农业机械学报

作者：杨玉强，宋坤，罗焕芝

单位：广东海洋大学,广东海洋大学,广东海洋大学,

关键词：土壤温度预测;IBKA算法;ACNN-DD模型;特征提取;智慧农业

基金：广东省自然科学基金项目（2023A1515011212）

土壤温度是农业科学中一个非常重要的变量，其时空变化具有随机性、非线性和非平稳性的特点，极大影响了预测的准确性，为此，提出一种改进黑翅鸢算法（Improved black kite algorithm, IBKA）优化集成注意力机制的卷积神经网络（attention convolutional neural networks, ACNN）和树突网络（dendrite net, DD）的短期土壤温度预测模型。首先，通过自适应分层学习策略改进黑翅鸢算法，以增强算法的优化能力；接着，将集成注意力机制的卷积神经网络和树突网络两种模型融合得到新模型ACNN-DD，用于挖掘土壤温度与特征变量之间的关系，进而输出未来6h内的土壤温度预测结果。最后，为了验证该模型，将重庆市南川区峰岩乡风云村蔬菜种植基地、内蒙古奈曼农田生态系统国家野外科学观测研究站和陕西安塞农田生态系统国家野外科学观测研究站监测的土壤温度数据代入该模型，结果表明，该模型决定系数高达0.98、0.98、0.99，均方根误差低至1.12、1.35、1.37℃，平均绝对百分比误差降到3.83%、5.54%、5.41%，均优于ILSTM_Soil、MLP-FFA和SPA-GA-SVR等传统的土壤温度预测模型。该模型可以有效预测未来6h内的土壤温度，可为智慧农业领域的应用提供理论基础。

来源：2025年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第7期