深度学习
-
深度学习助力作物产量预测,赋能农业保险评估
该论文提出一种新型预测框架(LYRA-RaTAR),通过融合多尺度时序建模与检索增强技术,大幅提升了美国县域级玉米产量预测的准确性。虽然核心属于农业遥感与机器学习领域,但其研究成果对农业保险评估具有直接支撑价值。 技术突破:传统模型在大范围、长时序预测中常因空间异质性和年际波动失效。新模型采用双重架构——GRU捕捉日尺度生长动态,跨年注意力机制提取长期依赖(…
该论文提出一种新型预测框架(LYRA-RaTAR),通过融合多尺度时序建模与检索增强技术,大幅提升了美国县域级玉米产量预测的准确性。虽然核心属于农业遥感与机器学习领域,但其研究成果对农业保险评估具有直接支撑价值。 技术突破:传统模型在大范围、长时序预测中常因空间异质性和年际波动失效。新模型采用双重架构——GRU捕捉日尺度生长动态,跨年注意力机制提取长期依赖(…