马晨光, 蔡焕杰, 卢亚军. 基于APSIM模型不同水氮处理下N2O的排放研究[J]. 灌溉排水学报, 2020, 39(11): 120-129.
吴梦琴, 李成芳, 盛锋, 等. 基于DNDC模型评估湖北省不同稻作系统不同管理措施温室气体排放的周年变化[J]. 中国生态农业学报(中英文), 2021, 29(9): 1480-1492.
燕振刚, 李薇, Yan Tianhai, 等. BP神经网络算法在河西绿洲玉米生产碳排放评估中的应用及算法有效性研究[J]. 中国生态农业学报(中英文), 2018, 26(8): 1100-1106.
BRISCOE N J, MORRIS S D, MATHEWSON P D, et al. Mechanistic Forecasts of Species Responses to Climate Change: The Promise of Biophysical Ecology[J]. Global Change Biology, 2023, 29(6): 1451-1470. doi: 10.1111/gcb.16557
吴成秋, 曹召丹, 赵小二, 等. 基于水文气象因子的农田生态系统碳通量预测[J]. 湖北农业科学, 2024, 63(8): 267-280.
JOBARTEH B, NEETHIRAJAN S. Leveraging Satellite Data for Greenhouse Gas Mitigation in Canadian Poultry Farming[J]. Smart Agricultural Technology, 2025, 10: 100704. doi: 10.1016/j.atech.2024.100704
SEO J Y, LEE S I. CO2 Emissions Associated with Groundwater Storage Depletion in South Korea: Estimation and Vulnerability Assessment Using Satellite Data and Data-Driven Models[J]. Remote Sensing, 2024, 16(17): 3122-3144. doi: 10.3390/rs16173122
张文栋, 刘子琨, 梁涛, 等. 基于CNN-LSTM的综合能源系统负荷预测模型[J]. 重庆邮电大学学报(自然科学版), 2023, 35(2): 254-262.
宋育苗, 于金霞. 基于CNN-GRU的移动APP流行度预测模型[J]. 重庆邮电大学学报(自然科学版), 2024, 36(4): 747-755.
JI X, WANG J C, YAN Z J. A Stock Price Prediction Method Based on Deep Learning Technology[J]. International Journal of Crowd Science, 2021, 5(1): 55-72. doi: 10.1108/IJCS-05-2020-0012
杨寒雨, 赵晓永, 王磊. 数据归一化方法综述[J]. 计算机工程与应用, 2023, 59(3): 13-22.
王兴浩. 基于贝叶斯优化的图神经网络架构搜索方法[D]. 长春: 吉林大学, 2022.
任建吉, 位慧慧, 邹卓霖, 等. 基于CNN-BiLSTM-Attention的超短期电力负荷预测[J]. 电力系统保护与控制, 2022, 50(8): 108-116.
赖晓蓥, 钱俊. ARIMA-LSTM-XGBoost加权组合模型在肺结核发病趋势预测的研究[J]. 现代预防医学, 2021, 48(1): 5-9.
代业明, 周琼. 基于改进Bi-LSTM和XGBoost的电力负荷组合预测方法[J]. 上海理工大学学报, 2022, 44(2): 138-147.
赵阳, 范文奕, 安佳坤, 等. 基于智能加权混合模型的新型电力系统电量预测方法[J]. 电测与仪表, 2022, 59(12): 56-63.
侯慧, 吴文杰, 魏瑞增, 等. 基于注意力机制的CNN-LSTM-XGBoost台风暴雨电力气象混合预测模型[J]. 智慧电力, 2024, 52(10): 96-102.
赵宏, 王乐, 王伟杰. 基于BiLSTM-CNN串行混合模型的文本情感分析[J]. 计算机应用, 2020, 40(1): 16-22.
王晓玲, 王成, 王佳俊, 等. 大坝渗压混合预测的STL分解-集成学习模型[J]. 水力发电学报, 2024, 43(9): 106-123.
赵明珠, 王丹, 方杰, 等. 基于LSTM神经网络的地铁车站温度预测[J]. 北京交通大学学报, 2020, 44(4): 94-101.
HAMRANI A, AKBARZADEH A, MADRAMOOTOO C A. Machine Learning for Predicting Greenhouse Gas Emissions from Agricultural Soils[J]. Science of the Total Environment, 2020, 741: 140338.
HARSÁNYI E, MIRZAEI M, ARSHAD S, et al. Assessment of Advanced Machine and Deep Learning Approaches for Predicting CO2 Emissions from Agricultural Lands: Insights across Diverse Agroclimatic Zones[J]. Earth Systems and Environment, 2024, 8(4): 1109-1125. doi: 10.1007/s41748-024-00424-x
FREITAS L P S, LOPES M L M, CARVALHO L B, et al. Forecasting the Spatiotemporal Variability of Soil CO2 Emissions in Sugarcane Areas in Southeastern Brazil Using Artificial Neural Networks[J]. Environmental Monitoring and Assessment, 2018, 190(12): 741. doi: 10.1007/s10661-018-7118-0