5.2.2　BMLP解码器

通过对夏玉米生育期内所有时间节点上各指标学习，从HLSTM编码器得到各项指标嵌入，作为BMLP解码器的输入项，从而很好地捕获了生长时间序列上多变量的变化信息及其与土壤水盐动态变化间的因果关系。而利用BMLP解码器进一步获取土壤水盐变化与产量和水利用率之间的因果关系。HLSTM编码器和BMLP解码器学习并获取2层递进的因果关系，更新整个PSWE模型，有效获取整个夏玉米生长链的多维度时间序列参变量。

层式仿射转换：递进水盐嵌入神经网络中的BMLP解码器是一种具有双隐含层的神经网络结构，各层间信息流的精确仿射转换至关重要。一般情况下，各层学习参数θ包含权矩阵W和偏差参数b。BMLP解码器第l隐层hl表达式可定义为

式中　Wl，bl——第l层的学习权重和偏差参数；

hl-1——上一层的值。

使用层级间的更新规则，给定的输入数据通过层级的运算，最终输出结果。最后一层的隐层表达hl（一个2维向量）将与对应的田间实测产量与水利用率使用Huber Loss函数进行损失计算，则