基于机器学习的印度木薯产量预测助力智慧农业规划

对农业生产进行可靠的预测对于改善现代耕作系统中的作物规划、资源配置和政策决策至关重要。木薯（Manihot esculenta Crantz）是一种重要的热带块根作物，对印度的粮食安全和农产品加工业做出了重要贡献。本研究利用2000年至2024年的年度数据，评估了用于预测木薯种植面积、产量和生产力的统计与机器学习方法。应用了三种预测模型：自回归积分滑动平均（ARIMA）、随机森林回归（RFR）和时延神经网络（TDNN）。使用增强迪基-富勒检验（Augmented Dickey–Fuller test）验证了平稳性，并将数据集划分为训练集和测试集。使用均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）评估了预测准确性。TDNN模型的表现优于ARIMA和RFR，其在种植面积、产量和生产力方面的RMSE值分别为3.65、377.82和2.34；MAE值分别为2.98、341.26和2.18；MAPE值分别为3.89%、5.03%和5.59%。对2025–2030年的预测表明种植面积保持稳定、产量适度波动且生产力逐步提高，这展示了基于人工智能的预测在支持木薯产业的战略性农业规划、资源优化和可持续决策方面的潜力。