基于时空图神经网络的奶牛农场可持续性预测与反事实政策分析
机器学习
2025-12-24 v1 系统与控制
系统与控制
摘要
本研究提出了一种新颖的数据驱动框架和首次应用于 county 规模的时空图神经网络 (STGNN)，用于预测来自牧场级运营记录的复合可持续性指数。该方法采用一种新颖的 end-to-end pipeline，利用变分自编码器 (VAE) 来增强 Irish Cattle Breeding Federation (ICBF) 数据集，同时保持联合分布并缓解稀疏性。通过主成分分析派生出一种首次提出的基于柱式 (pillar) 的评分公式，识别出繁殖效率、遗传管理、牧场健康和牧场管理四个维度，以构建加权的复合指数。这些指数使用一种新颖的 STGNN 架构建模，该架构显式编码地理依赖性和非线性时序动力学，以生成 2026-2030 年的多年预测。
引用
@article{arxiv.2512.19970,
title = {Spatio-Temporal Graph Neural Networks for Dairy Farm Sustainability Forecasting and Counterfactual Policy Analysis},
author = {Surya Jayakumar and Kieran Sullivan and John McLaughlin and Christine O'Meara and Indrakshi Dey},
journal= {arXiv preprint arXiv:2512.19970},
year = {2025}
}