論文の概要: Analysis of Biomass Sustainability Indicators from a Machine Learning
Perspective
- arxiv url: http://arxiv.org/abs/2302.00828v1
- Date: Thu, 2 Feb 2023 02:31:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 15:41:03.704703
- Title: Analysis of Biomass Sustainability Indicators from a Machine Learning
Perspective
- Title(参考訳): 機械学習から見たバイオマスサステナビリティ指標の分析
- Authors: Syeda Nyma Ferdous, Xin Li, Kamalakanta Sahoo, Richard Bergman
- Abstract要約: 本研究では,機械学習モデルを用いてサステナビリティ指標を解析し,バイオマスのサステナビリティ予測のためのロバストモデルを提案する。
10種類の機械学習モデルを用いて, バイオマス持続可能性指標, 土壌浸食因子, 土壌条件指標, 有機物因子を推定した。
その結果,サステナビリティ指標を評価する上では,ランダムフォレストが最も優れたモデルであることが示唆された。
- 参考スコア(独自算出の注目度): 4.129067364486898
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Plant biomass estimation is critical due to the variability of different
environmental factors and crop management practices associated with it. The
assessment is largely impacted by the accurate prediction of different
environmental sustainability indicators. A robust model to predict
sustainability indicators is a must for the biomass community. This study
proposes a robust model for biomass sustainability prediction by analyzing
sustainability indicators using machine learning models. The prospect of
ensemble learning was also investigated to analyze the regression problem. All
experiments were carried out on a crop residue data from the Ohio state. Ten
machine learning models, namely, linear regression, ridge regression,
multilayer perceptron, k-nearest neighbors, support vector machine, decision
tree, gradient boosting, random forest, stacking and voting, were analyzed to
estimate three biomass sustainability indicators, namely soil erosion factor,
soil conditioning index, and organic matter factor. The performance of the
model was assessed using cross-correlation (R2), root mean squared error and
mean absolute error metrics. The results showed that Random Forest was the best
performing model to assess sustainability indicators. The analyzed model can
now serve as a guide for assessing sustainability indicators in real time.
- Abstract(参考訳): 植物バイオマスの推定は、異なる環境要因の変動とそれに関連する作物管理の実践のために重要である。
この評価は、異なる環境サステナビリティ指標の正確な予測に大きく影響している。
サステナビリティ指標を予測するための堅牢なモデルは、バイオマスコミュニティにとって必須である。
本研究では,機械学習モデルを用いてサステナビリティ指標を解析し,バイオマスサステナビリティ予測のためのロバストモデルを提案する。
回帰問題を分析するためにアンサンブル学習の展望も検討した。
全ての実験は、オハイオ州の作物残基データに基づいて行われた。
10種類の機械学習モデル,すなわち線形回帰,隆起回帰,多層パーセプトロン,k-アネレスト近傍,支持ベクトルマシン,決定木,勾配押し上げ,ランダム森林,積み上げ,投票を行い,土壌浸食係数,土壌条件指標,有機物係数の3つのバイオマス持続可能性指標を推定した。
モデルの性能はクロス相関(R2)、ルート平均二乗誤差、平均絶対誤差メトリクスを用いて評価した。
その結果,無作為林は持続可能性指標を評価する最善のモデルであった。
分析されたモデルは、サステナビリティ指標をリアルタイムに評価するためのガイドとして機能する。
関連論文リスト
- Identifiable Latent Polynomial Causal Models Through the Lens of Change [85.67870425656368]
因果表現学習は、観測された低レベルデータから潜在的な高レベル因果表現を明らかにすることを目的としている。
主な課題の1つは、識別可能性(identifiability)として知られるこれらの潜伏因果モデルを特定する信頼性の高い保証を提供することである。
論文 参考訳(メタデータ) (2023-10-24T07:46:10Z) - Beyond Tides and Time: Machine Learning Triumph in Water Quality [0.0]
この研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としている。
我々の研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としています。
論文 参考訳(メタデータ) (2023-09-29T03:33:53Z) - Towards Machine Learning-based Fish Stock Assessment [0.0]
本稿では,機械学習モデルを用いたストックパラメータの推定と予測の改善について検討する。
本稿では,古典統計ストックアセスメントモデルと教師付きMLを組み合わせたハイブリッドモデルを提案する。
論文 参考訳(メタデータ) (2023-08-07T08:44:15Z) - Ecosystem-level Analysis of Deployed Machine Learning Reveals
Homogeneous Outcomes [76.07093761206377]
本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。
デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。
これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
論文 参考訳(メタデータ) (2023-07-12T01:11:52Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Using interpretable boosting algorithms for modeling environmental and
agricultural data [0.0]
本稿では,高次元環境データの解析に解釈可能なブースティングアルゴリズムを用いる方法について述べる。
提案手法は, 群構造をどう考えるか, 相互作用が高次元データセットでどのように見られるのかを, 新たな2段階ブースティング手法を用いて示すものである。
論文 参考訳(メタデータ) (2023-05-04T10:16:11Z) - Fuzzy clustering for the within-season estimation of cotton phenology [0.0]
本研究では,綿花の季節内表現学評価のための新しい手法を提案する。
本手法は, スパース・アンス・グラウンドの真理データにおいて, 常に存在する問題に対処するために, 教師なしの手法である。
このモデルを評価するため,ギリシャのオルコメノスで1,285の栽培地観測を行った。
論文 参考訳(メタデータ) (2022-11-25T13:30:57Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳(メタデータ) (2022-08-04T01:34:46Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳(メタデータ) (2021-06-08T14:48:20Z) - A comprehensive comparative evaluation and analysis of Distributional
Semantic Models [61.41800660636555]
我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。
その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。
我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
論文 参考訳(メタデータ) (2021-05-20T15:18:06Z) - Crop Yield Prediction Integrating Genotype and Weather Variables Using
Deep Learning [8.786816847837976]
我々は,北米のUniform Soybean Tests (UST) から13年間のデータにまたがる過去のパフォーマンス記録を用いて,複数環境でジェノタイプ応答を検出・予測するために,Long Short Term Memory - Recurrent Neural Network based modelを構築した。
我々は、このディープラーニングフレームワークを「仮説生成ツール」としてデプロイし、GxExM関係を解き放つ。
異なる気候条件下でのダイズおよび他の作物に対するこのアプローチの適用性(感度分析および「What-if」シナリオ)について検討した。
論文 参考訳(メタデータ) (2020-06-24T16:20:12Z)
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。