县域大豆产量预测的深度学习方法:利用大规模环境数据——Frontiers in Artificial Intelligence

方法

县级大豆产量与环境变量数据，采用CNN、RNN、Transformer等深度学习

发现

深度学习在预测精度和稳定性上优于传统统计回归，能更好捕捉非线性关系。

机会点

可探索多模态环境数据融合与可解释性，提升跨区域迁移和极端气候下的预测鲁棒性。

论文提出了基于深度学习的大规模环境数据县域大豆产量预测方法。利用县级大豆产量数据和环境变量构建预测模型,评估多种深度学习架构(卷积神经网络、循环神经网络、Transformer等)在大豆产量预测中的表现,并与传统统计回归模型进行比较。结果显示,深度学习方法在预测精度和稳定性方面优于传统模型,能够更好地捕捉环境因素与产量之间的非线性关系,为农业政策制定和粮食安全评估提供数据支持。