論文の概要: Website visits can predict angler presence using machine learning
- arxiv url: http://arxiv.org/abs/2409.17425v1
- Date: Wed, 25 Sep 2024 23:26:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-28 23:50:22.770703
- Title: Website visits can predict angler presence using machine learning
- Title(参考訳): ウェブサイト訪問は機械学習を使ってアングルの存在を予測する
- Authors: Julia S. Schmid, Sean Simmons, Mark A. Lewis, Mark S. Poesch, Pouria Ramazi,
- Abstract要約: 漁業活動と環境または経済要因を関連付ける予測モデルは、典型的には歴史的データに依存している。
湖のインフォメーションサイトだけで、毎日のアングルボートの存在を78%の精度で予測できるようになった。
モデルは、モデル訓練に含まれる既知の湖で最大0.77のR2を達成したが、未知の湖では不十分であった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding and predicting recreational fishing activity is important for sustainable fisheries management. However, traditional methods of measuring fishing pressure, such as surveys, can be costly and limited in both time and spatial extent. Predictive models that relate fishing activity to environmental or economic factors typically rely on historical data, which often restricts their spatial applicability due to data scarcity. In this study, high-resolution angler-generated data from an online platform and easily accessible auxiliary data were tested to predict daily boat presence and aerial counts of boats at almost 200 lakes over five years in Ontario, Canada. Lake-information website visits alone enabled predicting daily angler boat presence with 78% accuracy. While incorporating additional environmental, socio-ecological, weather and angler-generated features into machine learning models did not remarkably improve prediction performance of boat presence, they were substantial for the prediction of boat counts. Models achieved an R2 of up to 0.77 at known lakes included in the model training, but they performed poorly for unknown lakes (R2 = 0.21). The results demonstrate the value of integrating angler-generated data from online platforms into predictive models and highlight the potential of machine learning models to enhance fisheries management.
- Abstract(参考訳): 持続可能な漁業経営にはレクリエーション漁業活動の理解と予測が重要である。
しかし、調査などの従来の漁獲圧測定手法は、時間と空間の両方で費用がかかり、制限される可能性がある。
漁業活動と環境または経済要因を関連付ける予測モデルは、典型的には歴史的データに依存し、データ不足による空間的適用性を制限する。
本研究では,カナダのオンタリオ州で5年間に約200の湖沼で,オンラインプラットフォームから高解像度のアングル生成データと容易にアクセス可能な補助データを用いて,毎日のボートの存在と航空機数を予測する実験を行った。
湖のインフォメーションサイトだけで、毎日のアングルボートの存在を78%の精度で予測できるようになった。
さらに, 環境, 社会生態, 気象, アンカー生成などの特徴を機械学習モデルに組み込むことは, ボートの存在予測性能を著しく向上させるには至らなかったが, ボート数予測には有効であった。
モデルは、モデル訓練に含まれる既知の湖で最大0.77のR2を達成したが、未知の湖(R2 = 0.21)では不十分であった。
その結果、オンラインプラットフォームから生成したデータを予測モデルに統合することの価値を示し、漁業管理を強化する機械学習モデルの可能性を強調した。
関連論文リスト
- Can machine learning predict citizen-reported angler behavior? [0.0]
漁獲率やアングル圧力などのアングルの挙動の予測は,魚類の個体数維持とアングルの満足度確保に不可欠である。
ここでは, 環境, 社会経済, 漁業管理目的, 淡水水域でのイベントに関する補助データを用いた学習手法を用いて, 市民が報告したアンカー行動の予測について検討した。
カナダの特定の地域では、月平均88%が水域で、月平均86%が空間予測だった。
論文 参考訳(メタデータ) (2024-02-07T19:56:35Z) - Beyond Tides and Time: Machine Learning Triumph in Water Quality [0.0]
この研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としている。
我々の研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としています。
論文 参考訳(メタデータ) (2023-09-29T03:33:53Z) - Experiential-Informed Data Reconstruction for Fishery Sustainability and Policies in the Azores [3.2873782624127834]
我々は2010年から2017年にかけてアゾレス諸島の漁獲データ収集プログラムのユニークなデータセットに焦点を当てた。
ドメイン知識と機械学習を利用して,魚の上陸毎にメティア関連情報を検索し,関連づける。
論文 参考訳(メタデータ) (2023-09-17T17:17:38Z) - Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。
近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。
洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
論文 参考訳(メタデータ) (2023-07-29T22:49:50Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - TempNet: Temporal Attention Towards the Detection of Animal Behaviour in
Videos [63.85815474157357]
本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。
TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。
本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
論文 参考訳(メタデータ) (2022-11-17T23:55:12Z) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳(メタデータ) (2022-10-17T09:14:35Z) - Prediction of fish location by combining fisheries data and sea bottom
temperature forecasting [1.7188280334580197]
本稿は,北海におけるベルギーの漁獲量と水産依存データと環境データを組み合わせて,ベルギーの漁獲量(イセプラとソリ)を推定する。
予測設定では、リカレントディープニューラルネットワークを用いて海底温度を最大4日前に予測することにより予測精度をさらに向上する。
論文 参考訳(メタデータ) (2022-05-04T15:08:51Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳(メタデータ) (2020-07-07T12:44:17Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳(メタデータ) (2020-07-02T19:08:36Z)
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。