申请/专利权人：长春师范大学

申请日：2022-01-17

公开（公告）日：2023-08-01

公开（公告）号：CN114386332B

主分类号：G06F30/27

分类号：G06F30/27;G06F119/02

优先权：

专利状态码：有效-授权

法律状态：2023.08.01#授权;2022.05.10#实质审查的生效;2022.04.22#公开

摘要：本发明涉及数据处理技术领域，提供一种基于EDC‑LSTM模型的土壤湿度预测方法和电子设备，其中的方法包括：获取历史样本数据；其中，所述历史样本数据包括各预设历史时刻的土壤湿度、降水量以及大气温度；通过所述历史样本数据对预设的预测模型进行训练，以使所述预测模型达到预设精度；其中，所述预测模型包括第一数据处理层和第二任务预测层；通过输入时间步长内的输入数据基于达到预设精度的所述预测模型的第一数据处理层确定所述输入时间步长与预测时间步长之间的中间时间序列数据；基于所述输入数据以及所述中间时间序列数据通过所述第二任务预测层对预测时间步长内的待预测土壤湿度进行预测本。本发明提供的技术方案既能够解决传统的使用LSTM模型进行土壤湿度预测精度低的问题。

主权项：1.一种基于EDC-LSTM模型的土壤湿度预测方法，其特征在于，所述方法包括：获取历史样本数据；其中，所述历史样本数据包括各预设历史时刻的土壤湿度、降水量以及大气温度；通过所述历史样本数据对预设的预测模型进行训练，以使所述预测模型达到预设精度；其中，所述预测模型包括第一数据处理层和第二任务预测层；所述预测模型为EDC-LSTM模型，所述第一数据处理层为编码器-解码器LSTM层，所述第二任务预测层为全连接LSTM层；通过输入时间步长内的输入数据基于达到预设精度的所述预测模型的第一数据处理层确定所述输入时间步长与预测时间步长之间的中间时间序列数据，具体包括：通过所述编码器-解码器LSTM层的编码器模块将所述输入数据转换为相应的隐藏单元；通过所述编码器-解码器LSTM层的解码器模块将所述隐藏单元在预设的中间时间步长内对待预测数据进行表达以形成所述中间时间序列数据；基于所述输入数据以及所述中间时间序列数据通过所述第二任务预测层对预测时间步长内的待预测土壤湿度进行预测，具体包括：将所述编码器-解码器LSTM输出的中间时间序列数据与所述输入时间步长内的输入数据相结合，以形成第二层输入数据；基于所述第二层输入数据通过所述全连接LSTM层对所述预测时间步长内的待预测数据进行预测。

全文数据：

权利要求：

百度查询： 长春师范大学 基于EDC-LSTM模型的土壤湿度预测方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD