arXiv 机器学习· 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)·· 6 小时前AI 评分28
气象驱动国家级作物产量预测的低输入深度学习框架：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
研究团队提出一种低输入深度学习作物产量预测框架，仅以常规气象数据为时变输入，并结合年份与农业环境标签两个轻量静态特征。在巴西大豆 20 个产季的测试中，Transformer 架构取得最佳精度（RMSE 149 kg ha^-1、rRMSE 5.3%、R^2 = 0.784），较农户基准降低 47.6% 误差。该框架还适配 CNN、LSTM 与 Mamba 等多种编码器，易于迁移至其他作物与区域。
来源：arXiv 机器学习 · arxiv.org