衡量全球经济均衡的定量指标与农业供应链和国际贸易流量具有强大而相互依存的关系。这些过程中的突然震动由贸易战争,流行病或天气等异常事件造成的,可能对全球经济具有复杂影响。在本文中,我们提出了一种新颖的框架,即:Depeag,采用经济学,使用深度学习(DL)来测量异常事件检测的影响,以确定普通财务指数(如Dowjones)之间的关系,以及生产价值农产品(如奶酪和牛奶)。我们使用称为长期内存(LSTM)网络的DL技术成功地预测商品生产,高精度,也是五个流行的模型(回归和提升)作为基准,以测量异常事件的影响。结果表明,具有异常值的考虑因素(使用隔离林)优于基线模型的Depeag,以及具有异常值检测的相同模型。在预测财务指标预测商品生产时,异常事件会产生相当大的影响。此外,我们展示了Deepag对公共政策的影响,为政策制定者和农民提供了洞察力,以及农业生态系统的运作决策。收集数据,模型开发,并记录和呈现结果。
translated by 谷歌翻译