基于机器学习的韩国辣椒产量预测 [Machine Learning-Based Prediction of Paprika Fruit Production in Korea]

方法

21项温室环境指标，比较多元线性回归、SVM、Bagging与随机森林。

发现

SVM与随机森林预测效果优于传统线性回归，可支撑温室调控。

机会点

可引入时序深度学习与多品种跨温室迁移，提升早期产量预测精度。

利用温室环境控制系统数据，以21项环境指标为输入，采用多元线性回归、支持向量机、集成树袋与随机森林预测辣椒累计果实数。SVM与随机森林优于传统回归，并通过参数与敏感性检验为温室调控提供依据。