論文の概要: An innovative Deep Learning Based Approach for Accurate Agricultural Crop Price Prediction

• arxiv url: http://arxiv.org/abs/2304.09761v1
• Date: Sat, 15 Apr 2023 10:54:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-20 13:56:28.681930
• Title: An innovative Deep Learning Based Approach for Accurate Agricultural Crop Price Prediction
• Title（参考訳）: 農業作物の正確な価格予測のための革新的深層学習アプローチ
• Authors: Mayank Ratan Bhardwaj (1), Jaydeep Pawar (1), Abhijnya Bhat (2), Deepanshu (1), Inavamsi Enaganti (1), Kartik Sagar (1), Y. Narahari (1) ((1) Indian Institute of Science, (2) PES University)
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate prediction of agricultural crop prices is a crucial input for decision-making by various stakeholders in agriculture: farmers, consumers, retailers, wholesalers, and the Government. These decisions have significant implications including, most importantly, the economic well-being of the farmers. In this paper, our objective is to accurately predict crop prices using historical price information, climate conditions, soil type, location, and other key determinants of crop prices. This is a technically challenging problem, which has been attempted before. In this paper, we propose an innovative deep learning based approach to achieve increased accuracy in price prediction. The proposed approach uses graph neural networks (GNNs) in conjunction with a standard convolutional neural network (CNN) model to exploit geospatial dependencies in prices. Our approach works well with noisy legacy data and produces a performance that is at least 20% better than the results available in the literature. We are able to predict prices up to 30 days ahead. We choose two vegetables, potato (stable price behavior) and tomato (volatile price behavior) and work with noisy public data available from Indian agricultural markets.
• Abstract（参考訳）: 農作物価格の正確な予測は、農家、消費者、小売業者、問屋、政府といった様々な利害関係者による意思決定の重要な入力である。 これらの決定は農民の経済的幸福を含む重要な意味を持っている。 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。 これは技術的に難しい問題であり、これまで試みられてきた。 本稿では,価格予測の精度を高めるために,革新的なディープラーニングに基づくアプローチを提案する。 提案手法では、標準畳み込みニューラルネットワーク(CNN)モデルとともにグラフニューラルネットワーク(GNN)を使用して、地空間依存性を価格で活用する。 我々のアプローチは、ノイズの多いレガシーデータとうまく連携し、文献で得られる結果よりも少なくとも20%良いパフォーマンスを生み出す。 価格は30日先まで予測できる」と述べた。 ジャガイモ(安定価格行動)とトマト(揮発性価格行動)の2つの野菜を選択し,インドの農業市場から利用可能な騒がしい公開データを扱う。

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)
• Predicting Agricultural Commodities Prices with Machine Learning: A Review of Current Research [1.099532646524593]
  農業価格の予測は農家、政策立案者、その他の農業分野の利害関係者にとって重要である。 機械学習アルゴリズムは、精度、リアルタイム予測、カスタマイズ、統合を改善して、農業の価格予測に革命をもたらす可能性がある。 機械学習は農業価格予測に革命をもたらす可能性があると結論付けているが、このアプローチに関連する限界と課題に対処するためには、さらなる研究が不可欠である。
  論文  参考訳（メタデータ） (2023-10-28T09:09:29Z)
• Price-Aware Deep Learning for Electricity Markets [58.3214356145985]
  深層学習層として電力市場浄化最適化を組み込むことを提案する。 このレイヤを差別化することで、予測と価格エラーのバランスをとることができる。 風力発電予測と短期電力市場浄化のネクサスにおける価格認識深層学習について紹介する。
  論文  参考訳（メタデータ） (2023-08-02T21:16:05Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• SugarChain: Blockchain technology meets Agriculture -- The case study and analysis of the Indian sugarcane farming [0.0]
  私たちの研究の全体的な目的は、農業製品を強調し、動機付けし、ブロックチェーン技術を使用することで農家に利益をもたらすことです。 インド産サトウキビ栽培における事例研究と分析を農家から収集したデータを用いて紹介した。
  論文  参考訳（メタデータ） (2023-01-20T02:40:57Z)
• Evaluating Digital Agriculture Recommendations with Causal Inference [0.9213852038999553]
  本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。 ケーススタディとして,数値気象予測に基づく綿の最適播種時間推薦システムの設計と実装を行った。 バックドア基準を用いて, 播種勧告が収量に与える影響を同定し, 線形回帰, マッチング, 逆確率スコア重み付け, メタラーナーを用いて推定した。
  論文  参考訳（メタデータ） (2022-11-30T12:20:08Z)
• A Deep Neural Network Approach for Crop Selection and Yield Prediction in Bangladesh [0.0]
  本稿では,最小コストと労力で作物の選別と収量予測の最良の方法を示す。 本稿では,農業作物の選択と収量予測にディープニューラルネットワークを用いることを提案する。
  論文  参考訳（メタデータ） (2021-08-06T22:25:46Z)
• District Wise Price Forecasting of Wheat in Pakistan using Deep Learning [3.5281018826570536]
  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。
  論文  参考訳（メタデータ） (2021-03-05T06:13:51Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
  特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。 衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
  論文  参考訳（メタデータ） (2020-07-07T12:44:17Z)

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。