融合注意力機制的CNN-LSTM模型預測蒸發(fā)皿蒸發(fā)量

打開文本圖片集

摘要：蒸發(fā)量數(shù)據(jù)對于水循環(huán)機制理解、水資源規(guī)劃和農業(yè)灌溉管理等領域至關重要。基于新疆吐魯番地區(qū)1973～2022年的逐日氣象數(shù)據(jù)，按各氣象因素重要性進行分組，以卷積神經(jīng)網(wǎng)絡（CNN）和長短期記憶神經(jīng)網(wǎng)絡（LSTM）模型為基礎模型，融入注意力機制（Attention）以增強模型對關鍵氣象因素的識別和處理能力，構建了一種CNN-LSTM-Attention組合模型來預測蒸發(fā)皿蒸發(fā)量。（剩余10895字）