李 莉 李文军 马德新 杨成飞 孟繁佳

(1.中国农业大学农业农村部农业信息获取技术重点实验室， 北京 100083；2.青岛农业大学山东省智慧农业研究院， 青岛 266109；3.中国农业大学现代精细农业系统集成研究教育部重点实验室， 北京 100083)

0 引言

作物蒸腾量是确定灌水计划的重要指标[1-3]。植物的蒸腾作用受环境因子影响较大，根据设施环境因子的变化确定作物灌溉时间和灌溉量成为温室水分管理的重要方法，准确快速地测定作物蒸腾量将直接影响设施作物水分管理的精确控制[4]。

目前，国内外学者针对作物蒸腾研究主要集中在FAO56 Penman-Monteith(P-M)公式的应用和改进[5-7]。李银坤等[8]综合考虑了气温、相对湿度、辐射等环境因素的影响，对P-M方程中与风速有关的空气动力学项进行修正得到P-Mm，但在实际应用中，P-Mm公式需要计算多个参数，且获取困难、计算耗时、耗力。因此，陈士旺等[9]提出了基于基质含水率的遗传算法优化BP神经网络模型对温室番茄蒸腾量进行预测；孙国祥等[10]提出了基于小波变换和动态神经网络模型对温室黄瓜蒸腾速率进行预测；王升等[11-12]提出了基于随机森林算法和基因表达式编程算法的参考作物蒸发蒸腾量模型。上述预测模型属于浅层结构的机器学习方法，在处理大数据上缺少鲁棒性，导致模型普遍缺乏长效性和扩展能力。

长短期记忆网络(Long short term memory, LSTM)作为循环神经网络(Recurrent neural network, RNN)的变种模型，可以有效解决RNN 训练时存在梯度消失和梯度爆炸等问题，大大提高了RNN 网络的准确性。……