摘要
本发明公开了一种混合深度学习的冬麦产量估测方法及系统,属于农作物预测技术领域,其方法包括以下步骤:获取冬麦产区的多模态数据,包括遥感数据、气象数据、土壤数据以及GPP数据;利用卷积神经网络模块提取所述多模态数据的空间特征;利用LSTM模块提取所述多模态数据的时间特征;将得到的所述多模态数据的空间特征和时间特征分别进行归一化处理,并编码成对应的嵌入向量序列;对编码后的所述多模态数据的空间特征和时间特征进行融合,并在融合过程中利用注意力机制动态调整各模态数据特征的权重,各模态数据特征包括空间特征和时间特征;基于融合后的多模态数据特征得到冬小麦的产量估测值。本发明提升了冬麦产量的预测精度。
技术关键词
卷积神经网络模块
估测方法
多模态
注意力机制
混合深度学习模型
编码
估测系统
气象
网格
动态
数据获取模块
非线性
融合特征
相对湿度
序列
矩阵
系统为您推荐了相关专利信息
负荷分解方法
矩阵
历史负荷数据
负荷分解技术
卷积模块
胚胎
文本特征向量
特征提取模块
图像特征提取
图像特征向量
语义向量
文本信息处理方法
实体
铁路
多模态信息融合