論文の概要: Agricultural Recommendation System based on Deep Learning: A
Multivariate Weather Forecasting Approach
- arxiv url: http://arxiv.org/abs/2401.11410v1
- Date: Sun, 21 Jan 2024 06:33:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 16:33:14.377295
- Title: Agricultural Recommendation System based on Deep Learning: A
Multivariate Weather Forecasting Approach
- Title(参考訳): 深層学習に基づく農業推薦システム:多変量気象予報手法
- Authors: Md Zubair (1), Md. Shahidul Salim (2), Mehrab Mustafy Rahman (3),
Mohammad Jahid Ibna Basher (1), Shahin Imran (4) and Iqbal H. Sarker (5) ((1)
Chittagong University of Engineering & Technology, Chittagong, Bangladesh,
(2) Khulna University of Engineering & Technology, Khulna, Bangladesh, (3)
Islamic University of Technology, Gazipur, Bangladesh, (4) Khulna
Agricultural University, Khulna, Bangladesh, (5) Edith Cowan University,
Perth, Australia.)
- Abstract要約: 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、バングラデシュの特定の場所について降雨、気温、湿度、日差しをより正確に予測することができる。
このシステムは、バングラデシュの洪水や干ばつによる地域での知識に基づく作物提案にも長けている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bangladesh is predominantly an agricultural country, where the agrarian
sector plays an essential role in accelerating economic growth and enabling the
food security of the people. The performance of this sector has an overwhelming
impact on the primary macroeconomic objectives like food security, employment
generation, poverty alleviation, human resources development, and other
economic and social forces. Although Bangladesh's labor-intensive agriculture
has achieved steady increases in food grain production, it often suffered from
unfavorable weather conditions such as heavy rainfall, low temperature, and
drought. Consequently, these factors hinder the production of food
substantially, putting the country's overall food security in danger. In order
to have a profitable, sustainable, and farmer-friendly agricultural practice,
this paper proposes a context-based crop recommendation system powered by a
weather forecast model. With extensive evaluation, the multivariate Stacked
Bi-LSTM Network is employed as the weather forecasting model. The proposed
weather model can forecast Rainfall, Temperature, Humidity, and Sunshine for
any given location in Bangladesh with higher accuracy. These predictions guide
our system to assist the farmers in making feasible decisions about planting,
irrigation, harvesting, and so on. Additionally, our full-fledged system is
capable of alerting the farmers about extreme weather conditions so that
preventive measures can be undertaken to protect the crops. Finally, the system
is also adept at making knowledge-based crop suggestions for the flood and
drought-prone regions of Bangladesh.
- Abstract(参考訳): バングラデシュは主に農業国であり、農業部門は経済成長を加速し、人々の食料安全保障を可能にする上で重要な役割を担っている。
このセクターのパフォーマンスは、食料安全保障、雇用創出、貧困軽減、人的資源開発、その他の経済・社会力といった主要なマクロ経済目標に圧倒的な影響を与えている。
バングラデシュの労働集約農業は食糧穀物生産を着実に増加させているが、大雨や低温、干ばつなどの悪天候に悩まされることが多い。
その結果、これらの要因は食糧生産を著しく阻害し、国内の食品全体の安全を危険にさらすことになった。
本研究は, 収益性, 持続性, 農家フレンドリーな農業実践を実現するために, 気象予報モデルを活用したコンテクストベース作物推薦システムを提案する。
天気予報モデルとして多変量重畳Bi-LSTMネットワークが広く評価されている。
提案する気象モデルは、バングラデシュのどの場所においても、降雨、気温、湿度、日差しを高い精度で予測することができる。
これらの予測は,農業従事者による植林・灌水・収穫等の意思決定を支援するためのものである。
また, 本システムは, 農業者に対して, 極端な気象条件を知らせることができ, 農作物保護のための予防措置を講じることができる。
最後に、このシステムはバングラデシュの洪水と干ばつの地域に対する知識に基づく作物の提案にも適している。
関連論文リスト
- A Machine Learning Approach for Crop Yield and Disease Prediction Integrating Soil Nutrition and Weather Factors [0.0]
バングラデシュにおける作物選択・病気予測のための知的農業意思決定支援システムの開発が主な目的である。
推奨されるアプローチは、作物の生産、土壌条件、農業・気象地域、作物病、気象要因に関する様々なデータセットを使用する。
論文 参考訳(メタデータ) (2024-03-28T09:57:50Z) - TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。
その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。
提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
論文 参考訳(メタデータ) (2024-03-15T03:27:39Z) - 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) - Revolutionizing Agrifood Systems with Artificial Intelligence: A Survey [93.34268594812599]
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) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Evaluating Digital Tools for Sustainable Agriculture using 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。
このように、デジタル農業市場の透明性を高めることで、農家の信頼を高めることができる。
論文 参考訳(メタデータ) (2022-11-06T18:22:17Z) - Time Series Prediction for Food sustainability [0.0]
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。
論文 参考訳(メタデータ) (2022-09-14T19:27:31Z) - 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) - Remote Sensing and Machine Learning for Food Crop Production Data in
Africa Post-COVID-19 [0.0]
旅行禁止や国境閉鎖、農業用インプットの使用が遅れたことで、食糧生産の成績は悪化した。
この章は、2020年のアフリカ全地域での食糧生産量と、トウモロコシ、キャッサバ、米、小麦の4つの主食を評価する。
衛星画像から取得した生物地球物理学的リモートセンシングデータと機械学習人工ニューラルネットワーク(ANN)技術を組み合わせて,生産レベルの予測を行う。
論文 参考訳(メタデータ) (2021-07-14T13:14:46Z) - Sub-Seasonal Climate Forecasting via Machine Learning: Challenges,
Analysis, and Advances [44.28969320556008]
サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。
本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
論文 参考訳(メタデータ) (2020-06-14T18:39:27Z) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳(メタデータ) (2020-04-11T19:49:09Z)
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。