通过构建优化模型与生长积温时间序列分析调度播种时间
机器学习
2022-07-05 v1
摘要
在缩短的育种周期内生产更高质量的作物可确保全球粮食供应与安全，但由于储存限制，这种改进在全年育种过程中加剧了种子产业在物流和生产率方面的挑战。在 2021 年先正达分析作物挑战赛中，先正达提出了为 2020 年全年育种过程设计播种时间调度优化模型的问题，以使每周的收获量保持一致。他们发布了一个数据集，包含 2569 个种子群体及其播种窗口、收获所需生长积温以及两个地点的收获量。为应对这一挑战，我们开发了一个由天气时间序列模型和优化模型组成的新框架来调度播种时间。设计了一个深度循环神经网络来预测未来天气，并在时间序列模型之上开发了高斯过程模型以建模预测天气的不确定性。所提出的优化模型还以最少的周数调度了种子群体的播种时间，并实现了更一致的每周收获量。与原始播种时间相比，使用所提出的优化模型可在地点 0 减少 69% 的所需容量，在地点 1 最多减少 51%。
引用
@article{arxiv.2207.00745,
title = {Scheduling Planting Time Through Developing an Optimization Model and Analysis of Time Series Growing Degree Units},
author = {Javad Ansarifar and Faezeh Akhavizadegan and Lizhi Wang},
journal= {arXiv preprint arXiv:2207.00745},
year = {2022}
}