基于CNN-BiLSTM和残差注意力的县域水稻产量预测模型

来源：湖北农业科学杂志2024年第8期北京时间：

作者：梁泽1, 曹姗姗2a,2b,3, 孔繁涛2c, 孙伟2a,2b,3

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.中国农业科学院,a.农业信息研究所;b.国家农业科学数据中心;c.农业经济与发展研究所,北京 100081; 3.中国农业科学院国家南繁研究院,海南 三亚 572024

摘要：提出一种融合卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）和残差注意力（RA）机制的县域水稻产量预测模型（CNN-BiLSTM-RA）,通过CNN层有效提取县域水稻气象数据中的关键空间特征,利用BiLSTM层深入分析时间序列数据的动态变化,引入RA机制强化对气象数据中关键特征的识别与捕捉,以2015—2017年广西81个县早稻历史产量和气象数据为样本,与CNN、TRANSFORMER、BiLSTM、CNN-BiLSTM、BiLSTM-RA模型进行对比,评价CNN-BiLSTM-RA模型的预测精度和有效性。结果表明,CNN-BiLSTM-RA模型的R2、MAE、RMSE和MAPE分别为0.986 1、0.121 9、0.224 8、0.864 8,模型的预测值与实际值拟合程度较高。CNN-BiLSTM-RA模型充分发挥了CNN的空间特征提取能力、BiLSTM的时间序列数据分析优势和RA机制在增强关键特征捕捉方面的特性,是一种适用于县域水稻产量高精度预测的新方法。

关键词：水稻产量预测,卷积神经网络,双向长短期记忆网络,残差注意力

基金资助：国家自然科学基金面上项目（32271880）