論文の概要: Agricultural Recommendation System based on Deep Learning: A Multivariate Weather Forecasting Approach
- arxiv url: http://arxiv.org/abs/2401.11410v3
- Date: Fri, 12 Jul 2024 02:02:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 05:27:26.244057
- 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, Md. Shahidul Salim, Mehrab Mustafy Rahman, Mohammad Jahid Ibna Basher, Shahin Imran, Iqbal H. Sarker,
- 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では、バングラデシュの任意の場所で降雨、気温、湿度、日差しを予測でき、平均 R-Squared 値は 0.9824 である。
このシステムは、洪水や干ばつが生ずる地域に対する知識に基づく作物の提案にも長けている。
- 参考スコア(独自算出の注目度): 1.756503402823037
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agriculture plays a fundamental role in driving economic growth and ensuring food security for populations around the world. Although labor-intensive agriculture has led to steady increases in food grain production in many developing countries, it is frequently challenged by adverse weather conditions, including heavy rainfall, low temperatures, and drought. These factors substantially hinder food production, posing significant risks to global food security. 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. For implementation purposes, we have considered the whole territory of Bangladesh. 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 flood and drought-prone regions.
- Abstract(参考訳): 農業は、経済成長を推進し、世界中の人々の食料安全保障を確保する上で、基本的な役割を担っている。
労働集約型農業は多くの発展途上国で食糧穀物生産が着実に増加してきたが、豪雨、低温、干ばつなどの悪天候に悩まされることが多い。
これらの要因は食料生産を著しく妨げ、世界の食料安全保障に重大なリスクをもたらしている。
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。
実施のため、バングラデシュの全領域について検討した。
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ける降水量、気温、湿度、日光量を平均して0.9824と予測でき、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。
最後に、このシステムは、洪水や干ばつに起因した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
- 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) - 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) - 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) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - 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) - 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) - 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) - Loosely Conditioned Emulation of Global Climate Models With Generative
Adversarial Networks [2.937141232326068]
我々は、完全に結合した地球モデルから毎日の降水量をエミュレートする2つの「緩やかな条件付き」ジェネレーターネットワーク(GAN)を訓練する。
GANは時間的なサンプルを作り出すために訓練されます:地球を区別する64x128規則的な格子上の沈殿物の32日。
当社の訓練を受けたGANは、大幅に削減された計算コストで多数の実現を迅速に生成できます。
論文 参考訳(メタデータ) (2021-04-29T02:10:08Z) - 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)
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。