基于隨機森林特征選擇與POA-LSTM組合的參考作物騰發(fā)量預(yù)測方法

摘要： 為了更好地捕捉參考作物騰發(fā)量（ET_0）數(shù)據(jù)的非線性特點及有效影響因素，實現(xiàn)對氣象資料缺乏時的ET_0精準預(yù)測，基于融合建模思想提出了一種隨機森林特征選擇與鵜鶘優(yōu)化算法（POA）優(yōu)化長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）組合的ET_0預(yù)測方法。首先，采用隨機森林特征選擇方法篩選出有效氣象因子作為模型輸入；隨后，通過POA搜索最優(yōu)超參數(shù)組合用于優(yōu)化LSTM模型；最后，基于最優(yōu)超參數(shù)下的L... （共9頁）