基于Bayesian-LightGBM模型的粮食产量预测研究

• 全文链接
• 请求原文

作   者：

陈晓玲;  张聪;  黄晓宇; 

作者机构：

武汉轻工大学数学与计算机学院;  武汉轻工大学电气与电子工程学院; 

关键词：

轻量级梯度提升机;  粮食安全;  贝叶斯优化;  粮食产量预测; 

期刊名称：

中国农机化学报

i s s n：

2095-5553

年卷期：

2024 年 006 期

页   码：

163-169

摘   要：

目前用于粮食产量预测模型如灰色关联模型普遍存在训练速度较慢、预测精度较低等问题。为解决该问题，以轻量级梯度提升机（LightGBM）模型为基础，将其损失函数修正为Huber损失函数，同时引入贝叶斯优化算法确定出最优超参数组合并输入该模型。以广西的早、晚水稻产量及16个粮食产量影响因素为数据集进行仿真试验，结果表明：基于线性回归的预测模型的平均绝对值误差为1.255,基于决策树的预测模型的平均绝对值误差为0.426,基于随机森林的预测模型的平均值误差为0.315,基于Bayesian-LightGBM的预测模型的平均绝对值误差为0.049。相比其他预测模型，Bayesian-LightGBM粮食产量预测模型能够更有效地实现粮食产量预测，预测精度更高。