农业预测的创新：关于全球农作物产量预测的多变量回归研究
机器学习
2024-03-15 v2 人工智能
摘要
在国际范围内预测农作物产量是农业研究中的一个关键目标。因此，本研究实现了6种回归模型（线性回归、树模型、梯度下降、梯度提升、K近邻和随机森林），以预测37个发展中国家在27年间的农作物产量。在给定4个关键训练参数——杀虫剂（吨）、降雨量（毫米）、温度（摄氏度）和产量（百克/公顷）的情况下，我们发现随机森林回归模型实现了0.94的决定系数（r2），误差范围（ME）为0.03。这些模型使用联合国粮食及农业组织的数据以及世界银行气候变化数据目录进行训练和测试。此外，我们对每个参数进行了分析，以了解不同因素如何影响总体产量。我们采用了非常规模型，有别于通常使用的深度学习（DL）和机器学习（ML）模型，并结合最近收集的数据，在我们的研究中实现了一种独特的方法。现有研究将受益于了解农业研究中最优的模型，特别是使用联合国数据的模型。
引用
@article{arxiv.2312.02254,
title = {Innovations in Agricultural Forecasting: A Multivariate Regression Study on Global Crop Yield Prediction},
author = {Ishaan Gupta and Samyutha Ayalasomayajula and Yashas Shashidhara and Anish Kataria and Shreyas Shashidhara and Krishita Kataria and Aditya Undurti},
journal= {arXiv preprint arXiv:2312.02254},
year = {2024}
}
备注
12 pages, 8 figures, 1 table, Guided by Dr. Aditya Undurti