基于IAO算法的LSTM改进策略及在葡萄产业时序预测中的应用

来源：中国农机化学报杂志2026年第3期北京时间：

作者：冯建英, 李子涵, 贺苗, 王思文, 田东

单位：中国农业大学信息与电气工程学院，北京市，100083

摘要：针对LSTM（Long Short-Term Memory）模型参数调整复杂、易陷入局部最优及难以充分捕捉复杂数据特征的问题，提出融合“分解—集成”思想、注意力机制、改进的IAO参数调优方法的组合预测模型C—AILSTM，在4组公开数据集验证模型效果，并将模型应用于2组自建的葡萄价格、物流环境因子数据集。试验表明，提出的C—AILSTM模型在4组公开数据集中R2分别达到0.899 5、0.962 0、0.953 3、0.958 0，在自建数据集中R2分别达到0.940 1、0.977 9、0.978 3，预测精度及误差均优于单一LSTM模型。通过与LSTM变体模型的对比试验，进一步验证C—AILSTM模型预测精度的优越性。研究结果可以实现对时序数据的精准预测，同时为葡萄产业价格调控及生产决策提供参考。

关键词：葡萄产业,时间序列,时序预测,长短期记忆网络（LSTM）,注意力机制

基金资助：财政部和农业农村部：国家现代农业产业技术体系资助项目（CARS—29）