ハイブリッドSERWIアンサンブルモデルを用いた逆RMSE重み付け戦略による作物収量予測

科学分野:

• 農業科学
• データサイエンス
• 機械学習

背景:

• 従来の統計モデルは、複雑な作物収量ダイナミクスに対処するのに苦労しています。
• 正確な作物収量予測は、農業計画と食料安全保障にとって不可欠です。

研究 の 目的:

• 作物収量予測を強化するための新しいハイブリッドアンサンブルモデルSERWIを導入すること。
• SERWIのパフォーマンスをさまざまな個別のモデルおよびアンサンブルモデルと比較評価すること。

主な方法:

• LSTM、SVR、XGBoostを統合したハイブリッドアンサンブルモデル（SERWI）を開発しました。
• モデル統合のために動的な逆RMSEベースの重み付け戦略を採用しました。
• 2023年から2024年のタミル・ナードゥ州政府の季節および作物報告書からの数十年にわたるデータセットを使用しました。

主要な成果:

• SERWIはベースラインモデルと比較して優れたパフォーマンスを達成しました。
• テストセットの主要メトリック：RMSE 70.16、MSE 4923.07、MAE 47.93、R² 0.9918。
• 強力な予測精度と実用的な応用の可能性を示しました。

結論:

• SERWIモデルは、作物収量予測精度において大きな進歩を提供します。
• ハイブリッドアンサンブルアプローチは、収量データの非線形および時間的パターンを効果的に捉えます。
• SERWIは、スケーラブルで信頼性の高い農業収量予測の可能性を示しています。