基于多头LSTM模型的南疆枣树土壤墒情预测

来源：水资源与水工程学报杂志2025年第2期北京时间：

作者：杨轶航，吕德生，刘宁宁，王振华，李淼，张金珠，王东旺

单位：1.石河子大学水利建筑工程学院,2.现代节水灌溉兵团重点实验室,3.兵团农业水肥高效关键装备技术创新中心,4.农业农村部西北绿洲节水农业重点实验室

摘要：在南疆枣业生产中，准确预测土壤墒情对于优化作物种植质量和制定灌溉计划至关重要。通过建立高精度的土壤墒情预测模型，为南疆枣树的灌溉管理提供了科学依据。基于2021和2022年的全生育期枣树在20、40、60、80 cm土层的土壤墒情数据、气象数据以及灌溉水量等小时级数据集，采用长短期记忆神经网络（LSTM）模型对各土层土壤墒情进行多步预测。引入了由4个单一LSTM模型组成的多头LSTM模型，旨在扩大预测范围并提高预测精度，并采用k折交叉验证结合麻雀搜索算法（SSA）对每个单一LSTM模型进行超参数调优，以提升模型的泛化能力和准确性。对各单一模型的输出进行加权平均，获得最终的预测结果。结果表明：在4个土层墒情均值数据集上，多头LSTM模型对未来1、12、24、48 h的土壤墒情预测的决定系数（R2）分别提升至0.951、0.932、0.870、0.815；多头LSTM模型可有效提升枣树土壤墒情的中长期预测精度，特别是在24和48 h的预测中，改进效果尤为明显，这为枣树的精细化灌溉管理提供了有力支持，可帮助农民更有效地利用水资源，减少浪费。

关键词：土壤墒情预测,多头LSTM,麻雀搜索算法,k折交叉验证,南疆滴灌骏枣

基金资助：国家重点研发计划项目(2022YFD1900405)； 兵团科技成果转化引导计划项目(2023BA003)； 国家“十四五”重点研发计划项目(2021YFD1900802-2)； 兵团农业GG项目(2023AA305)