《表3 各模型的预测效率比较》
表3为各模型的预测效率比较。由表3可知,CNN-GRU模型的耗时比结构较简单的BP模型长,但模型损失值与其相比降低了18.18%,预测精度更好。由于CNN局部连接和权值共享的特性,在捕捉高层次特征的同时可由池化层特征降维,减少参数,CNN-GRU模型相比LSTM模型和GRU模型的训练时间明显缩短,并且模型的损失值更低,预测效果更好,损失值较LSTM模型和GRU模型均降低了10%。结果表明,CNN-GRU对于复杂多变的出菇房小气候环境数据有着很好的适应能力,同时模型的运行效率也得到了提升。
图表编号 | XD00224387600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 赵全明、宋子涛、李奇峰、郑文刚、刘宇、张钟莉莉 |
绘制单位 | 河北工业大学电子信息工程学院、河北工业大学电子信息工程学院、北京农业智能装备技术研究中心、北京农业信息技术研究中心、北京农业智能装备技术研究中心、北京市农林科学院植物保护环境保护研究所、北京农业信息技术研究中心 |
更多格式 | 高清、无水印(增值服务) |