論文の概要: Weather-Driven Agricultural Decision-Making Using Digital Twins Under Imperfect Conditions

• arxiv url: http://arxiv.org/abs/2508.08326v1
• Date: Sun, 10 Aug 2025 00:27:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.175344
• Title: Weather-Driven Agricultural Decision-Making Using Digital Twins Under Imperfect Conditions
• Title（参考訳）: 不完全条件下でのディジタル双生児を用いた気象駆動型農業意思決定
• Authors: Tamim Ahmed, Monowar Hasan,
• Abstract要約: デジタルツインは、農業気象データ測定の不整合を検出するのに有用である。 我々はCerealiaという名前のフレームワークを開発し、エンドユーザは完璧な天気予報が利用できないときにデータ不整合をチェックすることができる。
• 参考スコア（独自算出の注目度）: 5.254702845143089
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: By offering a dynamic, real-time virtual representation of physical systems, digital twin technology can enhance data-driven decision-making in digital agriculture. Our research shows how digital twins are useful for detecting inconsistencies in agricultural weather data measurements, which are key attributes for various agricultural decision-making and automation tasks. We develop a modular framework named Cerealia that allows end-users to check for data inconsistencies when perfect weather feeds are unavailable. Cerealia uses neural network models to check anomalies and aids end-users in informed decision-making. We develop a prototype of Cerealia using the NVIDIA Jetson Orin platform and test it with an operational weather network established in a commercial orchard as well as publicly available weather datasets.
• Abstract（参考訳）: 物理的システムの動的でリアルタイムな仮想表現を提供することで、デジタルツイン技術はデジタル農業におけるデータ駆動型意思決定を強化することができる。 我々の研究は、デジタルツインが農業の天候データ測定の不整合を検出するのにどのように役立つかを示す。 私たちはCerealiaという名のモジュラーフレームワークを開発し、エンドユーザは完璧な天気予報が利用できないときにデータ不整合をチェックすることができます。 Cerealiaは、ニューラルネットワークモデルを使用して異常をチェックし、情報的な意思決定でエンドユーザを支援する。 NVIDIA Jetson Orinプラットフォームを用いたCerealiaのプロトタイプを開発し、商用の果樹園に構築された運用用気象ネットワークと、利用可能な気象データセットを用いてテストする。

関連論文リスト

• Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning [3.057175662139921]
  環境データ収集のため,イチゴ生産用ポリタンネルにIoTセンサを2年間展開した。 センサ観測と手動で4シーズンにわたる収量記録を組み合わせた。 実測と合成観測を組み合わせたAIを用いた収量予測モデルを構築した。
  論文  参考訳（メタデータ） (2025-04-25T16:02:50Z)
• CirT: Global Subseasonal-to-Seasonal Forecasting with Geometry-inspired Transformer [47.65152457550307]
  重力の循環特性をモデル化する幾何インスパイアされた循環変換器(CirT)を提案する。 地球再分析5(ERA5)再解析データセットの実験は、我々のモデルが先進的なデータ駆動モデルよりも大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-02-27T04:26:23Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• DIRESA, a distance-preserving nonlinear dimension reduction technique based on regularized autoencoders [0.0]
  気象学では、過去のデータセットで類似した気象パターンやアナログを見つけることは、データの同化、予測、後処理に有用である。 本稿では,オートエンコーダ(AE)ニューラルネットワークを用いた次元削減手法を提案し,データセットを圧縮し,解釈可能な圧縮潜在空間で探索を行う。 距離規則化されたシームズ双対オートエンコーダ(DIRESA)アーキテクチャは、データセット内の非線形性を捕捉しながら、潜時空間における距離を保存するように設計されている。
  論文  参考訳（メタデータ） (2024-04-28T20:54:57Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• A Distributed Approach to Meteorological Predictions: Addressing Data Imbalance in Precipitation Prediction Models through Federated Learning and GANs [0.0]
  気象データの分類は、気象現象をクラスに分類することで、微妙な分析と正確な予測を容易にする。 分類アルゴリズムは、データ不均衡のような課題を巧みにナビゲートすることが不可欠である。 データ拡張技術は、稀だが重要な気象事象を分類する際のモデルの精度を向上させることができる。
  論文  参考訳（メタデータ） (2023-10-19T21:28:20Z)
• Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
  天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。 本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
  論文  参考訳（メタデータ） (2023-05-23T16:59:20Z)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• Synthetic Photovoltaic and Wind Power Forecasting Data [5.039779583329608]
  本稿では,リアルな合成パワーデータを用いた,オープンアクセス可能な時系列データセットを提案する。 他のパブリックおよび非パブリックなデータセットには、正確な地理的座標、タイムスタンプ、静的発電所情報がないことが多い。 このデータセットは120の太陽光発電プラントと273の風力発電プラントで構成されており、時間分解能の500日からドイツ全土に異なる側面がある。
  論文  参考訳（メタデータ） (2022-04-01T13:20:05Z)

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。