准确的农作物产量预测对于农业计划和粮食安全至关重要。传统方法通常难以整合多种数据集,从而导致次优预测。本文介绍了一种新颖的方法,该方法杠杆模型(LLMS)(特定于GPT-4)结合了迅速的工程,以提高预测精度。我们的方法进行了特定的特定提示,以指导LLM从天气塑料,土壤特性,历史收益率和恢复感应的数据中综合数据。我们进行了广泛的实验,将我们的方法与传统机器学习模型和思想链(COT)方法进行了比较。结果表明,我们的方法在上下文的准确性,解释质量和场景适应性方面显着优于这些基准。这项研究强调了LLM在推进农业分析方面的潜力,并为该领域的未来研究奠定了基础。
主要关键词