基于RIME-CNN-SVR模型的麦田土壤水分反演OA北大核心CSTPCD
土壤水分监测对于农业生产和作物产量预估具有重要意义。近年来深度学习技术在土壤水分反演领域得到广泛应用,但大多侧重于模型结构增强和优化,对模型超参数优化研究探索不足。该研究提出了一种基于霜冰优化算法(rime optimization algorithm,RIME)的卷积神经网络(convolutional neural network,CNN)超参数优化模型,结合极化分解技术来校正植被对土壤水分反演精度的影响,以提高冬小麦农田土壤水分反演性能。首…查看全部>>
王然;赵建辉;杨会巾;李宁
河南大学计算机与信息工程学院,开封475004 河南省大数据分析与处理重点实验室,开封475004 河南省空间信息处理工程研究中心,开封475004 河南大学交叉学科高等研究院,开封475004河南大学计算机与信息工程学院,开封475004 河南省大数据分析与处理重点实验室,开封475004 河南省空间信息处理工程研究中心,开封475004 河南大学交叉学科高等研究院,开封475004河南大学计算机与信息工程学院,开封475004 河南省大数据分析与处理重点实验室,开封475004 河南省空间信息处理工程研究中心,开封475004 河南大学交叉学科高等研究院,开封475004河南大学计算机与信息工程学院,开封475004 河南省大数据分析与处理重点实验室,开封475004 河南省空间信息处理工程研究中心,开封475004 河南大学交叉学科高等研究院,开封475004
农业科学
土壤水分卷积神经网络支持向量回归霜冰优化算法极化分解合成孔径雷达
《农业工程学报》 2024 (15)
P.94-102,9
国家自然科学基金项目(42101386)河南省高等学校重点科研项目(22A520021)河南省科技攻关计划项目(222102110439,23102211043,242102210113)自然资源部南方丘陵区自然资源监测监管重点实验室开放基金课题(NRMSSHR2022Z01)开封市科技计划重点研发专项(22ZDYF006)。
评论