融合动态时空剪枝与WOA算法的CNS模型土壤湿度预测方法

本发明适用于时空数据预测领域，提供了融合动态时空剪枝与WOA算法的CNS模型土壤湿度预测方法，该方法中，基于多重卷积模块、BiLSTM模块和注意力机制模块构建初始CNS模型；将土壤时序数据作为初始CNS模型的输入，对初始CNS模型进行初步训练；采用动态时空剪枝策略对初步训练后模型的各个模块进行动态修剪；通过反向传播算法更新模型参数，得到用于土壤湿度预测的CNS模型。本发明的CNS模型融合了卷积神经网络CNN、时空图卷积网络STGCN、双向长短期记忆网络BiLSTM以及注意力机制层Attention，能够综合处理和分析来自不同数据源的多模态数据，CNS模型在土壤湿度预测任务中表现出更高的精度和鲁棒性；动态剪枝和WOA算法优化的结合，使得模型能保持稳定的预测性能。