分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 玉米和大豆为同季旱粮作物，争地矛盾十分突出，同时掌握玉米和大豆两者的价格是必要的。 相较于现货，农产品期货价格具有价格发现功能。因此，玉米和大豆期货价格分析和预测对种植结构调整 和农户作物品种选择均具有重要意义。本研究首先分析了玉米和大豆期货价格的相关性，通过相关性计算 和格兰杰因果检验，发现玉米和大豆期货具有较强的正向相关性，且大豆期货价格是玉米期货价格的格兰杰 原因; 其次，基于长短时记忆（Long Short-Term Memory，LSTM） 模型对玉米和大豆期货价格进行预测，并 引入注意力机制（Attention） 对期货价格预测模型行优化。对比结果表明，与差分整合移动平均自回归模型 （Autoregressive Integrated Moving Average Model，ARIMA） 和支持向量回归模型（Support Vector Regression， SVR） 相比，LSTM模型在各项指标中均为更优，而与单一的LSTM模型相比，加入Attention机制的Atten⁃ tion-LSTM模型在各项指标中均更优。其中，玉米和大豆期货预测结果的平均绝对误差（Mean Absolute Er⁃ ror，MAE） 分别提升3.8%和3.3%，均方根误差（Root Mean Square Error，RMSE） 分别提升0.6%和1.8%， 平均绝对百分误差（Mean Absolute Percentage Error，MAPE） 分别提升4.8%和2.9%，证明了Attention机制的 加入可以帮助模型提取有效信息，提升性能。最后，使用LSTM模型结合大豆期货历史价格共同预测玉米期 货价格，MAE提升了6.9%、RMSE提升了1.1%、MAPE提升了5.3%。试验结果表明，本研究使用Attention- LSTM模型对玉米和大豆期货价格进行预测，相较于通用预测模型，Attention-LSTM模型能够提高大豆和玉 米期货价格预测精度，且结合相关农产品期货价格数据，可以提升单个农产品期货模型的预测性能。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 作物模型的研究涉及作物生长发育的复杂过程，空间上从分子到细胞、组织、器官、个体、群体 等不同尺度，时间尺度上可以从秒到年。基于不同的研究需求，切换作物模型尺度，可使得作物模型的适 用性更广泛灵活。其中，如何从群体尺度的作物模型转入个体尺度的作物模型是本研究的内容。本研究基 于四个玉米品种的两个处理（灌溉和雨养） 的已有的实验数据和基于这些数据的DSSAT系统的模拟数据， 校准功能结构模型GreenLab的参数，以计算结果一致为指标，探索不同空间尺度模型建立接口的方法，比 较不同模型的特点。结果表明，GreenLab模型可以复现DSSAT系统的模拟数据和实际测量数据，进一步可 以反演出各种器官之间生物量的分配并进行三维可视化展示。最后讨论了不同空间尺度模型结合的优势及 应用领域。
点击量
点击量
下载量
评论
