基于多头长短期记忆网络的土壤水分预测模型研究——以青海湖流域天峻县为例

摘要

土壤水分在区域水循环和能量循环中发挥着重要作用，其动态变化信息对水资源管理、农业生产等领域的研究具有重要意义.本文基于青海湖流域天峻高密度土壤水分和冻融监测传感器网络中无缺失值的27号站点数据集，使用多头长短期记忆网络（multihead long short-term memory network,multihead LSTM），输入土壤水分、土壤电导率和土壤温度3种土壤参数及其滑动变异系数，在5、10和30 cm这3个土壤深度分别建立土壤水分深度学习预测模型，利用该模型预测了该站点1、7和30 d后的土壤水分.本研究构建的3种深度土壤水分预测模型的决定系数R2均值为0.90，均方根误差RMSE均值为0.031，平均绝对百分比误差MAPE均值为15.33%，表明该模型方法能够进行不同时间尺度多层土壤水分的高精度时间序列预测.

关键词

土壤水分 / 传感器网络 / 深度学习 / 长短期记忆网络 / 时间序列预测

基金资助

国家自然科学基金资助项目（42571391）