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
- Enabling Adoption of Regenerative Agriculture through Soil Carbon Copilots [11.63518622433838]
我々は、土壌の健康と再生の実践に関する洞察を提供するために、AI駆動の土壌有機炭素コパイロットを導入する。
私たちのデータには、極端な気象イベントデータ、ファームマネジメントデータ、SOC予測が含まれています。
カリフォルニア郡全体で農業の実践を比較すると、多様な農業活動が耕作の悪影響を緩和する証拠が見つかる。
論文 参考訳（メタデータ） (2024-11-25T19:11:41Z) - 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) - The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.652015514785546]
機械学習を用いて、西アフリカ地域全体での日陰木カバーと炭素ストックの見積もりを生成します。
既存の陰木カバーは低く、空間的に気候の脅威と一致していないことが判明した。
しかし、このセクターが毎年高い炭素フットプリントのかなりの割合とバランスをとるという、巨大な非現実的な可能性も見出されています。
論文 参考訳（メタデータ） (2024-10-28T10:02:32Z) - Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - 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) - Forecasting trends in food security with real time data [0.0]
我々は,マリ,ナイジェリア,シリア,イエメンの4カ国で,60日間連続して食料消費の水準を予測する定量的手法を提案する。
この手法は、World Food Programmeのグローバルな飢餓モニタリングシステムから入手可能なデータに基づいて構築されている。
論文 参考訳（メタデータ） (2023-12-01T14:42:37Z) - 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) - 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) - 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) - 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)
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。