MDPI AI·9月14日 · 周一论文农业人工智能与决策模型阅读 0
TSAFI-DT:可持续性感知花生产量预测数字孪生框架,登MDPI AI 7(9)364
论文解读
78精选
速览
提出可持续性感知数字孪生框架TSAFI-DT，用于印度花生产量预测与情景模拟。
方法
基于1997-2023年印度地区级数据，用贝叶斯优化XGBoost和合成控制分析
发现
XGBoost预测RMSE为0.171 t/ha，可持续性扰动下产量可提升12.4%。
机会点
可探索将数字孪生与实时物联网数据结合，实现动态可持续性评估与决策支持。
影响力18
信息增量22
专业深度19
信源权威13
时效性6
方法新颖、数据规模扎实的农业数字孪生研究，对智慧农业与产量预测领域有参考价值，但属细分学术进展，非产业级事件。
原文摘要
本研究提出TSAFI-DT可回顾验证的、数据驱动的Digital Twin原型,集成时空数据重建、可持续状态表征、分层产量预测、反事实分析与情景模拟。基于1997-2023年印度地区级花生数据,采用贝叶斯优化的XGBoost模型进行一步前瞻产量预测,RMSE=0.171 t/ha,显著优于基线;结合固定效应与合成控制分析,eRAI扩展再生农业指数整合作物多样性、生产力稳定性、土地利用效率和产量趋势,预测产量在可持续性扰动下可提升12.4%。
信源（1 个）