一种用于作物生长模型的 EnKF-LSTM 同化算法
人工智能
2024-03-07 v1 机器学习
摘要
准确及时的作物生长预测对于确保作物产量具有重要意义，研究人员已开发了几种作物模型用于预测作物生长。然而，作物模型获得的模拟结果与实际结果之间存在较大差异，因此本文提出将模拟结果与收集的作物数据相结合进行数据同化，以提高预测精度。本文提出了一种结合集合卡尔曼滤波和 LSTM 神经网络的 EnKF-LSTM 数据同化方法，适用于多种作物，有效避免了现有数据同化方法的过拟合问题，并消除了测量数据的不确定性。利用部署在农场的传感器设备收集的数据集，对提出的 EnKF-LSTM 方法进行了验证，并将其与其他数据同化方法进行了比较。
引用
@article{arxiv.2403.03406,
title = {An EnKF-LSTM Assimilation Algorithm for Crop Growth Model},
author = {Siqi Zhou and Ling Wang and Jie Liu and Jinshan Tang},
journal= {arXiv preprint arXiv:2403.03406},
year = {2024}
}