基于深度学习的香菇菌棒生产成本预测模型研究

摘要：针对香菇菌棒生产成本管控难、成本预测精度低等问题，本研究在深入剖析香菇菌棒生产成本关键影响因素的基础上，提出了基于时间卷积神经网络（TCN）、双向长短期记忆网络（BiLSTM）和注意力（Attention）机制的香菇菌棒生产成本预测模型。首先利用轻量级梯度提升机（LigllIGBM）筛选出与香菇菌棒生产成本相关的重要特征，降低预测模型的输入维度；然后构建TCN网络与BiLSTM网络对输人数据进行特征提取，并将提取的特征进行融合；最后在上述基础上添加Attention机制，使用全连接层得到最终的香菇菌棒生产成本预测结果。实验结果表明，该模型的预测均方根误差、平均绝对百分比误差、平均绝对误差分别为0.084 1、2.252 6、0.073 8，香菇菌棒生产成本的预测曲线接近真实的曲线，具有良好的预测效果，可以有效满足香菇菌棒生产企业对成本预测的要求。

关键词：香菇菌棒；双向长短期记忆网络；时间卷积神经网络；注意力机制；成本预测；深度学习

中图分类号：S126：S646.1+1 文献标识号：A 文章编号：1001-4942（2025）01-0174-07