MARLP：农业管理含水量（Ag-MAR）的时间序列预测控制

全球地下水的快速下降是一个持续可持续农业的重大挑战。为此提出了农业管理含水量（Ag-MAR），通过人工淹溝农田来为含水层充盈。Ag-MAR需要仔细选择淹溝计划，以避免影响作物根部的氧气吸收。然而，当前的Ag-MAR调度未考虑气象和土壤氧气等复杂环境因素，导致作物受损和充盈量不足。本文提出MARLP，即第一个面向Ag-MAR的端到端数据驱动控制系统。我们首先将Ag-MAR建模为优化问题。为此，我们分析了四年的田间数据，发现土壤氧水平趋势具有多周期特征，并可利用外部气象预测和淹溝方案作为土壤氧气预测的外生线索。随后，我们设计了一个两阶段预测框架。在第一阶段，它从历史数据中提取交叉变量依赖和周期模式进行初步预测。在第二阶段，它利用气象-土壤和淹溝-土壤的因果关系来促进对土壤氧水平的精确预测。最后，我们对Ag-MAR进行模型预测控制（MPC）。为解决大规模动作空间的挑战，我们设计了一个启发式规划模块，以减少淹溝方案的数量，从而 enable 搜索最优解。实际世界的实验表明，与过去四年相比，MARLP将氧气缺失率降低86.8%，单位时间内的充盈量提高35.8%。