5.3.1　模型参数选取及样本处理

根据试验区实际情况，以秸秆深埋下不同灌水量处理的大田试验实测数据为基础，选取气候数据（在试验区设置自动气象站HOBO-U30，每小时自动记录相关的气象数据，定期导出原始数据，整理成日气象数据，包括地温、气温、辐射量、CO2浓度、降水量）、灌溉条件（不同灌水量、土层深度）、生育期时长及秸秆埋深（35 cm）等9个参变量作为HLSTM编码器的输入参数（第一层次输入），探究上述参变量在时间序列上的自然发展逻辑，将其整体嵌入一个低维欧几里得空间中，模拟各时间点的土壤水盐含量（第一层次输出），并与实测的土壤水盐含量对比，并迭代更新编码器，同时捕获各参变量在时间序列上的内在依存关系，及与土壤水盐间的因果关系（第一层因果关系）。接着，从HLSTM编码器获得的土壤水盐含量的数值作为BMLP解码器的输入（第二层次输入），预测作物产量与水分利用效率（第二层次输出），并与田间实测数据对比验证，对BMLP解码器进行迭代更新，捕获各参变量和土壤水盐含量与作物生产效益间的因果关系（第二层因果关系）。各参变量在数值上相差较大，且量纲也不尽相同，若直接训练会影响模型的学习速率和精度，故在训练之前对已有数据进行规范化预处理，训练时将数据归一化到[0，1]。