一篇新研究论文探讨了深度学习模型在农业气象预测中的有效性。该研究比较了GRU和LSTM等循环架构与1D-CNN-GRU和1D-CNN-LSTM等混合模型。利用希腊伊奥阿尼纳的数据，评估了模型在24小时和168小时预测蒸散量、蒸汽压亏缺和风速的能力。混合CNN-GRU模型表现出最高的性能，尤其是在短期预测方面。 AI
影响 这项研究可能有助于提高农业规划和资源管理的准确天气预测。
排序理由 研究论文，详细介绍了深度学习模型在特定应用中的比较分析。[lever_c_demoted from research: ic=1 ai=1.0]
- 1D-CNN-GRU
- 1D-CNN-LSTM
- ERA5
- gated recurrent unit
- Ioannina, Greece
- long short-term memory
- Open-Meteo
- Sotirios Kontogiannis
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
