关键词：机器学习;农业机械;运行状态预测;双MapReduce;分布式处理;特征提取
摘 要：随着农业机械的广泛应用，实时监测和预测其运行状态，对提高农业机械运行效率、降低故障率具有重要意义。该文基于双MapReduce框架，提出了一种基于机器学习的农业机械运行状态预测模型，通过传感器获取农业机械的各项运行数据，然后利用MapReduce技术对数据进行分布式处理，以历史运行数据作为输入，提取特征并进行数据预处理构建预测模型。仿真试验结果表明，该模型对农业机械运行状态预测结果较为准确，预测时效性较高，在数据量较大的情况下具有显著应用优势，可为农业生产提供实时监测和预警，提高了农业机械的使用效率和安全性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取