基于分位数随机森林与 Epanechnikov 核函数的作物产量概率密度预测

一个可靠且准确的作物产量预测模型对农业部门的高效决策过程至关重要。然而，由于极端天气与不确定性，大多数作物产量预测模型并不可靠和准确。为度量不确定性并获取未来作物产量的进一步信息，提出了一种基于分位数随机森林与 Epanechnikov 核函数（QRF-SJ）的概率密度预测模型。应用随机森林的非线性结构来改进分位数回归模型以构建概率预测模型。在核密度估计中使用 Epanechnikov 核函数以及 Sheather 和 Jones 的解方程插件法。以加纳花生与小米年度作物产量为例，展示了所提技术的效率与稳健性。两种作物的预测区间覆盖概率与预测区间归一化平均宽度值表明，所构建的预测区间以高覆盖概率捕获了观测产量。概率密度曲线显示 QRF-SJ 方法具有非常高的能力来预测具有高覆盖概率的优质预测区间。特征重要性给出了在构建分位数回归森林模型中各气象变量重要性的评分。农民与其他利益相关者能够通过特征重要性认识到影响所选作物产量的具体气象变量。所提方法及其在作物产量数据集上的应用为文献中首次。