使用机器学习进行农作物产量预测和价格预测

 

不断增长的人口需要满足对最大作物产量的需求，以确保稳定的生活。然而，传统的耕作方法可能并不适合每种作物，尤其是在水资源利用率低和土壤不肥力等具有挑战性的条件下。因此，必须探索替代方法来应对这些农业挑战。传统农业的产量较低，因为它主要依赖于土壤和水等自然资源，但技术可以通过提供精确的肥料来帮助提高土壤质量，从而使作物状况健康。人工智能 （AI） 在制定智能决策方法以提高作物产量方面起着至关重要的作用。AI 可以通过精确的施肥来提高土壤质量，促进最佳的作物条件。此外，决定种植哪些作物涉及考虑各种因素。作物产量预测模型利用贝叶斯岭回归、K 最近邻 （KNN）、支持向量机 （SVM）、决策树、随机森林、梯度提升机 （GBM）、极端梯度提升 （XGBoost）、光梯度提升机 （Light GBM） 和人工神经网络 （ANN）。XGBoost 和 Light GBM 通过减少过拟合，分别以 99.2631% 和 99.9963% 的 R 方表现出色。在农作物价格预测模型中，门控循环单元 （GRU） 优于长短期记忆 （LSTM） 和自回归综合移动平均线 （ARIMA）。