基于RF-BiLSTM神经网络的多时次土壤水分动态预测

来源：湖北农业科学杂志2023年第4期北京时间：

作者：李伟1,2, 匡昌武1,2, 胡欣欣1,2

单位：1.海南省气象探测中心,海口 570203; 2.海南省南海气象防灾减灾重点实验室,海口 570203

摘要：为探究土壤水分变化特征,提高土壤水分的预测准确率,提出基于随机森林与双向长短期记忆神经网络结合的土壤水分预测方法（RF-BiLSTM）,采用三亚国家气候观象台2016—2021年10 cm深度的土壤体积含水量小时数据和同期7个气象要素（气温、地面温度、10 cm地温、日照时数、相对湿度、降水量、蒸发量）资料,开展多时次土壤水分预测。结果表明,RF-BiLSTM模型对6、12、24、48 h后的土壤体积含水量预测平均绝对误差（MAE）分别为0.462%、0.702%、0.889%、1.282%,决定系数（R2）分别为0.983、0.967、0.951、0.913,准确率均高于长短期记忆神经网络模型、BP神经网络模型。

关键词：双向长短期记忆神经网络（BiLSTM）,随机森林,土壤墒情,多时次预测

基金资助：国家重点研发计划项目（2018YFC15066）; 海南省气象局科研项目（hnqxZC202105）