基于深度学习的农业推荐系统：一种多变量天气预报方法
机器学习
2024-07-15 v3 人工智能
摘要
农业在推动经济增长和保障全球人口粮食安全方面发挥着基础性作用。尽管劳动密集型农业使许多发展中国家的粮食产量稳步增长，但它经常受到暴雨、低温和干旱等恶劣天气条件的挑战。这些因素严重阻碍了粮食生产，对全球粮食安全构成重大风险。为了实现盈利、可持续且对农民友好的农业实践，本文提出了一种由天气预报模型驱动的基于上下文的作物推荐系统。在实现层面，我们考虑了孟加拉国全境。经过广泛评估，采用多变量堆叠 Bi-LSTM（包含三个 Bi-LSTM 层和一个 TimeDistributed 层）网络作为天气预报模型。所提出的天气模型能够预测孟加拉国任意给定位置的降雨量、温度、湿度和日照，平均 值达到 0.9824，且该模型优于其他 SOTA LSTM 模型。这些预测指导我们的系统生成可行的农事决策。此外，我们功能完备的系统还能向农民发出极端天气警报，以便采取预防措施保护农作物。最后，该系统也擅长为易发洪涝和干旱的地区提供基于知识的作物建议。
引用
@article{arxiv.2401.11410,
title = {Agricultural Recommendation System based on Deep Learning: A Multivariate Weather Forecasting Approach},
author = {Md Zubair and Md. Shahidul Salim and Mehrab Mustafy Rahman and Mohammad Jahid Ibna Basher and Shahin Imran and Iqbal H. Sarker},
journal= {arXiv preprint arXiv:2401.11410},
year = {2024}
}
备注
18 pages, 16 figures and 13 tables. Two figures and one table have been added to this version