基于CNN-LSTM模型的土壤温湿度缺失数据填补算法

来源：湖北农业科学杂志2025年第2期北京时间：

作者：张瑛进1, 史志强1, 古丽米拉·克孜尔别克1, 库木斯·阿依肯2

单位：1.新疆农业大学计算机与信息工程学院,乌鲁木齐 830052;2.新疆医科大学第七附属医院,乌鲁木齐 830001

摘要：针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络（CNN-LSTM）填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LSTM 5个模型对土壤温湿度传感器网络缺失数据进行填补,并采用Adam算法优化模型,使用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）指数对模型填补结果进行评价。结果表明,采用线性插补算法获得完整的数据,CNN-LSTM模型的R2为0.999 9,高于其他模型,MAE、RMSE分别为0.001 85、0.019 70,均远低于其他模型。采用k近邻插补算法获得完整的数据,CNN-LSTM模型的MAE、RMSE分别为0.000 12、0.000 12,均远低于其他模型,R2为0.999 4,高于CNN模型、TCN模型;CNN-LSTM模型对土壤温湿度传感器数据缺失值的填补效果最好。CNN-LSTM模型在处理大规模土壤温湿度传感器缺失数据问题时具有较好的可行性和精确度。

关键词：CNN-LSTM模型,土壤,温湿度,缺失数据填补算法

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）