論文の概要: District Wise Price Forecasting of Wheat in Pakistan using Deep Learning

• arxiv url: http://arxiv.org/abs/2103.04781v1
• Date: Fri, 5 Mar 2021 06:13:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-10 12:37:27.951783
• Title: District Wise Price Forecasting of Wheat in Pakistan using Deep Learning
• Title（参考訳）: パキスタンにおける深層学習による小麦の地域ワイズ価格予測
• Authors: Ahmed Rasheed, Muhammad Shahzad Younis, Farooq Ahmad, Junaid Qadir, and Muhammad Kashif
• Abstract要約: 小麦はパキスタンの主要な農業作物であり、パキスタンのほぼ全ての家庭で重要な食料である。 本論文では,過去数年間の小麦価格の価格,気象,生産,消費動向を用いた小麦価格予測手法を提案する。 提案手法は,従来の機械学習や統計時系列分析法と比較して有意に改善した。
• 参考スコア（独自算出の注目度）: 3.5281018826570536
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wheat is the main agricultural crop of Pakistan and is a staple food requirement of almost every Pakistani household making it the main strategic commodity of the country whose availability and affordability is the government's main priority. Wheat food availability can be vastly affected by multiple factors included but not limited to the production, consumption, financial crisis, inflation, or volatile market. The government ensures food security by particular policy and monitory arrangements, which keeps up purchase parity for the poor. Such arrangements can be made more effective if a dynamic analysis is carried out to estimate the future yield based on certain current factors. Future planning of commodity pricing is achievable by forecasting their future price anticipated by the current circumstances. This paper presents a wheat price forecasting methodology, which uses the price, weather, production, and consumption trends for wheat prices taken over the past few years and analyzes them with the help of advance neural networks architecture Long Short Term Memory (LSTM) networks. The proposed methodology presented significantly improved results versus other conventional machine learning and statistical time series analysis methods.
• Abstract（参考訳）: 小麦はパキスタンの主要な農業作物であり、ほぼすべてのパキスタン世帯の主食要件であり、その可用性と手頃な価格が政府の主な優先事項である国の主要な戦略商品です。 小麦の食料供給は、生産、消費、金融危機、インフレ、揮発性市場などを含む複数の要因によって大きく影響を受ける可能性がある。 政府は特定の政策と監視措置によって食料の安全を確保し、貧困層に平等を保ち続ける。 このような配置は、ある現在の要因に基づいて将来の収率を推定するために動的解析を行うことでより効果的になる。 商品価格の今後の計画は、現在の状況で期待される将来の価格を予測することで達成できる。 本稿では,近年の小麦価格の価格,天気,生産,消費の傾向を,先進的なニューラルネットワークアーキテクチャであるLong Short Term Memory(LSTM)ネットワークの助けを借りて分析する,小麦価格予測手法を提案する。 提案手法は,従来の機械学習や統計時系列分析法と比較して有意に改善した。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• NourishNet: Proactive Severity State Forecasting of Food Commodity Prices for Global Warning Systems [0.0]
  世界的な食品商品の価格変動は、食品市場の破壊の可能性を示す重要なシグナルである。 FAOは以前、食品価格の積極的な予測のための洗練された統計フレームワークを開発した。 本研究は,堅牢な価格セキュリティ指標と最先端のディープラーニング(DL)手法を統合することにより,これらの基盤の上に構築されている。
  論文  参考訳（メタデータ） (2024-06-30T13:43:26Z)
• On-line conformalized neural networks ensembles for probabilistic forecasting of day-ahead electricity prices [41.94295877935867]
  我々はPEPFに対する新しいアプローチを提案し、同型推論に基づく手法を用いて、アートニューラルネットワークのアンサンブルの手法を拡張した。 複数の市場地域で実験が行われ、昼の予測が達成され、時間帯のカバレッジが向上し、安定した確率的スコアが得られた。
  論文  参考訳（メタデータ） (2024-04-03T13:22:47Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Winter Wheat Crop Yield Prediction on Multiple Heterogeneous Datasets using Machine Learning [0.2580765958706853]
  冬の小麦はイギリスで最も重要な作物の1つであり、作物の収穫予測は国の食料安全保障にとって不可欠である。 いくつかの研究は、郡や農場のレベルで収穫を予測するために機械学習(ML)技術を用いてきた。 本研究の目的は,多種多種データセットを用いたMLモデルを用いて冬期のコムギ収量を予測することである。
  論文  参考訳（メタデータ） (2023-06-20T23:52:39Z)
• An innovative Deep Learning Based Approach for Accurate Agricultural Crop Price Prediction [0.0]
  本稿では, 歴史的価格情報, 気候条件, 土壌タイプ, 立地, その他の重要な価格決定要因を用いて, 作物の価格を正確に予測することを目的とする。 本稿では,価格予測の精度を高めるために,革新的な深層学習手法を提案する。 我々の手法は、ノイズの多いレガシーデータとうまく機能し、文献で利用可能な結果よりも少なくとも20%優れたパフォーマンスを生み出す。
  論文  参考訳（メタデータ） (2023-04-15T10:54:57Z)
• A Framework for Evaluating the Impact of Food Security Scenarios [0.0]
  このケーススタディは、国連食糧農業機関(FAOSTAT)、世界銀行、米国農務省(USDA)のデータを用いて作成された、独自の時系列食品セキュリティデータベースに基づいている。 提案手法は,食品セキュリティにおけるシナリオの潜在的な影響を予測するために,また,この手法をサポートするために,独自の時系列食品セキュリティデータベースを使用することができる。
  論文  参考訳（メタデータ） (2023-01-23T08:41:46Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Forecasting Crude Oil Price Using Event Extraction [2.132096006921048]
  新たな原油価格予測フレームワークであるAGESLが,この問題に対処するために提案されている。 提案手法では,オープンドメインイベント抽出アルゴリズムを用いて関連するイベントを抽出する。 次に、将来の原油価格を予測するために、ニュースイベントの特徴、感傷的特徴、歴史的価格特徴を統合するディープニューラルネットワークを構築します。
  論文  参考訳（メタデータ） (2021-11-14T08:48:43Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Predicting seasonal influenza using supermarket retail records [59.18952050885709]
  我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
  論文  参考訳（メタデータ） (2020-12-08T16:30:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。