该研究提出了一种结合土壤湿度的知识引导机器学习模型，以提高干旱条件下玉米产量预测的准确性。通过引入土壤湿度作为中介变量和设计干旱感知损失函数，显著改善了预测效果，对农业生产具有重要指导意义。

本研究利用机器学习和递归神经网络（RNNs）提高全球河流和干旱预测的准确性。比较不同模型后，发现卷积LSTM和Transformer在干旱强度预测中表现优越，而LSTM在建筑能源消耗预测中也显示出高效性，优于传统方法。研究表明，LSTM在多种应用中具有更好的预测性能。