基于Transformer-LSTM的农产品产量预测
打开文本图片集
农产品产量预测是精准农业的一项关键技术，对于保障粮食安全和合理配置资源意义重大。传统的预测方式主要基于统计回归或时间序列分析，只能处理简单的非线性问题和变量间的耦合问题，难以解决更复杂的问题。近年来，随着深度学习的发展，时间序列预测领域有了很大的进步，LSTM（长短期记忆，longshort-termmemory）网络能更好地建立序列相关性，适用于处理多变量预测问题[2-3]
然而，单一LSTM模型在长程依赖上有明显的缺陷，并且无法充分利用多源异构数据。（剩余4214字）
