基于Bayesian-LightGBM模型的糧食產(chǎn)量預(yù)測研究

打開文本圖片集

摘要：目前用于糧食產(chǎn)量預(yù)測模型如灰色關(guān)聯(lián)模型普遍存在訓(xùn)練速度較慢、預(yù)測精度較低等問題。為解決該問題，以輕量級梯度提升機（LightGBM）模型為基礎(chǔ)，將其損失函數(shù)修正為Huber損失函數(shù)，同時引入貝葉斯優(yōu)化算法確定出最優(yōu)超參數(shù)組合并輸入該模型。以廣西的早、晚水稻產(chǎn)量及16個糧食產(chǎn)量影響因素為數(shù)據(jù)集進行仿真試驗，結(jié)果表明：基于線性回歸的預(yù)測模型的平均絕對值誤差為1.255，基于決策樹的預(yù)測模型的平均絕對值誤差為0.426，基于隨機森林的預(yù)測模型的平均值誤差為0.315，基于Bayesian-LightGBM的預(yù)測模型的平均絕對值誤差為0.049。（剩余12963字）