arXiv · Machine Learning Theory· Fernando Dupin da Cunha Mello (Stricto Sensu Department, SENAI CIMATEC University, Salvador, Bahia, Brazil), Prashant Kumar (Global Centre for Clean Air Research), Erick G. Sperandio Nascimento (Stricto Sensu Department, SENAI CIMATEC University, Salvador, Bahia, Brazil)·· 3 小时前AI 评分34
一种面向天气驱动的国家级作物产量预测的轻量深度学习框架：以巴西大豆为例
An Input-Frugal Deep Learning Framework for Weather-Driven National Crop-Yield Forecasting: A Case Study of Brazilian Soybean
AI 导读
研究提出一种仅以常规天气为时变输入、辅以作物年份与农业环境标签的轻量深度学习框架，支持多种序列编码器。在巴西大豆20季案例中，Transformer达到全国最优预测（RMSE 149 kg ha^-1；rRMSE 5.3%；R²=0.784），相对农民基线降低47.6%误差，时序越晚误差越低，且农业环境标签与空间扩展在不增加输入复杂度下提升表现。
来源：arXiv · Machine Learning Theory · arxiv.org