arXiv · ML· Michiel Kallenberg, Philip Janz, Christoph J\"orges, Vageesh Saxena, Pratishtha Poudel, Mohammed Musthafa Rafi, Ioannis N. Athanasiadis·· 3 天前AI 评分28
CY-Bench 全球作物产量预测基准测试:跨范式评估揭示数据驱动模型优势
Benchmarking the State of AI for Crop Yield Forecasting: A Global Assessment Across Modeling Paradigms
AI 导读
基于覆盖 63 个国家-作物数据集的 CY-Bench 基准测试,特征工程机器学习与表格基础模型在整体预测性能上表现最强。 数据驱动模型在种植玉米的 72% 国家及种植小麦的 78% 国家降低了 NRMSE,中位降幅分别为 8.8% 和 11.9%;空间预测难度显著低于时间序列和异常预测。 研究成果已被 KDD '27 接收,有助于改进粮食决策、预警及粮食安全规划。
来源:arXiv · ML · arxiv.org