种子品种产量的层次化建模与未来种植规划决策
机器学习
2017-11-17 v1 机器学习
摘要
消除饥饿与营养不良是 21 世纪的关键发展目标。我们致力于在风险敏感决策框架下最优地识别可可靠提高作物产量的种子品种这一问题。具体而言，我们引入了一种新颖的层次化机器学习机制，用于预测作物产量（同一作物不同种子品种的产量）。我们将该预测机制与天气预报模型相整合，并提出了三种不同的不确定性下决策方法，以选择种植的种子品种，从而平衡产量最大化与风险。我们将模型应用于 2016 年 Syngenta 作物挑战赛给出的大豆品种选择问题。我们的预测模型达到了每英亩 3.74 蒲式耳的中值绝对误差，因而为决策模型的输入提供了良好估计。我们的决策模型识别出随农民风险厌恶水平变化而恰当平衡产量与风险的大豆品种选择。更一般地，我们的模型为农民关于种植哪些种子品种的决断提供支持。
引用
@article{arxiv.1711.05809,
title = {Hierarchical Modeling of Seed Variety Yields and Decision Making for Future Planting Plans},
author = {Huaiyang Zhong and Xiaocheng Li and David Lobell and Stefano Ermon and Margaret L. Brandeau},
journal= {arXiv preprint arXiv:1711.05809},
year = {2017}
}