利用深度强化学习与作物模拟优化氮素管理
机器学习
2022-04-25 v1
摘要
氮 (N) 管理对维持土壤肥力与作物生产并最小化负面环境影响至关重要，但难以优化。本文提出一种使用深度强化学习 (RL) 与农业技术转移决策支持系统 (DSSAT) 作物模拟的智能氮管理系统。我们首先将氮管理问题表述为 RL 问题。随后用深度 Q 网络与软 actor-critic 算法以及 Gym-DSSAT 接口训练管理策略，该接口允许模拟作物环境与 RL 智能体之间的每日交互。根据对美国 Iowa 与 Florida 两地玉米作物的实验，我们的 RL 训练策略在使用更少肥料的同时取得比以往经验方法更高或相近的产量。
引用
@article{arxiv.2204.10394,
title = {Optimizing Nitrogen Management with Deep Reinforcement Learning and Crop Simulations},
author = {Jing Wu and Ran Tao and Pan Zhao and Nicolas F. Martin and Naira Hovakimyan},
journal= {arXiv preprint arXiv:2204.10394},
year = {2022}
}