• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Hybrid Deep Learning Predictor for Smart Agriculture Sensing Based on Empirical Mode Decomposition and Gated Recurrent Unit Group Model
【2h】

Hybrid Deep Learning Predictor for Smart Agriculture Sensing Based on Empirical Mode Decomposition and Gated Recurrent Unit Group Model

机译：基于经验模态分解和门控递归单元组模型的智能农业感知混合深度学习预测器

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Smart agricultural sensing has enabled great advantages in practical applications recently, making it one of the most important and valuable systems. For outdoor plantation farms, the prediction of climate data, such as temperature, wind speed, and humidity, enables the planning and control of agricultural production to improve the yield and quality of crops. However, it is not easy to accurately predict climate trends because the sensing data are complex, nonlinear, and contain multiple components. This study proposes a hybrid deep learning predictor, in which an empirical mode decomposition (EMD) method is used to decompose the climate data into fixed component groups with different frequency characteristics, then a gated recurrent unit (GRU) network is trained for each group as the sub-predictor, and finally the results from the GRU are added to obtain the prediction result. Experiments based on climate data from an agricultural Internet of Things (IoT) system verify the development of the proposed model. The prediction results show that the proposed predictor can obtain more accurate predictions of temperature, wind speed, and humidity data to meet the needs of precision agricultural production.
机译：智能农业传感技术最近在实际应用中获得了巨大优势，使其成为最重要和最有价值的系统之一。对于室外种植园，气候数据（例如温度，风速和湿度）的预测使农业生产的计划和控制得以提高，从而提高了作物的产量和质量。但是，由于感测数据复杂，非线性且包含多个成分，因此准确预测气候趋势并不容易。这项研究提出了一种混合深度学习预测器，其中使用经验模式分解（EMD）方法将气候数据分解为具有不同频率特性的固定成分组，然后针对每个组训练门控循环单元（GRU）网络，子预测变量，最后将GRU的结果相加以获得预测结果。基于农业物联网（IoT）系统的气候数据进行的实验验证了该模型的开发。预测结果表明，所提出的预测器可以获得对温度，风速和湿度数据的更准确的预测，以满足精确农业生产的需求。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号