典型文献
融合迁移学习的土壤湿度预测时空模型
文献摘要：
针对土壤湿度观测数据量过少导致模型出现过拟合而影响预测精度的问题,本文提出了融合迁移学习的土壤湿度预测时空模型.首先,将ERA5-land数据集作为源域.然后,通过三维卷积层提取土壤湿度滞后时刻的空间特征,并融入长短期记忆网络提取其时间特征,对网络模型进行预训练.最后,以微调方式在SMAP数据集中调整网络参数,进而预测未来土壤湿度.实验结果表明,本文提出的时空深度学习模型相对于卷积神经网络、长短期记忆网络和PredRNN时空预测模型预测精度更高,同时通过迁移学习方法可以进一步提升模型的预测精度.
文献关键词：
计算机应用;土壤湿度预测;卷积神经网络;长短期记忆网络;迁移学习
中图分类号：
作者姓名：
王学智;李清亮;李文辉
作者机构：
吉林大学计算机科学与技术学院,长春130012;长春师范大学计算机科学与技术学院,长春130032
文献出处：
引用格式：
[1]王学智;李清亮;李文辉-.融合迁移学习的土壤湿度预测时空模型)[J].吉林大学学报（工学版）,2022(03):675-683
A类：
土壤湿度预测,PredRNN
B类：
时空模型,湿度观测,观测数据,数据量,过拟合,影响预测,ERA5,land,源域,三维卷积,卷积层,取土,空间特征,长短期记忆网络,时间特征,预训练,微调,SMAP,网络参数,预测未来,深度学习模型,时空预测,迁移学习方法,计算机应用
AB值：
0.294528
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
