Resumen

Con el continuo desarrollo de la ciencia de la Tierra, la temperatura del suelo ha recibido cada vez más atención en la investigación del sistema terrestre como un parámetro importante. El cambio de la temperatura del suelo en diferentes regiones y series temporales relacionadas está afectado por muchos factores, lo que dificulta la precisión de la predicción de la temperatura del suelo y la robustez del algoritmo. En este artículo, se propone un modelo de predicción de red incrustada basado en el modelo de unidad recurrente con compuertas (GRU) para aprender las características locales y globales de la temperatura histórica con el fin de mejorar el rendimiento de la predicción de la temperatura del suelo. Introducimos diferentes pasos en el modelo GRU, y la salida se pondera para obtener el resultado de predicción final. Para obtener las características globales de la temperatura del suelo, conectamos los pasos anteriores directamente a la capa de salida, y las características locales de la temperatura del suelo se obtienen a través de los pasos siguientes. En este trabajo, se utiliza los datos de temperatura del suelo de

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Desarrollo continuo; Temperatura del suelo; Modelo de predicción; Modelo GRU; Profundidad del suelo; Precisión de la predicción
• Keywords:Continuous development; Soil temperature; Prediction model; GRU model; Soil depth; Accuracy of prediction