論文の概要: An EnKF-LSTM Assimilation Algorithm for Crop Growth Model
- arxiv url: http://arxiv.org/abs/2403.03406v1
- Date: Wed, 6 Mar 2024 02:09:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 16:22:27.690763
- Title: An EnKF-LSTM Assimilation Algorithm for Crop Growth Model
- Title（参考訳）: 作物成長モデルのためのEnKF-LSTM同化アルゴリズム
- Authors: Siqi Zhou, Ling Wang, Jie Liu, Jinshan Tang
- Abstract要約: 本稿では,データ同化のためのシミュレーション結果と収集した作物データを組み合わせることにより,予測精度を向上させることを提案する。
アンサンブルカルマンフィルタとLSTMニューラルネットワークを組み合わせて,様々な作物に対するEnKF-LSTMデータ同化法を提案する。
- 参考スコア（独自算出の注目度）: 9.715893737686448
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate and timely prediction of crop growth is of great significance to
ensure crop yields and researchers have developed several crop models for the
prediction of crop growth. However, there are large difference between the
simulation results obtained by the crop models and the actual results, thus in
this paper, we proposed to combine the simulation results with the collected
crop data for data assimilation so that the accuracy of prediction will be
improved. In this paper, an EnKF-LSTM data assimilation method for various
crops is proposed by combining ensemble Kalman filter and LSTM neural network,
which effectively avoids the overfitting problem of existing data assimilation
methods and eliminates the uncertainty of the measured data. The verification
of the proposed EnKF-LSTM method and the comparison of the proposed method with
other data assimilation methods were performed using datasets collected by
sensor equipment deployed on a farm.
- Abstract（参考訳）: 作物の生育の正確かつタイムリーな予測は、作物の収量を確保する上で非常に重要であり、研究者は作物の生育予測のためのいくつかの作物モデルを開発した。
しかし,作物モデルで得られたシミュレーション結果と実際の結果には大きな差があり,本論文ではデータ同化のために収集した作物データとシミュレーション結果を組み合わせることにより,予測精度を向上させることを提案した。
本稿では,既存のデータ同化手法の過剰適合問題を効果的に回避し,測定データの不確かさを解消するアンサンブルカルマンフィルタとlstmニューラルネットワークを組み合わせた,各種作物のenkf-lstmデータ同化手法を提案する。
農場に設置したセンサ機器から収集したデータセットを用いて,提案手法の検証と,提案手法と他のデータ同化法との比較を行った。
関連論文リスト
- Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。
我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。
カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
論文 参考訳（メタデータ） (2024-02-19T02:08:09Z) - AI enhanced data assimilation and uncertainty quantification applied to
Geological Carbon Storage [0.0]
本稿では,Surrogate-based hybrid ESMDA (SH-ESMDA)を導入し,Surrogate-based hybrid ESMDA (SH-ESMDA)について述べる。
また,SurrogateをベースとしたHybrid RML(SH-RML)も導入する。
以上の結果より,SH-RMLは従来のESMDAと比較して不確実性が高いことが示唆された。
論文 参考訳（メタデータ） (2024-02-09T00:24:46Z) - Simulation-Enhanced Data Augmentation for Machine Learning Pathloss
Prediction [9.664420734674088]
本稿では,機械学習パスロス予測のための新しいシミュレーション強化データ拡張手法を提案する。
本手法は,細胞被覆シミュレータから生成した合成データと,独立して収集した実世界のデータセットを統合する。
合成データの統合は、異なる環境におけるモデルの一般化可能性を大幅に向上させる。
論文 参考訳（メタデータ） (2024-02-03T00:38:08Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳（メタデータ） (2023-09-03T07:55:46Z) - Heterogeneous Multi-Task Gaussian Cox Processes [61.67344039414193]
異種相関タスクを共同でモデル化するためのマルチタスクガウスコックスプロセスの新たな拡張を提案する。
MOGPは、分類、回帰、ポイントプロセスタスクの専用可能性のパラメータに先行して、異種タスク間の情報の共有を容易にする。
モデルパラメータを推定するための閉形式反復更新を実現する平均場近似を導出する。
論文 参考訳（メタデータ） (2023-08-29T15:01:01Z) - Integrating processed-based models and machine learning for crop yield
prediction [1.3107669223114085]
本研究では,ハイブリッドメタモデリング手法を用いてジャガイモ収量予測を行う。
作物成長モデルを用いて、畳み込みニューラルネットを(前)訓練するための合成データを生成する。
シリコンに適用すると、我々のメタモデリング手法は、純粋にデータ駆動のアプローチからなるベースラインよりも優れた予測が得られる。
論文 参考訳（メタデータ） (2023-07-25T12:51:25Z) - A Comprehensive Modeling Approach for Crop Yield Forecasts using
AI-based Methods and Crop Simulation Models [0.21094707683348418]
本稿では,データ駆動型ソリューション,作物シミュレーションモデル,モデルサロゲートを組み合わせた収量予測のための総合的アプローチを提案する。
データ駆動型モデリング手法は従来の手法よりも91%近い収率相関予測で優れていた。
論文 参考訳（メタデータ） (2023-06-16T18:13:24Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Coupling Machine Learning and Crop Modeling Improves Crop Yield
Prediction in the US Corn Belt [2.580765958706854]
本研究では,米コーンベルトにおける作物モデルと機械学習(ML)の結合によるトウモロコシ収量予測の改善について検討した。
主な目的は、ハイブリッドアプローチ(クロップモデリング+ML)がより良い予測をもたらすかどうかを探求し、トウモロコシ収量予測のためにMLと最も効果的に統合できる作物モデルから特徴を決定することである。
論文 参考訳（メタデータ） (2020-07-28T16:22:44Z) - Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。
従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。
本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
論文 参考訳（メタデータ） (2020-04-07T04:07:29Z)
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。