[論文レビュー] Predicting County Level Corn Yields Using Deep Long Short Term Memory Models

Zehui Jiang, Chao Liu+4 more|arXiv (Cornell University)|May 30, 2018

Energy Load and Power Forecasting参考文献 12被引用数 52

ひとこと要約

深層LSTMアプローチを用いて、断面的時系列データと1時間ごとの天気データを利用して郡レベルのトウモロコシ収量を予測する手法を提案し、アイオワ州における調査ベースの方法と比較して予測力が有望であることを示す。

ABSTRACT

Corn yield prediction is beneficial as it provides valuable information about production and prices prior the harvest. Publicly available high-quality corn yield prediction can help address emergent information asymmetry problems and in doing so improve price efficiency in futures markets. This paper is the first to employ Long Short-Term Memory (LSTM), a special form of Recurrent Neural Network (RNN) method to predict corn yields. A cross sectional time series of county-level corn yield and hourly weather data made the sample space large enough to use deep learning technics. LSTM is efficient in time series prediction with complex inner relations, which makes it suitable for this task. The empirical results from county level data in Iowa show promising predictive power relative to existing survey based methods.

研究の動機と目的

• 郡レベルのトウモロコシ収量を予測する深層学習アプローチ（LSTM）を開発する。
• 郡の収量と1時間ごとの天気情報を組み合わせた断面的時系列データを活用する。
• 従来の調査ベースの収量予測方法と比較して予測力を評価する。
• 先物市場における価格発見と市場効率の潜在的利益と実現性を示す。
• 方法の適用性を示すためにアイオワ州の郡データに焦点を当てる。

提案手法

• 時系列予測にLSTM（長短期記憶ネットワーク）を適用する。
• 郡の収量と1時間ごとの天気データを結ぶ断面的時系列データセットを構築する。
• LSTMの予測を既存の調査ベースの予測方法と比較する。
• 農業データの複雑な時間的関係性をモデル化できるLSTMの能力を説明する。
• アイオワ州の郡レベルデータを用いて予測性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 LSTMモデルは郡データの1時間ごとの天気データと郡の収量から郡レベルのトウモロコシ収量を正確に予測できるか。
• RQ2 LSTMの予測性能は従来の調査ベースの収量予測方法とどう比較されるか。
• RQ3 LSTMアプローチはアイオワ州の郡に対して有効な収量予測を提供するか。

主な発見

• LSTMは調査ベースの方法と比較して有望な予測力を示す。
• アイオワ州の郡データに基づく経験的結果は深層学習アプローチの有効性を支持する。
• 1時間ごとの天気データの活用により深層学習に適した大きなサンプル空間を扱える。
• 本研究は郡レベルのトウモロコシ収量予測へのLSTM適用の初例である。