计算机工程与信息技术学报

基于机器学习的产量预测系统

Om Mane*、Chanthrika RL、Tanvir Mungekar、Preethi Sai Yelisetty、Bindhu Sree 和 Jaya Subalakshmi R

野生蓝莓产业是美国东北部农业部门的重要贡献者。然而，不可预测的天气条件、土壤变异和虫害会严重影响作物产量，导致农民和利益相关者的损失。因此，开发精确可靠的作物产量预测模型对于有效的资源配置、改善作物管理和有效的营销策略至关重要。近年来，决策树、线性回归、XGBoost、LightGBM、随机森林、AdaBoost、直方图梯度提升和 CatBoost 等机器学习算法在作物产量预测方面表现出巨大潜力。这些算法可以分析大型数据集、识别模式并创建准确的预测，为农民提供有关作物管理、未来产量和商业化的重要见解。本研究开发的模型可以使农民和利益相关者就作物规划和资源分配做出明智的决策，从而提高野生蓝莓产业的效率和可持续性。此外，市场预测者可以使用这些模型来预测未来对野生蓝莓的需求，从而帮助制定有效的营销策略。总之，通过应用机器学习算法开发准确可靠的作物产量预测模型有望对农业领域产生重大影响，特别是对于野生蓝莓等易受气候变化和其他因素影响的行业。