11、棉花价格预测与病害检测

棉花价格预测与病害检测

1. 相关研究综述

1.1 价格预测

在农产品价格预测领域，众多学者采用不同的模型和方法进行研究：
- 小麦生产预测 ：有研究运用LSTM - NN开发精确的小麦生产预测模型，该模型在时间序列预测方面表现出色，得到的R值为0.81。
- 核桃价格预测 ：对LSTM、SARIMA和季节性Holt - Winter方法进行比较研究，使用喀拉拉邦14个地区的槟榔月价格数据，结果表明LSTM神经网络最适合该数据，非平稳数据的RMSE值为146.86，平稳数据为7.278。
- 蔬菜价格预测 ：
- 开发安卓应用帮助斯里兰卡农民实现蔬菜盈利种植，将数据集按8:1:1划分，分别用于训练、测试和验证，使用LSTM RNN进行蔬菜预测，ARIMA进行价格预测。
- 采用季节趋势 - 黄土（STL）预处理方法和长短期记忆（LSTM）构建蔬菜价格预测模型，应用于韩国农业市场的大白菜和萝卜，预测准确率分别为92.06%和88.74%。
- 提出STL - ATTLSTM模型，结合STL和LSTM，相比LSTM模型，预测准确率提高约4 - 5%，STL - LSTM组合比LSTM注意力模型高12%，该模型RMSE值为380，MAPE为7%。
- 棉花价格预测 ：
- 基于1972年以来的棉花价格时间序列数据，使用移动平均、KNN、自动ARIMA、Prophet和LSTM等模型进行评估，LSTM模型表现最佳，RMSE值为0.017，准确率达97%。
- 开发用