融合GA-Attention-LSTM算法的温室樱桃环境参数预测与裂果预警

hkf

融合GA-Attention-LSTM算法的温室樱桃环境参数预测与裂果预警

摘要：针对温室环境因素对樱桃的影响，设计一套大樱桃温室环境自动监测装置，用来采集温室内的环境参数值为樱桃裂果提供数字化预警支持及防治方案。基于采集的环境参数值，首先使用相关性分析得出与棚内裂果具有强相关性的环境参数特征；其次使用滑动窗口方法将输入的环境特征生成时间序列矩阵形式；随后提出一种融合GA-Attention-LSTM算法的预测模型，实现精准预测棚内的环境参数的功能；最后通过SPSS数据分析软件来分析不同大棚的环境参数和裂果率。所提的融合GA-Attention-LSTM算法的预测模型的平均绝对误差为0.112,均方误差为0.087,相比于LSTM网络模型高出12.80%和9.72%,对环境参数的预测精度更高，同时得出一套科学的樱桃环境参数值范围，为预测模型对樱桃裂果数字化预警提供有力支持。