通过图神经网络进行动态结构学习以预测精准农业中的土壤湿度
机器学习
2022-05-17 v2 人工智能
社会与信息网络
摘要
土壤湿度是精准农业的重要组成部分，因为它直接影响植被的生长和质量。预测土壤湿度对于安排灌溉和优化用水至关重要。基于物理的土壤湿度模型需要丰富的特征和大量计算，难以扩展。在近期文献中，常规机器学习模型已被应用于此问题。这些模型快速且简单，但往往无法捕捉土壤湿度在区域内表现出的时空相关性。在本工作中，我们提出了一种基于图神经网络的新解决方案，该方案学习时序图结构并在端到端框架中预测土壤湿度。我们的解决方案能够处理实践中常见的缺失真实土壤湿度问题。我们在真实世界土壤湿度数据上展示了我们算法的优势。
引用
@article{arxiv.2012.03506,
title = {Dynamic Structure Learning through Graph Neural Network for Forecasting Soil Moisture in Precision Agriculture},
author = {Anoushka Vyas and Sambaran Bandyopadhyay},
journal= {arXiv preprint arXiv:2012.03506},
year = {2022}
}
备注
Accepted for publication in IJCAI 2022