数据驱动的粮食产能组合预测模型

作     者：张岳 陈为真 陈梦娇 ZHANG Yue;CHEN Weizhen;CHEN Mengjiao

作者机构：武汉轻工大学电气与电子工程学院武汉430023 

出 版 物：《南京信息工程大学学报（自然科学版）》 (Journal of Nanjing University of Information Science & Technology（Natural Science Edition）)

年 卷 期：2024年第16卷第1期

页      面：46-55页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖北省教育厅科技项目(B2020061) 

主　　题：粮食产能预测 秃鹰优化算法 长短期记忆网络 拉普拉斯变异 注意力机制 残差修正 

摘      要：针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型.在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程.在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷;同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性.研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75%、19%,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度.