論文の概要: Time Series Prediction for Food sustainability
- arxiv url: http://arxiv.org/abs/2209.06889v1
- Date: Wed, 14 Sep 2022 19:27:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-16 13:03:13.351527
- Title: Time Series Prediction for Food sustainability
- Title(参考訳): 食品持続可能性の時系列予測
- Authors: Fiona Victoria Stanley Jothiraj
- Abstract要約: 過去の各国の天然資源の全体利用状況を理解することにより、各国の需要を予測できる。
提案手法は,将来特定の期間に各国の不足に耐えうるトップk製品を予測する統計的回帰モデルを用いて,機械学習システムを実装することで構成される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With exponential growth in the human population, it is vital to conserve
natural resources without compromising on producing enough food to feed
everyone. Doing so can improve people's livelihoods, health, and ecosystems for
the present and future generations. Sustainable development, a paradigm of the
United Nations, is rooted in food, crop, livestock, forest, population, and
even the emission of gases. By understanding the overall usage of natural
resources in different countries in the past, it is possible to forecast the
demand in each country. The proposed solution consists of implementing a
machine learning system using a statistical regression model that can predict
the top k products that would endure a shortage in each country in a specific
period in the future. The prediction performance in terms of absolute error and
root mean square error show promising results due to its low errors. This
solution could help organizations and manufacturers understand the productivity
and sustainability needed to satisfy the global demand.
- Abstract(参考訳): 人口の指数関数的な増加に伴い、皆に餌を与えるのに十分な食料を生産することへの妥協なしに天然資源を保全することが不可欠である。
人々の生活、健康、そして将来の世代における生態系を改善することができる。
持続可能な開発は国連のパラダイムであり、食料、作物、家畜、森林、人口、さらにはガスの排出にも根ざしている。
過去に異なる国の天然資源の全体利用状況を理解することで、各国の需要を予測することができる。
提案手法は,将来特定の期間に各国の不足に耐えうるトップk製品を予測する統計的回帰モデルを用いて,機械学習システムを実装することで構成される。
絶対誤差および根平均二乗誤差の観点からの予測性能は、その低い誤差による有望な結果を示す。
このソリューションは、グローバルな需要を満たすために必要な生産性と持続可能性を理解するのに役立つだろう。
関連論文リスト
- FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳(メタデータ) (2024-01-28T13:23:25Z) - Agricultural Recommendation System based on Deep Learning: A
Multivariate Weather Forecasting Approach [0.0]
本稿では,天気予報モデルを用いたコンテキスト型作物推薦システムを提案する。
提案された気象モデルは、バングラデシュの任意の場所において降雨、気温、湿度、日差しを平均して0.9824で予測することができる。
論文 参考訳(メタデータ) (2024-01-21T06:33:45Z) - Towards an end-to-end artificial intelligence driven global weather
forecasting system [56.58654971803005]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが希少な地球観測を同化して高品質な分析を行うことを示す。
我々は,提案手法を実世界のシナリオに適用した最初の人物である。
論文 参考訳(メタデータ) (2023-12-18T09:05:28Z) - Forecasting Trends in Food Security: a Reservoir Computing Approach [0.8437187555622164]
我々は、マリ、ナイジェリア、シリア、イエメンの4カ国で、60日間連続して食料消費の水準を予測するための新しい定量的方法論を提案する。
この手法は、World Food Programmeのグローバル飢餓監視システムから入手可能なデータに基づいて構築されている。
論文 参考訳(メタデータ) (2023-12-01T14:42:37Z) - Climate Change Impact on Agricultural Land Suitability: An Interpretable
Machine Learning-Based Eurasia Case Study [94.07737890568644]
2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。
気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。
本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
論文 参考訳(メタデータ) (2023-10-24T15:15:28Z) - Predictive World Models from Real-World Partial Observations [66.80340484148931]
本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。
従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
論文 参考訳(メタデータ) (2023-01-12T02:07:26Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳(メタデータ) (2022-06-30T17:59:14Z) - A Simulation Environment and Reinforcement Learning Method for Waste
Reduction [50.545552995521774]
本稿では, 流通の観点から, 食料品店の在庫を消耗品で補充する際の問題点を考察する。
目的は、ごみを最小化しながら販売を最大化することであり、衣料品の実際の消費について不確実性がある。
我々は, エージェントの行動に合わせた行動を示す新しい強化学習タスクとして, 在庫再備の枠組みを定めている。
論文 参考訳(メタデータ) (2022-05-30T22:48:57Z) - Census-Independent Population Estimation using Representation Learning [0.5735035463793007]
代替データを用いた国勢調査非依存の人口推定手法は、頻繁に信頼性の高い人口推定を局所的に提供することを約束している。
モザンビークにおける近年の表現学習手法について検討し,人口推定への表現の伝達可能性を評価する。
表現学習を使用することで、特徴が自動的に抽出されるため、人間の監督が不要になる。
得られた人口推計をGRID3, Facebook (HRSL) および WorldPop の既存人口製品と比較した。
論文 参考訳(メタデータ) (2021-10-06T15:13:36Z) - Food safety risk prediction with Deep Learning models using categorical
embeddings on European Union data [1.4502611532302039]
欧州連合(EU)は1977年に、国境を越えた監視を確保するため、取引された商品に関する不規則事項を登録し始めた。
食品問題に関連するデータは、将来の通知のいくつかの機能を予測するために、機械学習技術によって取り除かれ分析された。
その結果,74.08%から93.06%の精度でこれらの特徴を予測できることがわかった。
論文 参考訳(メタデータ) (2020-09-14T19:36:58Z)
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。