Key points are not available for this paper at this time.
تعتبر رطوبة التربة واحدة من العوامل الرئيسية في الإنتاج الزراعي والدورات الهيدرولوجية، وتنبؤها الدقيق مهم للاستخدام الرشيد وإدارة موارد المياه. ومع ذلك، تتضمن رطوبة التربة خصائص هيكلية معقدة وعوامل جوية، ومن الصعب إنشاء نموذج رياضي مثالي لتنبؤ رطوبة التربة. تعاني نماذج التنبؤ الحالية من مشكلات مثل دقة التنبؤ، والتعميم، وقدرة معالجة الميزات المتعددة، ويجب تحسين أداء التنبؤ. بناءً على ذلك، تم اقتراح استخدام الشبكة العصبية العميقة للتراجع (DNNR) مع القدرة على ملاءمة البيانات الكبيرة لإنشاء نموذج لتنبؤ رطوبة التربة في منطقة بكين. من خلال دمج مجموعة البيانات، وتحليل السلاسل الزمنية للمتغيرات التنبؤية، وتوضيح العلاقة بين الميزات والمتغيرات التنبؤية من خلال مخطط تايلور، يمكن لمجموعة من المعلمات الجوية المختارة توفير أوزان فعالة لتنبؤ الرطوبة. تثبت نتائج الاختبار أن النموذج القائم على التعلم العميق قابل للتطبيق وفعال في تنبؤ رطوبة التربة. إن قدرته الجيدة على ملاءمة البيانات والتعميم يمكن أن تثري خصائص الإدخال مع ضمان دقة عالية في التنبؤ بالاتجاهات والقيم لبيانات رطوبة التربة، وتوفر قاعدة نظرية فعالة للري الموفّر للمياه ومكافحة الجفاف.
دراستهم لهذه المسألة (كاي وآخرون ، الأربعاء).