从机器学习视角分析生物质可持续性指标
人工智能
2023-02-07 v1 机器学习
摘要
由于相关环境因素与作物管理措施的变异性，植物生物质估算至关重要。评估在很大程度上受不同环境可持续性指标准确预测的影响。生物质领域亟需一个稳健模型来预测可持续性指标。本研究通过分析可持续性指标并采用机器学习模型，提出一个用于生物质可持续性预测的稳健模型。同时探讨了集成学习处理该回归问题的前景。所有实验均基于俄亥俄州的作物残体数据开展。分析了十种机器学习模型，即线性回归、岭回归、多层感知机、k近邻、支持向量机、决策树、梯度提升、随机森林、stacking 与 voting，用于估算三种生物质可持续性指标：土壤侵蚀因子、土壤调节指数与有机质因子。模型性能采用交叉相关（R2）、均方根误差与平均绝对误差指标评估。结果表明，随机森林是评估可持续性指标的最佳模型。所分析模型现可作为实时评估可持续性指标的指南。
引用
@article{arxiv.2302.00828,
title = {Analysis of Biomass Sustainability Indicators from a Machine Learning Perspective},
author = {Syeda Nyma Ferdous and Xin Li and Kamalakanta Sahoo and Richard Bergman},
journal= {arXiv preprint arXiv:2302.00828},
year = {2023}
}