CN119494448A 一种基于xlstm和同化作物生长模型的冬小麦产量预测方法 （河北工程大学）

一种基于XLSTM和同化作物生长模型的冬小了一种基于XLSTM和同化作物生长模型的冬小麦遥感影像和未来时段的气象数据输入至产量预考虑多源数据的融合及其与产量复杂关系的问2实际站点产量数据来建立扩展型长短期记忆神经2.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，3.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，;4.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，;3;5.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，6.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，7.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，8.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，;49.根据权利要求1所述的一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，损失函数LOSS的计算公式如下：;;令，所述计算机可读指令被处理器执行时使所述处理器执行如权利要求1_9中任一所述的一种基于XLSTM和同化作物生长模型的冬5[0004]近年来，作物生长机理模型与数据同化技术的融合为产量预测提供了新的突积指数（LAI）等关键生长指标的时序数据，机理模型的一个示例是WOFOST（WOrldFOod充分利用遥感影像和多源数据进行产量预测。XLSTM（扩展型长短期记忆网络）是在传统高效计算，能够处理超长序列和大规模上下文信息。这些改进使XLSTM在捕捉时间序列特6[0007]本发明提供一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，解决相[0008]本发明提供了一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，包括[0009]本发明提供了一种基于XLSTM和同化作物生长模型的冬小麦产量预测方法，包括集和实际站点产量数据来建立扩展型长短期记忆神经网络作7[0027]LAI=1.6121*EVI-0.05468PCA表示第t时刻的主成分分析数据。9忆神经网络（XLSTM来解决仅关注单一特征或模型未能充分考虑多源数据的融合及其与[0068]本发明的至少一个实施例中公开了一种基于XLSTM和同化作物生长模型的冬小麦[0082]接着利用随机森林分类算法进行分类。同时对分类结果[0085]其中，overallAccuracy表示总体准确率，Tpi、FP、FN,和TN,是i类的真正[0089]其中Kappa系数是一种用于度量分类一致性的统计指标，其值在一1到1之间；[0096]分时节使用叶面积指数的经验反演模型反演叶面积指数（Leafareaindex，LAI其计算公式如下[0098]LAI=3.503*EVI+0.5612[0100]LAI=1.6121*EVI-0.0546长模型得到的LAI时序数据，对从遥感影像处理得到的LAI时序数据进行逐像元的数据同[0122]在本发明的一些实施例中，将从作物生长模型获取的高时间分辨率LAI时序数据[0145]在本发明的一些实施例中，时间步长设置为3天，构建40个时间步长的时序数据[0150]步骤402：模块建立：XLSTM模块主要分为sLSTM模块和mLSTM模块。建立sLSTM和[0162]log为对数函数，ITlt-1,s为先前的稳定化状态。[0185]Tt,s为hrs通过MLP进行非线性变化后的结果。[0187]yts=xt+Tts[0192]Wup为上投影矩阵，负责将输入特征变量映射到高[0198]Tt,m为映射回原始空间后的输出特征，waowm为下投影矩阵，负责将高维的hm[0208]")为第l+1层的输入。