AAAIOct, 2021

DeepAg: 测量离群事件对农业生产和政策影响的深度学习方法

PDF
TL;DR本文提出了一个基于挖掘已有的经济指标与农产品生产价值之间关系的深度学习框架 DeepAg，其中引入了一种名为 LSTM 的深度学习技术对农产品产量进行高精度预测，并结合异常检测算法 Isolation Forests，提高了 DeepAg 模型的预测效果，这对公共政策的制定以及农业生态系统的运营决策阐释具有重要的意义。
deepageconometricsoutlier eventslstm networksagricultural supply chain
发现论文，激发创造
  • 农业中的深度学习：调查

    本文对深度学习技术在农业和食品生产方面应用的 40 项研究进行了综述，考察了研究中使用的数据、模型和框架，比较了深度学习和其他常用图像处理技术在分类或回归性能上的表现，结果表明深度学习准确性高，优于现有的常用图像处理技术。

    Jul, 2018

  • 一种创新的基于深度学习的农业作物价格准确预测方法

    本文提出一种基于深度学习的方法，结合图神经网络和卷积神经网络模型，利用历史价格信息、气候条件、土壤类型、位置等农作物价格的关键决定因素进行精确预测，可实现对印度农业市场中土豆和番茄价格的预测，并能达到比文献报道结果至少提高 20% 的准确性。

    Apr, 2023

  • 递归深度学习框架用于预测未来十年的世界经济展望

    本研究采用深度学习方法，通过比较多种深度学习模型（LSTM, BD-LSTM, ED-LSTM 和 CNN）及传统时间序列模型（ARIMA,VAR）预测未来十年全球经济的 GDP 增长率，预测结果显示中国、法国和印度的 GDP 将会保持稳定或增长，而其他大多数发达国家和新兴市场经济体的经济增长将会放缓、停滞甚至衰退。其中，ED-LSTM 模型预测效果最佳。

    Jan, 2023

  • 商品市场中的深度政策梯度方法

    深度强化学习方法在商品交易中的有效性研究表明，在对 2017 年至 2022 年间的次月天然气期货进行回测时，该模型产生的夏普比率平均比买入并持有基准高 83%，风险敏感度因子可用于调整风险承受能力。基于行动者的策略梯度算法明显优于基于演员 - 评论家的算法，基于卷积神经网络的模型略好于基于 LSTM 的模型。

    Jun, 2023

  • 异构数据集分析的深度学习模型 —— 应用于冬小麦产量预测

    本研究提出了一种有效的深度学习模型，可以处理异构数据集，在数字农业领域的实际数据集中验证其超越了现有的机器学习模型。

    Jun, 2023

  • 小农户决策支持系统的深度神经网络玉米产量预测模型

    通过设计深度神经网络回归器（DNNR），提出了一种新颖的 DNNR 模型，用于解决天气和土壤变量之间的非线性相互作用问题，同时引入了平均绝对平方根误差（ARSE）指标以综合评估预测准确性，在与随机森林回归器（RFR）和极端梯度提升回归器（XGBR）进行比较后，DNNR 在处理突发的气候和土壤变化数据时表现最佳，进一步的分析揭示了天气和土壤变量之间存在着强烈的相互作用。

    Jan, 2024

  • 深度序列建模用于异常 ISP 流量预测

    本文介绍了在预测实际交通时检测和纠正异常值对深度序列模型的影响，探究了多个模型在异常数据预测方面的表现，实验结果表明 LSTM-En-De（长短时记忆编码器 - 解码器）是最佳的预测模型，并能通过清除异常值降低预测误差。

    May, 2022

  • 利用卫星影像和基于台站的土壤参数的深度学习方法预测草莓产量和价格

    本研究提出一种基于深度学习算法的集合模型来预测加利福尼亚州圣巴巴拉县草莓产量和价格，该模型基于两个集合模型并采用投票集合的方法结合预测结果，结果表明该模型的预测性能比文献中的深度学习集合模型更优秀。

    Feb, 2021

  • 农业中的标记效率学习：综述

    该论文综述了机器学习和深度学习在农业系统中的应用，并介绍了最近在农业应用领域提出的标签有效机器学习和深度学习方法，特别是弱监督、无监督和自监督学习方法，以及其在精准农业、植物表型鉴定和收获后质量评估等方面的应用。

    May, 2023

  • 农民助手：基于机器学习的农业解决方案应用

    开发了一个易于使用的网络应用程序，以解决种植作物面临的问题，其中包括作物推荐、肥料推荐、植物病害预测和交互式新闻提要，同时应用解释性技术解释病害检测模型的预测。

    Apr, 2022