘海朋

单位：新疆农业大学计算机与信息工程学院/新疆农业信息化工程技术研究中心/智能农业教育部工程研究中心,乌鲁木齐 830052

摘要：针对农场气温数据的非线性和复杂性特征,以新疆维吾尔自治区昌吉市华兴农场气象站数据为基础,通过斯皮尔曼相关性分析筛选出气温、地面红外温度、露点温度、相对湿度、水汽压、本站气压、海平面气压 7个特征作为模型输入特征,并对iTransformer-LSTM模型、Transformer模型、LSTM模型、iTransformer模型、Transformer-LSTM模型进行对比分析。结果表明,iTransformer-LSTM模型的表现最好,相较于最优的基准模型iTransformer,该模型的均方根误差（RMSE）下降了13.72%,平均绝对误差（MAE）下降了14.12%,平均绝对百分比误差（MAPE）下降了13.61%。iTransformer-LSTM模型能够有效提取时间序列特征表达、捕捉长期依赖关系、表征全局特征及上下文信息,适用于多特征多步时间序列气温预测任务。

关键词：iTransformer,LSTM,模型融合,多特征,农场气温,多步预测

基金资助：科技部科技创新2030重大项目(2022ZD0115800); 新疆维吾尔自治区重大科技专项(2022A02011-4)