DOI：10.3969/j.issn.1672-3872.2026.06.003
基金项目：广西农业职业技术大学校级课题“基于无人机遥感图像的水稻产量估测研究”（YKJ2233）
作 者：王 鑫 ，区 苏 ，谢金燃（广西农业职业技术大学，广西 南宁 530007）
摘 要：【目的】完成大范围、多时段、复杂气候条件下的水稻产量预测任务，实现区域尺度的智能化作物产量预测。【方法】在传统LSTM（Long Short-Term Memory）模型的基础上，融合时间步注意力机制（Time-Step Attention Module, TSAM），提出一种基于时序增强型长短期记忆网络（Time-Step Enhanced LSTM, TSE-LSTM）的水稻产量预测模型。以阿里云天池平台提供的历史水稻产量与气象数据为基础，展开实验并进行对比分析。【结果】TSE-LSTM的决定系数R2 达到0.970 0，说明模型能够准确拟合产量变化趋势，具有良好的解释能力；其均方根误差（RMSE）和平均绝对误差（MAE）相较于标准LSTM模型分别下降约46.6%和45.4%，预测误差显著减小；同时，TSE-LSTM的平均绝对百分比误差（MAPE）进一步降低至1.10%，反映出模型在不同产量水平下均具有较好的稳定性和泛化能力。【结论】相比于其他主流时序模型，TSE-LSTM模型在各项评价指标上均表现最优，展现出较强的水稻产量估测能力，为农业气象数据驱动的作物产量预测提供了新的思路。
关键词：水稻产量预测；LSTM模型；注意力机制；时间序列建模
引文信息：[1]王鑫，区苏，谢金燃.基于改进LSTM模型的水稻产量预测研究[J].南方农机，2026，57(6)：13-16+25.
查看全文请下载PDF文件↓
