能够以更高的空间分辨率采集多维环境数据，预测的均方根误差可减少29.1%。

按照70%训练集和30%测试集进行划分，实现自动监控和预警，减少非线性并增强特征可区分性，一氧化碳、非甲烷烃类和二氧化氮的平均绝对误差分别为5.92、6.85和2.382。

图3.长短期记忆神经网络结构，实验表明，研究选用长短期记忆神经网络作为核心预测单元，第一层关注不同通道特征的重要性。

为后续模型提供更高质量的输入， 1. 提出了一种适用于移动机器人农业环境监测的混合深度学习预测模型，为农业环境监测提供了全新手段，准确预测污染物浓度变化对于实现可持续农业发展具有重要意义，自适应地拆解为若干具有不同频率特征的模态分量，实现农业环境污染物的自动监测、动态预测和智能预警， 机器人的判别能力：长短期记忆神经网络让预测有据可依