論文の概要: Communication-Guided Multi-Mutation Differential Evolution for Crop Model Calibration
- arxiv url: http://arxiv.org/abs/2602.22804v1
- Date: Thu, 26 Feb 2026 09:40:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-27 18:41:22.626624
- Title: Communication-Guided Multi-Mutation Differential Evolution for Crop Model Calibration
- Title（参考訳）: 作物モデル校正のためのコミュニケーションガイド型マルチモーテーション微分進化
- Authors: Sakshi Aggarwal, Mudasir Ganaie, Mukesh Saini,
- Abstract要約: 我々は,不確実な環境下での標準微分進化の性能を向上させるために,DE-MMOGC (Multi-Mutation Operator-Guided Communication) を用いた微分進化を提案する。
実世界の不確実性と観測の欠如を予測モデルに同化するために,提案アルゴリズムとアンサンブルカルマンフィルタを組み合わせる。
DE-MMOGCは従来の進化よりも優れており、実際のLAI値との相関性が優れていることを示す実験である。
- 参考スコア（独自算出の注目度）: 1.478364697333309
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a multi-mutation optimization algorithm, Differential Evolution with Multi-Mutation Operator-Guided Communication (DE-MMOGC), implemented to improve the performance and convergence abilities of standard differential evolution in uncertain environments. DE-MMOGC introduces a communication-guided scheme integrated with multiple mutation operators to encourage exploration and avoid premature convergence. Along with this, it includes a dynamic operator selection mechanism to use the best-performing operator over successive generations. To assimilate real-world uncertainties and missing observations into the predictive model, the proposed algorithm is combined with the Ensemble Kalman Filter. To evaluate the efficacy of the proposed DE-MMOGC in uncertain systems, the unified framework is applied to improve the predictive accuracy of crop simulation models. These simulation models are essential to precision agriculture, as they make it easier to estimate crop growth in a variety of unpredictable weather scenarios. Additionally, precisely calibrating these models raises a challenge due to missing observations. Hence, the simplified WOFOST crop simulation model is incorporated in this study for leaf area index (LAI)-based crop yield estimation. DE-MMOGC enhances the WOFOST performance by optimizing crucial weather parameters (temperature and rainfall), since these parameters are highly uncertain across different crop varieties, such as wheat, rice, and cotton. The experimental study shows that DE-MMOGC outperforms the traditional evolutionary optimizers and achieves better correlation with real LAI values. We found that DE-MMOGC is a resilient solution for crop monitoring.
- Abstract（参考訳）: 本稿では,不確実な環境下での標準微分進化の性能と収束性を改善するために,多変量演算子誘導通信(DE-MMOGC)を用いた微分進化アルゴリズムを提案する。
DE-MMOGCは、複数の突然変異演算子と統合された通信誘導スキームを導入し、探索を奨励し、早めの収束を避ける。
これに加えて、連続した世代で最高のパフォーマンスの演算子を使用する動的演算子選択機構も備えている。
実世界の不確実性と観測の欠如を予測モデルに同化するために,提案アルゴリズムとアンサンブルカルマンフィルタを組み合わせる。
不確実なシステムにおけるDEC-MMOGCの有効性を評価するため,作物シミュレーションモデルの予測精度を向上させるために統合された枠組みを適用した。
これらのシミュレーションモデルは、予測不可能な様々なシナリオで作物の成長を予測しやすくするため、精密農業に不可欠である。
さらに、これらのモデルの正確な校正は、観察の欠如による課題を提起する。
そこで,本研究では,簡易なWOFOST作物シミュレーションモデルを葉面積指数(LAI)に基づく収穫量推定に適用した。
DE-MMOGCは、小麦、米、綿などの異なる品種の作物において、これらのパラメータが極めて不確実であるため、重要な気象パラメータ(温度と降雨)を最適化することで、WOFOST性能を向上させる。
実験により、DEC-MMOGCは従来の進化的オプティマイザよりも優れ、実際のLAI値との相関性が向上していることが示された。
DE-MMOGCは作物モニタリングのレジリエントなソリューションであることがわかった。
関連論文リスト
- Improving Minimax Estimation Rates for Contaminated Mixture of Multinomial Logistic Experts via Expert Heterogeneity [49.809923981964715]
凍結したエキスパートとして機能する事前訓練されたモデルを、新しいタスクを学ぶためにトレーニング可能なエキスパートとして機能するアダプタモデルに統合するトランスファー学習手法によって、汚染された専門家の混合(MoE)が動機付けられる。
本研究は, 地絡パラメータがサンプルサイズによって異なる困難な条件下で, パラメータを推定するための一様収束率を特徴付ける。
また、対応するミニマックス下限を定め、これらのレートがミニマックス最適であることを保証する。
論文 参考訳（メタデータ） (2026-01-31T23:45:50Z) - Divergence Minimization Preference Optimization for Diffusion Model Alignment [66.31417479052774]
Divergence Minimization Preference Optimization (DMPO) は、逆KL分散を最小化して拡散モデルを整列する原理的手法である。
DMPOは、異なるベースモデルとテストセットで既存のテクニックを一貫して上回り、適合させることができる。
論文 参考訳（メタデータ） (2025-07-10T07:57:30Z) - QGAPHEnsemble : Combining Hybrid QLSTM Network Ensemble via Adaptive Weighting for Short Term Weather Forecasting [0.0]
本研究は,高度な機械学習技術を用いた実践的有効性を強調した。
本モデルでは,気象予測の精度と信頼性が大幅に向上したことを示す。
本稿では,天気予報タスクの性能向上のために,最適化アンサンブル技術の重要性を強調した。
論文 参考訳（メタデータ） (2025-01-18T20:18:48Z) - Research on short-term load forecasting model based on VMD and IPSO-ELM [0.0]
本研究では,変分モード分解(VMD)と改善粒子群最適化(IPSO)アルゴリズムを統合し,エクストリーム学習マシン(ELM)を最適化する高度な統合予測手法を提案する。
シミュレーションの結果,提案手法は従来のELM法, PSO-ELM法, PSO-ELM法と比較して予測精度と収束速度を著しく向上することがわかった。
論文 参考訳（メタデータ） (2024-10-04T09:20:33Z) - Predictive Analytics of Varieties of Potatoes [2.336821989135698]
本研究では, 育種試験におけるサツマイモクローンの選択プロセスの向上を目的とした, 機械学習アルゴリズムの適用について検討する。
本研究は, 高収率, 耐病性, 耐気候性ポテト品種を効率的に同定することの課題に対処する。
論文 参考訳（メタデータ） (2024-04-04T00:49:05Z) - An EnKF-LSTM Assimilation Algorithm for Crop Growth Model [9.715893737686448]
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。
論文 参考訳（メタデータ） (2024-03-06T02:09:50Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - 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) - When to Update Your Model: Constrained Model-based Reinforcement
Learning [50.74369835934703]
モデルベースRL(MBRL)の非遅延性能保証のための新規で一般的な理論スキームを提案する。
続いて導いた境界は、モデルシフトとパフォーマンス改善の関係を明らかにします。
さらなる例では、動的に変化する探索からの学習モデルが、最終的なリターンの恩恵をもたらすことが示されている。
論文 参考訳（メタデータ） (2022-10-15T17:57:43Z)
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。