Pronóstico y gestión de plagas y enfermedades para la caña de azúcar utilizando un modelo híbrido de media móvil integrada autorregresiva - un modelo de memoria a largo plazo
Autores: Wang, Minghui; Li, Tong
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 10
Citaciones: Sin citaciones
Este estudio presenta un modelo híbrido de AutoRegressive Integrated Moving Average (ARIMA)-Long Short-Term Memory (LSTM) para predecir y gestionar plagas y enfermedades de la caña de azúcar, aprovechando grandes volúmenes de datos para una mayor precisión.
Descripción
Este estudio presenta un modelo híbrido de AutoRegressive Integrated Moving Average (ARIMA)-Long Short-Term Memory (LSTM) para predecir y gestionar plagas y enfermedades de la caña de azúcar, aprovechando grandes volúmenes de datos para una mayor precisión.