.png){kind=icon}
返回
Agricultural Yield Forecasting Using LLM-Informed Preprocessing and Neural ODE Models Optimized via the Football Optimization Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s11540-025-09970-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精准作物产量预测对粮食安全和可持续农业规划至关重要，尤其是在气候变异性日益增加的背景下。然而，现有方法大多缺乏适应性预处理，且依赖手动调优的模型，泛化能力有限。本研究旨在通过整合大型语言模型（LLM）指导的预处理与神经网络建模及智能优化来填补这些空白。利用Mixtral-8x7B-Instruct，对领域特定特征进行工程化处理并通过主成分分析（PCA）和KMeans聚类进行优化。在基准模型中，神经常微分方程（NODE）表现最佳（RMSE=0.1109，R²=0.8894）。采用十种元启发式算法进行调优进一步提高了精度，其中足球优化算法（FbOA）取得了最大提升（RMSE=0.0232，R²=0.9850，NSE=0.9740）。该框架展示了结合LLM引导的特征设计和优化增强的神经网络模型为农业预测提供了可扩展、高精度的解决方案。
Keyword:
Crop yield prediction
Large language models (LLMs)
Metaheuristic optimization
Neural Ordinary Differential Equation (NODE)
Smart agriculture
期刊
P
IF:
2.1
论文数:
152
被引数:
0
机构
引用论文
Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏Yan, Y.; Wang, Y.; Li, J.; Zhang, J.; Mo, X. Crop Yield Time-Series Data Prediction Based on Multiple Hybrid Machine Learning Models. arXiv 2025, arXiv:2502.10405. [Google Scholar] [CrossRef]严, Y.; 王, Y.; 李, J.; 张, J.; 莫X. 基于多种混合机器学习模型的作物产量时间序列数据预测. arXiv 2025, arXiv:2502.10405. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
Next-gen agriculture: integrating AI and XAI for precision crop yield predictions下一代农业: 集成AI和XAI实现精准作物产量预测
OAAI
OAAI分享收藏
查看更多内容