一种基于CNN-BiLSTM融合神经网络的温室甘蓝潜在蒸...
实质审查的生效
摘要
本发明公开了一种基于CNN‑BiLSTM融合神经网络的温室甘蓝潜在蒸散量预测方法，该方法根据温室内自主部署的小型气象站获取甘蓝生长环境的气象数据，使用FAO‑56推荐的Penman‑Monteith方法计算甘蓝潜在蒸散量作为数据基础。按照时间序列对数据进行重采样处理，构成数据集。通过融合卷积神经网络和双向长短期记忆神经网络，构建CNN‑BiLSTM神经网络模型，使用训练集进行模型训练优化，利用优化后的CNN‑BiLSTM模型预测温室甘蓝ET0。本方案采用深度卷积神经网络和循环神经网络融合的方法增强了模型的学习能力和适应能力，具有较强的可移植性，对温室气象数据分析更加灵敏，较其他方法，简化了流程，使用更加便捷。通过调整模型的结构参数和输入参数，对模型的精度和稳定性产生了较大的提升，在节约资源的同时，为农业灌溉提供了有效帮助。
基本信息
专利标题 ：
一种基于CNN-BiLSTM融合神经网络的温室甘蓝潜在蒸散量预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114330098A
申请号 ：
CN202111440121.4
公开（公告）日 ：
2022-04-12
申请日 ：
2021-11-30
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李珊珊赵春江吴华瑞李士军宫鹤张哲韩笑
申请人 ：
吉林农业大学;北京市农林科学院信息技术研究中心
申请人地址 ：
吉林省长春市净月开发区新城大街2888号吉林农业大学
代理机构 ：
代理人 ：
优先权 ：
CN202111440121.4
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06K9/62 G06N3/04 G06N3/08 G06F113/08 G06F119/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-04-29 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20211130
申请日 : 20211130
2022-04-12 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
