面向田间尺度棉花产量预测的空间—时间多任务学习
机器学习
2018-11-19 v1 机器学习
摘要
理解并准确预测作物产量的田间空间变异性，对于灌溉水和肥料等作物投入的精准管理以实现优化作物生产起着关键作用。然而，该任务受到作物生长与环境及管理因素（如气候、土壤条件、耕作和灌溉）之间复杂相互作用的挑战。本文提出一种新颖的空间—时间多任务学习算法，用于 2001 至 2003 年西德克萨斯地区的田间尺度作物产量预测。该算法集成多源异构数据以同时学习不同特征，并通过在损失函数中引入加权正则化项来聚合空间—时间特征。我们全面的实验结果一致优于其他常规方法，并表明这是一种有前景的方法，改善了作物预测研究领域的格局。
引用
@article{arxiv.1811.06665,
title = {Spatial-temporal Multi-Task Learning for Within-field Cotton Yield Prediction},
author = {Long Nguyen and Jia Zhen and Zhe Lin and Hanxiang Du and Zhou Yang and Wenxuan Guo and Fang Jin},
journal= {arXiv preprint arXiv:1811.06665},
year = {2018}
}