基于LSTM递归神经网络的番茄目标产量时间序列预测

摘要：

番茄目标产量预测对于合理制定灌溉施肥制度以及减少水肥的浪费有着重要意义.以番茄历年产量数据为依据,提出了一种基于长短期记忆递归神经网络的番茄目标产量预测模型,包括模型设计、网络训练和预测过程实现等,将模型预测结果与自回归移动平均(ARIMA)、小波神经网络(WNN)、支持向量回归(SVR)3种时间序列预测模型进行对比,验证了所提出的LSTM递归神经网络预测模型在番茄目标产量预测中具有较高准确性.

关键词：产量预测、递归神经网络、长短期记忆单元、深度学习

分类号：S275;TP312(农田水利)

资助基金：国家重点研发计划项目"肥料-水源-装备适配技术及调控设备"2017YFD0201504;"十三五"国家重点研发计划项目"适宜西北典型农区的绿色高效节水灌溉装备研制与开发"2016YFC0400202

在线出版日期：2018-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：66-70