基于PCA-Attention-LSTM网络的土壤氮含量监测

摘要：

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展.提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量.采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征.在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2h土壤氮含量的精监测.最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证.结果 表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156.该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测.

关键词：土壤氮含量监测、主成分分析、Attention机制、LSTM神经网络

所属期刊栏目：41

分类号：S24(农业电气化与自动化)

资助基金：国家自然科学基金;黑龙江省自然科学基金项目

在线出版日期：2020-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：190-197