基于ME-BiLSTM模型的苜蓿叶面积指数预测方法

来源：计算机技术与发展杂志2024年第05期北京时间：

作者：杨松涛;葛永琪*;王静;刘瑞

摘要：连续时序的叶面积指数(Leaf Area Index,LAI)可反映苜蓿长势的变化情况,预测苜蓿未来时段的 LAI 对指导田间管理决策具有重要作用。 针对 LAI 数据采集困难,导致苜蓿时序 LAI 存在训练数据不足的问题,该文以生长天数为自变量,采用修正的 Logistic 模型对实测苜蓿 LAI 变化的动态过程进行建模,根据 LAI 模拟曲线进行数据插补,从而构建宁夏引黄灌区试验区 3 年的逐日苜蓿 LAI 数据集。 在插补数据集的基础上,为解决苜蓿刈割后数据突变问题,提出了一种 ME-BiLSTM 模型。 该模型集成移动累计和检验方法(MOSUM)以及基于双向长短期记忆网络(BiLSTM)的编码器-解码器神经网络。 MOSUM 方法可以实现 LAI 数据集中突变点检测,并剔除包含突变点训练批次,同时应用改进的 BiLSTM 模型进行预测。 结果表明:ME-BiLSTM 模型能较好地进行苜蓿 LAI 未来曲线变化的预测,其决定系数(R2)、均方根误差(RMSE)值分别为 0. 998 5 和 0. 072 2。 对于苜蓿生长的各个茬次,预测模型对于第 1 茬、第 4 茬的预测精度最高,第 2 茬和第 3 茬的预测精度稍有降低。

关键词：苜蓿;叶面积指数;Logistic模型;MOSUM;双向长短期记忆网络