基于一种深度学习模型的土壤湿度预测研究

作者：耿庆田; 刘植; 李清亮; 于繁华; 李晓宁

来源：吉林大学学报（工学版）, 2022, 1-10.

DOI：10.13229/j.cnki.jdxbgxb20220125

• 软件工程
• 土壤湿度
• 深度学习
• 机器学习

传统的基于深度学习的水文预测模型在反映土壤水分时空特异性有一定局限性。本文提出了一种具有channel-agnostic和spatial-specific结构的时空预测深度学习模型。spatial-specific性质是在不同空间位置自适应分配网络权值提取不同区域土壤湿度的空间特征；channel-agnostic性质是用一维卷积提取单个grid点通道中土壤湿度和predict的时间特征，准确捕获单点的土壤湿度和其预测因子的变换关系，将lagged和预测因子作为模型输入在单个网格点进行预测。实验结果表明，本文模型的预测能力相较于传统的DL模型有很大的提升，在中国北方区域，模型的决定系数（R2）相较于CNN提高了80%。

• 单位
  长春师范大学; 北华大学