使用随机森林进行棉花产量预测
机器学习
2023-12-06 v1 计算机与社会
应用统计
摘要
美国棉花产业致力于可持续的生产实践，旨在最大限度地减少水、土地和能源的使用，同时改善土壤健康并提高棉花产量。气候智慧型农业技术正在被开发，以提高产量并降低运营成本。然而，由于品种、土壤类型、管理、病虫害、气候和天气模式对农作物的复杂且非线性的影响，农作物产量预测具有挑战性。为了解决这个问题，我们采用机器学习（Machine Learning, ML）在考虑气候变化、土壤多样性、品种和无机氮水平的情况下预测产量。从 20 世纪 80 年代到 90 年代，在美国南部棉花带收集了田间数据。为了捕捉过去六年气候变化的最当前影响，利用基于过程的作物模型 GOSSYM 生成了第二个数据源。我们将精力集中在三个南部州（德克萨斯州、密西西比州和佐治亚州）各自内部的三个不同区域。为了简化计算量，将每组实验数据的累积热单位（Accumulated Heat Units, AHU）用作利用时间序列天气数据的类比。Random Forest Regressor 达到了 97.75% 的准确率，均方根误差为 55.05 kg/ha，R2 约为 0.98。这些发现表明，可以开发并应用一种 ML 技术作为可靠且易于使用的模型，以支持棉花气候智慧型倡议。
引用
@article{arxiv.2312.02299,
title = {Cotton Yield Prediction Using Random Forest},
author = {Alakananda Mitra and Sahila Beegum and David Fleisher and Vangimalla R. Reddy and Wenguang Sun and Chittaranjan Ray and Dennis Timlin and Arindam Malakar},
journal= {arXiv preprint arXiv:2312.02299},
year = {2023}
}
备注
6 pages, 2 figures, 3 tables