論文の概要: Data Optimisation of Machine Learning Models for Smart Irrigation in Urban Parks
- arxiv url: http://arxiv.org/abs/2410.02335v1
- Date: Thu, 3 Oct 2024 09:42:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 03:50:17.211954
- Title: Data Optimisation of Machine Learning Models for Smart Irrigation in Urban Parks
- Title（参考訳）: 都市公園におけるスマート灌水のための機械学習モデルのデータの最適化
- Authors: Nasser Ghadiri, Bahman Javadi, Oliver Obst, Sebastian Pfautsch,
- Abstract要約: 本稿では,SIMPaCTシステムにおける広帯域センサネットワークの効率向上のための2つの新しい手法を提案する。
第1の方法は、欠落したセンサーからの読み出しを推定し、連続的かつ信頼性の高いデータを保証する。
第2の方法は、ロボットシステムを使用して、異なるセンサー位置からのシーケンシャルなデータ収集を含む。
- 参考スコア（独自算出の注目度）: 3.568617847600189
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban environments face significant challenges due to climate change, including extreme heat, drought, and water scarcity, which impact public health, community well-being, and local economies. Effective management of these issues is crucial, particularly in areas like Sydney Olympic Park, which relies on one of Australia's largest irrigation systems. The Smart Irrigation Management for Parks and Cool Towns (SIMPaCT) project, initiated in 2021, leverages advanced technologies and machine learning models to optimize irrigation and induce physical cooling. This paper introduces two novel methods to enhance the efficiency of the SIMPaCT system's extensive sensor network and applied machine learning models. The first method employs clustering of sensor time series data using K-shape and K-means algorithms to estimate readings from missing sensors, ensuring continuous and reliable data. This approach can detect anomalies, correct data sources, and identify and remove redundant sensors to reduce maintenance costs. The second method involves sequential data collection from different sensor locations using robotic systems, significantly reducing the need for high numbers of stationary sensors. Together, these methods aim to maintain accurate soil moisture predictions while optimizing sensor deployment and reducing maintenance costs, thereby enhancing the efficiency and effectiveness of the smart irrigation system. Our evaluations demonstrate significant improvements in the efficiency and cost-effectiveness of soil moisture monitoring networks. The cluster-based replacement of missing sensors provides up to 5.4% decrease in average error. The sequential sensor data collection as a robotic emulation shows 17.2% and 2.1% decrease in average error for circular and linear paths respectively.
- Abstract（参考訳）: 都市環境は、極端な暑さ、干ばつ、水不足など、気候変動による重大な課題に直面しており、公衆衛生、地域経済に影響を及ぼしている。
これらの問題の効果的な管理は、特にシドニーオリンピック公園のようなオーストラリア最大の灌水システムに依存している地域で重要である。
2021年に始まったSmart Irrigation Management for Parks and Cool Towns (SIMPaCT)プロジェクトは、高度な技術と機械学習モデルを活用して、灌水を最適化し、物理的冷却を誘導する。
本稿では,SIMPaCTシステムの広帯域センサネットワークと機械学習モデルを応用した2つの新しい手法を提案する。
第1の方法は、K-シェープとK-平均アルゴリズムを用いてセンサ時系列データのクラスタリングを用いて、欠落したセンサからの読み出しを推定し、連続的で信頼性の高いデータを保証する。
このアプローチでは、異常を検出し、データソースを修正し、冗長なセンサーを特定して削除することで、メンテナンスコストを削減できる。
第2の方法は、ロボットシステムを使用して異なるセンサー位置から順次データを収集することで、大量の静止センサーの必要性を著しく低減する。
これらの手法は, センサ配置を最適化し, メンテナンスコストを低減しつつ, 正確な土壌水分予測の維持を図ることを目的としている。
本評価は,土壌水分モニタリングネットワークの効率性と費用対効果を著しく向上させるものである。
クラスタベースのセンサーの交換により、平均エラーが最大5.4%減少する。
ロボットエミュレーションとしての逐次センサーデータ収集は、円路と直線路の平均誤差を17.2%と2.1%減少させる。
関連論文リスト
- Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Air Quality Sensor Fusion [6.963971634605796]
本稿では,グラフ構造データに対する回帰処理に適した新しいunsupervised domain adapt(UDA)手法を提案する。
センサ間の関係をモデル化するために、時空間グラフニューラルネットワーク(STGNN)を組み込んだ。
弊社のアプローチでは、安価なIoTセンサが高価な参照センサから校正パラメータを学習できる。
論文 参考訳（メタデータ） (2024-11-11T12:20:57Z) - Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。
提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。
主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
論文 参考訳（メタデータ） (2024-07-24T09:11:34Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Deep convolutional neural networks for cyclic sensor data [0.0]
本研究では,センサによる条件モニタリングに焦点をあて,深層学習技術の応用について検討する。
本研究は,従来手法を用いたベースラインモデル,早期センサフュージョンを用いた単一CNNモデル,後期センサフュージョンを用いた2車線CNNモデル (2L-CNN) の3つのモデルの性能を比較した。
論文 参考訳（メタデータ） (2023-08-14T07:51:15Z) - Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
論文 参考訳（メタデータ） (2023-06-19T11:00:54Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Robust Trajectory Prediction against Adversarial Attacks [84.10405251683713]
ディープニューラルネットワーク(DNN)を用いた軌道予測は、自律運転システムにおいて不可欠な要素である。
これらの手法は敵の攻撃に対して脆弱であり、衝突などの重大な結果をもたらす。
本研究では,敵対的攻撃に対する軌道予測モデルを保護するための2つの重要な要素を同定する。
論文 参考訳（メタデータ） (2022-07-29T22:35:05Z) - Sensor Sampling Trade-Offs for Air Quality Monitoring With Low-Cost
Sensors [0.1957338076370071]
本研究では, 対流圏オゾン, 二酸化窒素, 一酸化窒素の低コストセンサの校正におけるデータサンプリング戦略の影響について述べる。
具体的には,センササブシステムのデューティサイクルを最小化するサンプリング戦略によって,データ品質を維持しながら消費電力を削減できることを示す。
論文 参考訳（メタデータ） (2021-12-14T11:05:55Z) - Anomaly Detection through Transfer Learning in Agriculture and
Manufacturing IoT Systems [4.193524211159057]
本稿では, 農作物に設置したセンサから, 7種類のセンサからのデータと, 振動センサを用いた先進的な製造試験からのデータを分析する。
これら2つのアプリケーション領域において、予測的障害分類がいかに達成され、予測的メンテナンスの道が開かれたかを示す。
論文 参考訳（メタデータ） (2021-02-11T02:37:27Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z)
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。