基于深度神经网络的孟加拉国作物选择与产量预测方法
机器学习
2021-08-10 v1
摘要
农业是人类赖以生存的基本要素，也是主要的生计来源。孟加拉国的农业作业多以传统方式进行，这直接影响了我们的经济。此外，农业机构使用手工数据工作，无法为作物选择与产量预测提供恰当的解决方案。本文展示了以最小成本与精力进行作物选择与产量预测的最佳途径。人工神经网络被认为是建模与预测的鲁棒工具。该算法旨在获得更好的输出与预测，同时本研究还考虑了支持向量机、逻辑回归与随机森林算法以比较准确率与错误率。此外，此处使用的所有这些算法仅用于观察它们在一个超过 30 万条记录的数据集上的表现。我们收集了 46 个参数，如最高与最低温度、平均降雨量、湿度、气候、天气、土地类型、化肥类型、土壤类型、土壤结构、土壤组成、土壤湿度、土壤一致性、土壤反应与土壤质地，以应用于该预测过程。本文建议将深度神经网络用于农作物选择与产量预测。
引用
@article{arxiv.2108.03320,
title = {A Deep Neural Network Approach for Crop Selection and Yield Prediction in Bangladesh},
author = {Tanhim Islam and Tanjir Alam Chisty and Amitabha Chakrabarty},
journal= {arXiv preprint arXiv:2108.03320},
year = {2021}
}