利用编码器-解码器的温室温湿度长序列预测

摘要

针对现有温湿度预测模型难以充分考虑温室温湿度数据本身的复杂非线性特征和长期依赖关系，导致模型在实际应用中预测精度不足问题，本文提出了一种基于编码器-解码器架构的多层结构温湿度预测模型.模型通过卷积运算对数据进行多尺度转换和特征提取，并使用改进的双向限制性耦合长短期记忆网络(Bidirectional Restrictive Coupled Long-Short Term Memory, BiRCLSTM)优化了信息传递机制，同时运用多头注意力机制从不同的表示子空间中捕捉信息，最终实现了长序列多变量温室温湿度数据的精确预测.在自建温湿度数据集中，该模型的预测误差明显优于基线模型，并且该模型还在3个公共数据集上进行了不同时间分辨率的预测实验，综合实验结果表明，本文模型在温室温湿度预测中具有更高的精度和良好的泛化性能.

关键词

温湿度预测 / 长时间序列 / 多变量特征 / 编码器-解码器 / 长短期记忆网络