論文の概要: Agricultural Recommendation System based on Deep Learning: A
Multivariate Weather Forecasting Approach
- arxiv url: http://arxiv.org/abs/2401.11410v2
- Date: Wed, 13 Mar 2024 02:03:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 17:27:25.893511
- 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:A
多変量気象予測手法
- 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。
- 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 (three Bi-LSTM layers with a time Distributed layer) 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 an average R-squared value of 0.9824, and the model
outperforms other state-of-the-art LSTM models. These predictions guide our
system in generating viable farming decisions. 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、貧困緩和、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、これらの要因は食料生産を著しく妨げ、国の全体的な食料安全保障を危険にさらすことになった。
そこで本研究では,天気予報モデルを用いた環境適応型作物推薦システムを提案する。
気象予報モデルとして多変量重畳Bi-LSTM(時間分散層を有する3層Bi-LSTM)ネットワークが広く評価されている。
提案した気象モデルは、バングラデシュの任意の場所において平均R2乗平均0.9824で降雨、気温、湿度、日光を予測でき、他の最先端のLSTMモデルよりも優れている。
これらの予測は、実効的な農業決定を生み出す上で、我々のシステムを導く。
さらに、我々の本格的なシステムは、農作物を保護するための予防措置を実施できるように、極端な気象状況について農家に警告することができる。
最終的に、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。
関連論文リスト
- Intelligent Agricultural Greenhouse Control System Based on Internet of
Things and Machine Learning [0.0]
本研究は,モノのインターネット(IoT)と機械学習の融合に根ざした,高度な農業用温室制御システムを概念化し,実行しようとする試みである。
その結果、作物の生育効率と収量が向上し、資源の浪費が減少する。
論文 参考訳(メタデータ) (2024-02-14T09:07:00Z) - 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) - 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。