人工智能在农业风险管理中的应用研究综述

文献类型： 中文期刊

第一作者： 桂泽春

作者： 桂泽春;赵思健

作者机构：

关键词： 农业风险管理;人工智能;脆弱性评估;风险预测;损害评估

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2023 年 5 卷 001 期

页码： 82-98

摘要： 农业是关系国计民生的基础产业,但同时又是弱质产业,传统农业风险管理研究方法中存在非线性信息挖掘不足、精确度不高和鲁棒性差等问题.人工智能(Artificial Intelligence,AI)拥有基于大数据的强非线性拟合、端到端建模和特征自学习等强大功能可很好地解决上述问题.本文首先分析了AI在农业脆弱性评估、农业风险预测,以及农业损害评估三大方面的研究进展,得出如下结论:1.AI在农业脆弱性评估中的特征重要性评估缺乏科学有效的验证指标,且应用方式导致无法比较多个模型之间的优劣,建议采用主客观法进行评价;2.在风险预测中,发现随着预测时间的增加,机器学习模型的预测能力往往会下降,过拟合问题是风险预测中的常见问题,且目前研究针对图数据空间信息的挖掘还较少;3.农业生产环境复杂,应用场景多变是影响损害评估准确性的重要因素,提升深度学习模型的特征提取能力和鲁棒性是未来技术发展需要克服的重点和难点问题.然后,针对AI应用过程中存在的性能提升问题和小样本问题提出了相应的解决方案.对于性能提升问题,根据使用者对人工智能的熟悉程度,可分别采用多种模型比较法、模型组合法和神经网络结构优化法以提升模型的性能表现;对于小样本的问题,往往可以将数据增强、生成对抗网络和迁移学习相结合,以增强模型的鲁棒性和提高模型识别的准确性.最后,对AI在农业风险管理中的应用进行了展望.未来可以考虑将人工智能引入农业脆弱性曲线的构建;针对农业产业链的上下游关系和与农业相关的行业关系,更多地应用图神经网络对农业价格风险预测进一步深入研究;损害评估建模过程中可以更多地引入评估目标相关领域的专业知识以增强对目标的特征学习,对小样本数据进行增广也是未来研究的重点内容.

分类号： F302%TP301

  • 相关文献

[1]我国食用农产品EMA防控体系构建研究. 张星联,张慧媛. 2019

[2]区域房屋震灾脆弱性模拟评估系统. 牛方曲,高晓路,季珏,郜允兵. 2012

[3]蜂蜜掺假的脆弱性评估技术研究. 张星联,张慧媛,宋华欣,陆柏益. 2020

[4]农业风险管理及农业保险制度研究-以甘肃省为例. 乔德华. 2021

[5]政府在农业风险管理中的角色定位——OECD国家的经验借鉴. 范丽萍. 2013

[6]溢油事故对天然渔业资源损害的评估指标体系与实例应用. 沈新强,袁骐. 2010

[7]矿区地表水环境损害评估研究及案例应用. 牛坤玉,於方,张天柱,郭静利. 2016

[8]构建大豆产业风险管理体系提高大豆产业组织化程度. 张峭. 2008

[9]美国、日本农业风险管理体系建设经验及其对我国的启示. 许标文,齐心. 2021

[10]推进风险模型系统建设，强化农业保险的风险管理. 赵思健. 2023

[11]矿区地表水环境损害评估研究及案例应用. 牛坤玉,於方,张天柱,郭静利. 2017

[12]柴达木农田土壤Cd的积累及风险预测. 肖明,杨文君,张泽,吕新,迟德钊. 2014

[13]麦玉苕空行利用方式及配套技术体系的研究. 李大祥,杨文元. 1993

[14]四川盆地东南部再生稻开花期受低温冷害的风险预测. 徐富贤,袁驰,王学春,韩冬,廖爽,张志勇,陈琨,曾世清,孔晓谦,曾正明,张林,杨波,蒋鹏,周兴兵. 2023

[15]棉铃虫对拟除虫菊酯类杀虫剂抗性遗传力的分析. 范贤林,卢美光,赵建周,魏岑. 1997

[16]食用菌中农药残留安全及风险预测. 杨慧,赵志辉,王瑞霞,董茂锋,宋卫国. 2011

[17]应用人工智能技术进行作物状态诊断初探. 陈立平. 2000

[18]农业中的专家系统(英文). 王遗宝,T.P.MacK. 1990

[19]智慧农业在棉花生产管理中的应用. 陈焕轩,陈焕轩,韩迎春,冯璐,杨北方,雷亚平,王占彪,李亚兵. 2020

[20]互联网 + 教育在高校信息化建设中的应用. 高宝军,张晓华. 2019

作者其他论文 更多>>

微信小程序