Journal of Agro-Technology and Rural Sciences·9月29日 · 周二论文智慧农业 / 农业物联网阅读 2
Hybrid Rule-Based and Machine Learning Decision-Support Framework for Smart Paddy Farming
Sawjanya Sathyaseelan · K. Sriram
论文解读
68接近精选线
速览
提出规则与机器学习混合的水稻决策支持框架，提升决策精度并节水增产。
方法
融合63条专家规则与决策树、逻辑回归、随机森林，处理天气和NDVI数据。
发现
混合模型准确率90%，模拟增产3-17%，节水12.4%，可用性评分4.0-4.8。
机会点
当前增产节水为模拟结果，未来需在多地点多季节开展田间试验验证农艺效益。
影响力12
信息增量20
专业深度17
信源权威10
时效性9
提出规则与机器学习融合的水稻决策支持框架，指标与仿真结果具体，但验证样本小、增产节水为模拟值，属细分领域方法学进展。
原文摘要
水稻种植决策受到天气条件变化、水资源可用性、土壤条件和作物健康状况的影响，因此需要将农艺知识与数据驱动预测相结合的决策支持方法。本研究提出了一种基于规则与机器学习混合的水稻管理决策支持方案，将可解释的农艺规则与轻量级预测模型相结合。研究对天气和NDVI数据进行了时间对齐、插值、归一化、特征工程和作物阶段聚合的集成与预处理。构建了一个包含63条专家规则的基于规则的引擎，并通过加权决策融合机制将其与决策树、逻辑回归和随机森林模型相融合。混合模型的准确率为90%，精确率为0.91，召回率为0.88，F1分数为0.89，而基于规则的模型准确率为72%，最佳独立随机森林模型准确率为86%。混合模型还取得了最低的RMSE值7.6。模拟情景结果显示，产量提高了3%–17%，灌溉用水节省了12.4%。共有10名农民和2名农业官员参与了初步可用性测试，评分为4.0至4.8分（满分5分）。其核心在于将自适应机器学习预测与清晰的农艺逻辑相结合，构建一个轻量级咨询系统。然而，产量提升和节水效益均为模拟结果，需要在更广泛的地点和季节进行实验测试，以确定其完整的农艺效益。