使用深度长短期记忆模型预测县级玉米产量
机器学习
2018-05-31 v1 机器学习
摘要
玉米产量预测是有益的，因为它在收获前提供关于产量与价格的宝贵信息。公开可用的高质量玉米产量预测有助于解决突发的信息不对称问题，并由此改善期货市场的价格效率。本文首次采用长短期记忆（LSTM）——一种循环神经网络（RNN）的特殊形式——来预测玉米产量。县级玉米产量与每小时天气数据的横截面时间序列使样本空间足够大以使用深度学习技术。LSTM 在具有复杂内部关系的时间序列预测中高效，这使其适合该任务。来自爱荷华州县级数据的实证结果显示，相对于现有基于调查的方法，其具有可观的预测能力。
引用
@article{arxiv.1805.12044,
title = {Predicting County Level Corn Yields Using Deep Long Short Term Memory Models},
author = {Zehui Jiang and Chao Liu and Nathan P. Hendricks and Baskar Ganapathysubramanian and Dermot J. Hayes and Soumik Sarkar},
journal= {arXiv preprint arXiv:1805.12044},
year = {2018}
}
备注
26 pages, 10 figures