机构名称：
¥ 1.0
全球农业生产是负责营养的主要国际组织越来越关注的。由于人口前所未有的人口增长，全球对粮食的需求不断上升，导致一些人口稠密地区（例如非洲）的粮食不安全。对全球粮食不安全性的另一个促成因素是气候变化及其变异性。世界和非洲农业生产尤其是负责营养的主要国际组织越来越关注。世界粮食计划署报道说，全球人口增长，尤其是近年来在非洲，正在导致粮食安全提高。此外，农民和农业决策者需要先进的工具来帮助他们做出快速决策，以影响农业产量的质量。气候变化一直是近几十年来全世界的主要现象。已经观察到气候变化对农业生产质量的影响。大数据技术的到来导致了新的强大分析工具，例如机器学习，这些工具在许多领域（例如医学，财务和生物学）都证明了自己。在这项工作中，我们提出了一种基于机器学习的预测系统，以预测六种农作物的产量：米，玉米，木薯，种子棉，山药和香蕉，在整个一年中西非国家地区的国家层面。我们结合了气候数据，天气数据，农业产量和化学数据，以帮助决策者和农民预测其国家的每年农作物产量。15％和𝑅2= 89。78％。我们使用了决策树，多元逻辑回归和k-neart的邻居模型来构建我们的系统。使用三个机器学习模型时，我们都有两个模型的结果。我们在整个交叉验证过程中应用了一项超参数调谐技术，以获得更好的模型，该模型不会面临过度拟合。我们发现，决策树模型的性能很好，可以确定（𝑅2）为95。3％，而K-Nearest邻居模型和Logistic回归分别用𝑅2= 93进行。我们还研究了预测结果与预期结果之间的相关性。我们发现，决策树模型的预测结果和K-neartime邻居模型与预期数据相关，这证明了模型的效率。
作物基于机器学习模型的预测
主要关键词
相关文件推荐
