基于CNN-LSTM模型的土壤温湿度缺失数据填补算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题，提出一种基于卷积神经网络的长短期记忆网络（CNN-LSTM）填补模型。以闪电河流域2019年土壤温湿度数据为试验数据，分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LSTM 5个模型对土壤温湿度传感器网络缺失数据进行填补，并采用Adam算法优化模型，使用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）指数对模型填补结果进行评价。（剩余11109字）

试读结束

目录
monitor