基于因果推断和机器学习的农田玉米产量预测模型
王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。
阅读 10
关键词 · 相关资讯与研究
#LSTM Prophet
沿着“LSTM Prophet”继续探索，共 0 条内容。
你可能还想看
没有这个标签，内容接近A Hybrid Model for Crop Yield Prediction Using Recurrent Neural Networks and Explainable Artificial Intelligence
用LSTM结合可解释AI预测肯尼亚玉米产量，兼顾精度与透明度。
阅读 5
Smart Agriculture: Integrating Artificial Intelligence for Efficient Supply Chain Management
系统综述31项研究，梳理AI在农业供应链各环节的应用与效果。
阅读 0
F.A.R.M. (Field Analysis Revenue Management): An IoT and ML Integrated Solution
提出F.A.R.M.系统，用IoT传感与机器学习实现作物推荐、价格预测和产量估算。
阅读 5
An Optimized Temporal Attention-based Deep Learning Framwork for Accurate Crop Yield Prediction from Multi-source Agricultural Data
提出TA-ABC-Bi-LSTM模型，用多源农业数据精准预测水稻产量。
阅读 3
Artificial Intelligence, Machine Learning, and Deep Learning Concepts, Methods, and Real-World Impact
系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。
阅读 3
AIOT in Predictive Agriculture - IoT and AI Integration for Real-Time Soil Monitoring and Smart Irrigation in Predictive Agriculture
提出AIoT框架，用LSTM预测土壤湿度实现智能灌溉，节水并延长节点续航。
阅读 5
[预印本] 基于时序基础模型的原位土壤水分与温度零样本预测（Zero-Shot Forecasting of In-Situ Soil Moisture and Temperature with a Time-Series Foundation Model）
预印本，未经实地验证。以500M参数TimesFM对半干旱退化地27个站点15分钟遥测零样本预测5厘米与30厘米土壤水分及温度，覆盖1—168小时7个时效。次日内领先统计基线21%—76%，超一天后落后6%—79%，日变化对齐是改进关键。
阅读 1