多源异构数据和注意力门控机制的小麦产量预测

摘要

针对传统的单模态数据预测小麦产量存在精度不高的问题，提出一种结合多源异构数据和注意力门控机制的小麦产量预测方法。首先引入了特征级的门控策略，来捕获每个模态内部特征的信息变化；然后利用神经网络评估每个模态内的置信度分数，并构建模态间的有效信息获取模块；最后设计了基于Transformer的空间和通道注意力门控机制模块，将不同模态之间的有效信息进行充分的融合，从而获得最佳的预测特征表示。实验结果表明，所提方法与传统方法相比具有更高的预测精准度，RMSE和MAE分别仅为809 kg/hm²和522 kg/hm²,R²则达到了0.806，通过对河南省近10年的小麦产量进行预测，得到的三项评价指标均相对稳定，且展现出了较强的鲁棒性。消融实验也验证了该方法中的不同组件均能有效提高小麦产量的预测精度，可为相关部门制定保障粮食安全管理决策提供有力的数据支持。

关键词

小麦产量预测 / 多源异构数据 / 注意力机制 / 门控机制 / 特征融合