Multistep ahead prediction of temperature and humidity in solar greenhouse based on FAM-LSTM model
基于 FAM-LSTM 模型的日光温室温湿度多步提前预测
题目：“Multistep ahead prediction of temperature and humidity in solar greenhouse based on FAM-LSTM model” (Yang 等, 2023, p. 1) (pdf)
“基于 FAM-LSTM 模型的日光温室温湿度多步提前预测” (Yang 等, 2023, p. 1) (pdf)
农林科学1区top论文，2023年9月
数据集：
“本试验于 2021 年 11 月 1 日至 2022 年 1 月 31 日在陕西省西北农林 科技大学荆 阳蔬菜 试验示范 站大棚” (Yang 等, 2023, p. 2) (pdf)
模型：
“FAM-LSTM 模型包括输入层、LSTM 层、注意层、全连接层和输出 层。模型中各层的功能如下:” (Yang 等, 2023, p. 5) (pdf)
模型的评价：
RMSE、MAE、
对比：“在相同的原始数据集上进行试验，并与 RNN 、LSTM 、GRU 、 FAM-RNN 和 FAM-GRU 模型进行对比，以验证 FAM-LSTM 模型的性 能” (Yang 等, 2023, p. 8) (pdf)
“FAM 可以捕捉当前和历史时间之间的时间相 关性，并自适应地从多变量时间序列中选择关键特征，从而有效地增强 了 LSTM 模型的预测性能” (Yang 等, 2023, p. 8) (pdf)
可以去试试这个FAM注意力机制。
另外的收获
小提琴图是一种用于显示和比较数据分布的方法。它类似于箱形图，但它提供了更多关于数据密度的视觉线索，数据密度在图表的宽度中表示。
图表沿着垂直轴显示了温度（以摄氏度为单位），沿着水平轴显示了时间（以小时为单位）。每个小提琴图都代表了一个不同时间点的温度分布。图表中的数字可能代表统计度量，如平均值、中位数或特定的数据点。