如何利用这些时间序列数据进行作物预测？
我正试图建立一个模型来分析某一地区推荐的作物类型。
对于我的ROI，我已经有了2005到2009年间每个像素的历史数据，其中包括：
- 在该像素中产生的作物类型(每年一种)
- 我的ROI中每种作物的生产力
- 每个像素每年的各种天气指标(地表温度、降雨、温度、土壤特性等)。
所以我有很多表，它们看起来都是这样的(这些是例子，而不是实际值)
表1(作物多年来的演变情况)
表2(这一表和更多关于多年来天气如何演变的资料)
现在，我试图把所有的东西组合在一起，建立一个模型，可以解释天气的变化，从而导致作物类型的改变，并根据实际的天气条件，给出最佳作物类型的建议。
我完全不知道如何合并所有的信息，我应该从哪里开始寻找答案？
回答 1
Stack Overflow用户
发布于 2019-09-17 00:44:22
所以你有两个目标，让我们一个接一个地解决它们。
also that gives a suggestion for the best crop type
为此，我们假设历史上对某一特定作物的选择是最好的。如果没有，那么您应该只包括那些ROI高于您定义的阈值的数据点。
方法1)简单前馈神经网络。你的输入表面温度，降雨，温度，土壤性质等，你的输出:作物类型。基于此，我们将其建模为一个分类问题。
如果您想要包含长期的天气数据，那么修改您的输入(地表温度、降雨、温度、土壤特性等)@ t1、(地表温度、降雨、温度、土壤特性等)@ t2等等。输出作物类型@ tn，其中n是当前时间。
方法2)如果您希望保留空间维数，并且您认为附近的像素数据对预测也很重要，那么将该像素信息也编码到您的输入中。否则，您可以使用一些时空模型，如这里描述的https://papers.nips.cc/paper/5955-convolutional-lstm-network-a-machine-learning-approach-for-precipitation-nowcasting。
你的另一个问题weather changes that lead to a change on crop type
这可以建模为一个二进制分类问题，在这个问题中，您希望预测给定输入天气条件下的输出(作物的变化或不变化)。你的输入:地表温度，降雨，温度，土壤特性等，你的输出:变化还是不变。
有许多方法可以从简单的逻辑回归、svms或根据您拥有的数据使用更强大的深度学习模型来解决第二个问题。
希望这能有所帮助。
https://stackoverflow.com/questions/57949683
复制相似问题
腾讯云开发者
