利用遥感数据预测农产品到货量：洞察与展望
计算机与社会
2019-06-19 v1 机器学习
机器学习
摘要
在印度等发展中国家，农业在民众生活中起着极其重要的作用。在印度，约 80% 的人口以农业或其副产品作为主要就业手段。鉴于庞大人口对农业的依赖，政府提前估算市场因素并为任何偏离这些估算的情况做好准备变得极其重要。农产品到货量是全国在地区层面捕获的一个极重要因素。政府利用农产品到货量、价格、作物质量等重要变量的历史数据与短期预测来采取主动措施并决定各项政策。本文提出一种框架，将短时序与遥感数据结合以预测未来农产品到货量。我们处理远超观测数量多个数量级的极高维数据。我们使用级联的降维技术层结合正则化回归模型进行预测。我们给出了预测印度卡纳塔克邦主要市场到货量及全邦‘Tur’（红gram）作物价格的结果。我们的模型在许多实例中持续优于流行的 ML 技术。我们的模型可扩展、时间高效，并可推广至许多其他作物与地区。我们从回归参数中得出多条洞察，其中一些是未来预测价格等更复杂量时须考虑的重要方面。我们还结合这些洞察为不同政府组织生成重要建议。
引用
@article{arxiv.1906.07573,
title = {Agriculture Commodity Arrival Prediction using Remote Sensing Data: Insights and Beyond},
author = {Gautam Prasad and Upendra Reddy Vuyyuru and Mithun Das Gupta},
journal= {arXiv preprint arXiv:1906.07573},
year = {2019}
}
备注
KDD'18 Fragile Earth Workshop (FEED)