Corn Yield Prediction Model with Deep Neural Networks for Smallholder Farmer Decision Support System

要約

気象変数と土壌変数の間の相互作用の非線形性を考慮して、新しいディープ ニューラル ネットワーク リグレッサー (DNNR) が、深さ、隠れ層のニューロンの数、および最適化されたハイパーパラメーターを考慮して慎重に設計されました。
さらに、新しい指標である絶対二乗誤差平均 (ARSE) は、二乗平均平方根誤差 (RMSE) と平均絶対誤差 (MAE) の長所を組み合わせながら、それらの欠点に対処するために提案されました。
ASS メトリクスを使用して、ランダム フォレスト リグレッサー (RFR) および極度勾配ブースティング リグレッサー (XGBR) を DNNR と比較しました。
ＲＦＲおよびＸＧＢＲは、それぞれ０．０１４６ｔ／ｈａおよび０．０２０９ｔ／ｈａを達成したＤＮＮＲと比較して、それぞれ０．００００２９４ｔ／ｈａおよび０．０００７９２ｔ／ｈａの収量誤差を達成した。
すべてのエラーは驚くほど小さかった。
ただし、予期せぬデータに対する一般化可能性を確保するために説明変数を変更すると、DNNR が最高のパフォーマンスを発揮しました。
予期せぬデータとは、目に見えないデータとは異なり、気候変動による天候や土壌変数の突然の説明不能な変化を表す造語です。
さらなる分析により、気象変数と土壌変数の間に強い相互作用が存在することが明らかになりました。
降水量と沈泥量はそれぞれ収量と強い負の相関関係、強い正の相関関係があるため、降水量が減少して沈泥量が増加すると収量が増加し、その逆の場合も同様であることが観察されました。

要約(オリジナル)

Given the nonlinearity of the interaction between weather and soil variables, a novel deep neural network regressor (DNNR) was carefully designed with considerations to the depth, number of neurons of the hidden layers, and the hyperparameters with their optimizations. Additionally, a new metric, the average of absolute root squared error (ARSE) was proposed to address the shortcomings of root mean square error (RMSE) and mean absolute error (MAE) while combining their strengths. Using the ARSE metric, the random forest regressor (RFR) and the extreme gradient boosting regressor (XGBR), were compared with DNNR. The RFR and XGBR achieved yield errors of 0.0000294 t/ha, and 0.000792 t/ha, respectively, compared to the DNNR(s) which achieved 0.0146 t/ha and 0.0209 t/ha, respectively. All errors were impressively small. However, with changes to the explanatory variables to ensure generalizability to unforeseen data, DNNR(s) performed best. The unforeseen data, different from unseen data, is coined to represent sudden and unexplainable change to weather and soil variables due to climate change. Further analysis reveals that a strong interaction does exist between weather and soil variables. Using precipitation and silt, which are strong-negatively and strong-positively correlated with yield, respectively, yield was observed to increase when precipitation was reduced and silt increased, and vice-versa.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google