物联网和集体基于长期短期内存的蒸发透气预测为利雅得.
Muhammad Asif Nauman1, Mahlaqa Saeed2, Oumaima Saidani3
1Department of Computer Science, University of Engineering and Technology, Lahore 54890, Pakistan.
精确的蒸发透气 (ET) 预测对于水资源管理至关重要. 使用有限的天气数据的整体长短期记忆 (LSTM) 模型在利雅得预测ET方面取得了高准确性.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 数据科学数据科学数据科学
背景情况:
- 蒸发透气 (ET) 对水资源管理和农业效率至关重要.
- 由于复杂的气象变量要求,准确的ET预报具有挑战性.
- 物联网 (IoT) 能够实时收集气象数据,以改善预报.
研究的目的:
- 开发和评估使用有限的气象数据进行ET预测的集体学习方法.
- 评估长短期记忆 (LSTM) 和整体LSTM模型 (包装和提升) 的ET预测性能.
- 在沙特阿拉伯的利雅得,在有限的气象条件下证明拟议方法的有效性.
主要方法:
- 用于ET预报的每日最大温度 (T),平均湿度 (Hm) 和最大风速 (Ws).
- 实现的长期短期记忆 (LSTM) 和整体LSTM (包装和提升) 模型.
- 使用确定系数 (R2),根平均平方误差 (RMSE) 和平均平方误差 (MSE) 对2001-2023年数据的模型准确性进行评估.
主要成果:
- 包装的LSTM模型在ET预测中取得了最高的准确性,R2为0.94.
- 增强的LSTM和现成的LSTM模型的准确性较低 (R2分别为0.91和0.77).
- 袋装LSTM模型表现出更高的效率,RMSE (0.42) 和MSE (0.53) 较低.
结论:
- 集体学习,特别是包装式LSTM方法,在有限的气象数据上有效预测蒸发.
- 拟议的基于物联网和集体学习的方法为农业高效的水资源管理提供了可行的解决方案.
- 包装的LSTM模型为像利雅得这样的数据稀缺环境中的ET预测提供了可靠和准确的工具.
更多相关视频
15:30A Telemetric, Gravimetric Platform for Real-Time Physiological Phenotyping of Plant–Environment Interactions
Published on: August 5, 2020
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Precipitation and Co-precipitation
Precipitation Processes
Responses to Drought and Flooding
Precipitation Titration: Endpoint Detection Methods
In the Volhard method, a standard excess of AgNO3 is first added to the...
Precipitation of Ions
The equation that describes the equilibrium between solid calcium carbonate and its solvated ions is:
Regulation of Transpiration by Stomata
