machine-learning - 预测 cucumber 收获

Question

我正在尝试预测温室中 cucumber 的收成。我测量了有关湿度、温度、人造光、阳光和二氧化碳的数据。每天收获的 cucumber 数量以千克为单位。
由于 cucumber 大约需要 14 天才能生长，因此前 14 天的测量数据会影响特定日期 cucumber 的实际收获量。我已经通过将前 14 天的平均测量数据与给定日期的每个收获结果相关联来创建了一个数据集，并用它训练了一个预测模型。这已经给了我有希望的结果。
现在我想改进这个系统。我不想对前 14 天的数据进行平均并假设每天的影响为 1/14，而是想找出对收获结果的实际影响(根据经验，收获前 1 天测量的数据)对实际收获的 cucumber 数量有 50% 的影响；我的目标是验证或改进该规则)。
知道如何实现这一目标吗？

Answer 1

我想到了两种方法，具体取决于哪种方法对您来说更适合您的情况:

1) 实现此目的的一种方法是同时对不同的收获进行多次分析。例如，连续三天进行三次收获:

收获 1:2019 年 12 月 17 日

收获 2:2019 年 12 月 18 日

收获 3:2019 年 12 月 19 日

您在 12/16 记录的条件将对应于收获 1 的最后一天、收获 2 的第 12 天和收获 3 的第 11 天。如果您的理论正确，则前一天对收获的影响最大产量，条件对 12/16 的影响在收获 1 上应该比其他条件更明显。

我不确定您是否想要一般的实验大纲或程序统计/编码方法。如果您正在寻找入门方向，请研究多元统计分析。

2)另一条路线完全可以如下:

由于您已经在单组上进行了实验，因此您可能知道哪些条件有利于生长。如果您这样做，并且可以让您的神经网络将给定日期的所有条件减少到单个“健康”数字(良好的生长条件给出更高的健康数字，不良条件给出更低的健康数字)，您可以填充一个矩阵14 次收获以及他们在您的一个变量“健康”维度方面看到的相应条件。从那里您可以执行回归来确定每天的体重及其对生长的影响。