基于改进主成分分析的LSTM水稻产量预测模型研究

摘要

作为农业大国,农业一直是我国经济发展的重要基石,而水稻作为我国主要的粮食作物,随着人口不断增长,其需求量也不断攀升,因此水稻的产量预测对我国农业的发展建设以及保障粮食安全具有重要意义。长短期记忆(LSTM)循环神经网络因其不仅能够较好地处理各因素间的非线性关系,且适合处理时间序列数据的预测问题,在作物产量预测领域应用前景良好。本文提出一种基于改进主成分分析(IPCA)的LSTM循环神经网络,对神经网络的输入进行数据降维,旨在提高神经网络训练的收敛速度,并消除输入数据间由于相关性导致的信息冗余,从而提高预测精度。