-
公开(公告)号:CN118362684A
公开(公告)日:2024-07-19
申请号:CN202410287096.8
申请日:2024-03-13
Applicant: 浙江农林大学
IPC: G01N33/00 , G01D21/02 , G06F18/10 , G06F18/214 , G06F17/18
Abstract: 本发明涉及人工智能技术领域,提供的一种基于树液流量的线性基线模型经济林健康监测方法,通过茎流仪采集树干液流数据,同时采用环境传感器获取多种类型环境数据,将树干液流数据和所述环境数据分别进行数据预处理,将预处理后的数据比例划分为训练集和测试集,初始化DLinear预测模型后将训练集输模型对模型进行训练,采用测试集对模型进行测试,当预测精度达到预设阈值,则输出模型用于基于实时获取环境数据预测树干液流数据。本发明还公开了一种用于执行上述方法的系统,该方法和系统能够将不同类型的环境数据分解为趋势分量、季节分量等,即可很好地解决时间序列中非线性关系,且能保持预测精度的同时,大大降低了算力需求。
-
公开(公告)号:CN119537935A
公开(公告)日:2025-02-28
申请号:CN202410916266.4
申请日:2024-07-09
Applicant: 浙江农林大学
IPC: G06F18/214 , G06F18/10 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06F18/15
Abstract: 本发明涉及人工智能技术领域,提供的一种基于注意力机制的CNN‑BiGRU模型树液流量预测方法,通过步骤S1‑S3,通过收集树干液流数据与环境数据,使用CEEMDAN模型将树干液流数据分解为N个本征模型函数,将复杂高维数据中噪声进行剔除,数据归一化过程后进行特征值提取,构成CNN‑BiGRU‑SA模型,CNN用于提取空间特征,BiGRU捕捉时间序列特征,SA增强模型对重要特征的关注以及全局变量的相关性挖掘。本发明还公开了一种系统,该方法和系统能够有效地处理和预测树干液流量,增强树干液流数据与环境数据中的特征提取能力,减少数据处理过程中的数据处理量以及噪声干扰,极大提高模型预测的准确性和效率。
-