摘要
本发明公开了一种用于植被指数的预测方法及系统,涉及植被指数预测技术领域,包括:通过融合了以manba为核心的SE注意力机制与CBAM通道注意力机制的多分支空间注意力增强模块,SE分支嵌入了基于状态空间建模的VSSBlock,用于引入结构化的序列建模能力,提升通道维度上的特征响应;CBAM分支结合通道注意力与SS2D模块,通过块内并行二维选择性扫描机制,基于线性时间复杂度高效建模长距离依赖关系,从而充分捕捉时空联合特征;进行特征融合与重构后,通过LSTM和全连接层,预测时序图像数据对应的植被指数。本发明通过平衡了特征表达能力与处理长时序数据能力,为遥感时序数据建模提供了一种结构合理、表达能力强、性能优异的创新技术方案。
技术关键词
输出特征
通道注意力机制
长短期记忆神经网络
预测系统
线性时间复杂度
遥感时序数据
特征提取模块
重构
统计特征
多分支
动态
图像
序列
系统为您推荐了相关专利信息
风险预测方法
模糊综合评判方法
可视化建模工具
指标
集成学习策略
姿态预测方法
分支
通用特征
预测系统
机器人视觉抓取技术
生成对抗网络
多头注意力机制
数据处理单元
特征提取单元
预测系统