基于茯苓产业农艺数据与XGBoost-LightGBM-CatBoost集成的产量预测方法

本产品基于XGBoost、LightGBM、CatBoost三种梯度提升树模型构建集成学习框架，对茯苓产量进行多产区预测。模型以多源数据为输入，涵盖地块土壤属性（有机质、氮磷钾）、长时序气象数据（温度、降水）、种植过程信息（菌种批次、接种时间、田间管理记录）及历史产量数据。
采用Stacking集成策略，将XGBoost、LightGBM、CatBoost作为基学习器，并使用线性回归作为元学习器进行学习。相比单一模型，集成方法能够综合各算法的优势，三者互补，有效提升跨产区、跨年度的预测泛化能力。
模型输出各产区的预测产量值（公斤/亩）及置信区间，同时基于Shapley值输出特征重要性排序，帮助种植企业理解影响产量的关键环境因子，并服务于茯苓种植基地的产量预判、策略优化及供应链调度。
主要字段如下：地块编号（plotId），区域名称（regionName），土壤有机质（organicMatter），平均气温（avgTemperature），累计降水量（totalRainfall），历史产量（historicalYield），预测产量（predictedYield）

搜集汇总

背景与挑战

背景概述

该数据集是一种基于茯苓产业农艺数据与XGBoost、LightGBM和CatBoost集成模型的产量预测方法，由云南振途信息科技有限公司开发。它利用先进的机器学习算法整合农艺信息，旨在提升茯苓产量的预测精度和可靠性，适用于农业数据分析和智能决策支持场景。