数据驱动的粮食产能组合预测模型

来源：南京信息工程大学学报·自然科学版杂志2024年第1期北京时间：

作者：张岳，陈为真，陈梦娇

单位：张岳,武汉轻工大学 电气与电子工程学院, 武汉, 430023,陈为真,武汉轻工大学 电气与电子工程学院, 武汉, 430023,38306783@qq.com陈梦娇,武汉轻工大学 电气与电子工程学院, 武汉, 430023

摘要：针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型.在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程.在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷;同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性.研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75％、19％,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度.

关键词：粮食产能预测;秃鹰优化算法;长短期记忆网络;拉普拉斯变异;注意力机制;残差修正

基金资助：湖北省教育厅科技项目(B2020061)