Dec, 2023

食品安全趋势预测：基于水库计算的方法

PDF
TL;DR该研究提出了一种新的量化方法来预测马里、尼日利亚、叙利亚和也门四个国家在地方层面上连续 60 天的食物消费水平，通过对包括 ARIMA、XGBoost、LSTMs、CNNs 和 Reservoir Computing (RC) 在内的不同模型的性能进行综合分析，发现 Reservoir Computing 模型在食品安全领域具有抗过拟合和高效训练的特点，为建立全球数据驱动的早期预警系统奠定了基础，提前预测和检测食品不安全问题。
发现论文，激发创造
  • 基于蓄水池计算的概率负荷预测

    应用深度学习量化不确定性是实现电网管理中精确可靠的时间序列预测的关键，本研究探索并比较了在水库计算中采用的贝叶斯和确定性方法对预测准确性、计算资源效率和估计不确定性可靠性的影响。

    Aug, 2023

  • 养料网络：全球警示系统中食品商品价格的预测性严重状态

    利用深度学习技术的时间序列预测模型，结合分类模型，提升已有模型以支持全球社区在推进食品安全倡议方面的能力。

    Jun, 2024

  • HungerGist: 一个可解释的食品不安全预测模型

    通过使用新闻文本和自然语言处理技术，本论文引入了 “HungerGist”—— 一个多任务深度学习模型，旨在解决非洲日益严重的粮食不安全问题，以及传统方法在数据限制方面的不足，并展示出该模型在仅使用新闻数据进行训练时，优于基于传统风险因素和人工筛选关键词的基准方法。此外，探索这种方法所发现的 “要点” 文本表明其具有揭示结构化文本中隐藏因素的潜力。

    Nov, 2023

  • 革命性的全球食品安全：通过集成 AI 基础模型和数据驱动解决方案增强韧性

    通过整合 AI 基础模型在多种粮食安全应用中的应用，利用不同数据类型解决当前深度学习和机器学习方法的局限性，本研究探讨了其在作物类型映射、农田映射、作物产量预测等方面的应用。通过利用多光谱图像、气象数据、土壤特性、历史记录和高分辨率卫星图像，AI 基础模型提供了一种多功能的解决途径，能够提供准确的预测，改善资源配置，支持明智决策，从而增强粮食安全。这些模型在解决全球粮食安全局限性方面起到了变革性的作用，标志着迈向可持续、安全粮食未来的重要一步。

    Oct, 2023

  • 机器学习实现的吸引子重构

    利用名为 “储集计算” 的机器学习方法成功地进行了混沌动力系统的短期预测和吸引子重构研究。我们提出了一个理论框架，描述了储集计算可以创建具有短期预测能力和准确长期遗传行为的经验模型的条件，并通过数值实验说明了这个理论。我们还认为这个理论适用于某些其他时间序列预测的机器学习方法。

    May, 2018

  • 利用储水池计算通过空间相关性预测远距离地区的未观测气候时间序列数据

    通过两种预测方法（储水层计算和向量自回归模型）研究了远程地点的气候要素的低成本和准确预测，发现预测精度随观测地点与目标地点之间的距离降低而下降，机器学习方法可以更有效地预测远程地点的气候要素。

    Jun, 2024

  • 机器学习、遥感和物联网在产量预测中的最新应用：一次关键性综述

    将遥感技术和机器学习运用于农业领域可以提高农业生产效率，改善产量预测和水资源管理，以实现联合国《可持续发展目标》中 “零饥饿” 的目标。通过综述现有文献，该研究探究了采用遥感、机器学习等技术进行农作物产量预测与水资源管理的方法，并探讨了如何将这些方法应用于实时决策，为农业生产提供决策依据。

    Jun, 2023

  • 农业预测的创新：关于全球作物产量预测的多元回归研究

    利用 6 种回归模型（线性回归、决策树、梯度下降、梯度提升、K 最近邻和随机森林）预测 196 个国家的农作物产量，并通过农药、降雨量、温度和产量 4 个参数，发现随机森林回归模型的决定系数（r^2）为 0.94，误差（ME）为 0.03。研究使用联合国粮食农业组织的数据和世界银行的气候变化数据训练和测试模型，并分析各个参数对农作物产量的影响。通过使用非传统的模型以及最近收集的数据，实现了独特的研究方法，旨在为农业研究找到最优模型，并利用联合国的数据进行研究。

    Dec, 2023

  • 利用遥感数据进行农产品到货预测：洞见及发展

    本研究提出了一个基于短时序数据和遥感技术的预测模型，用于预测印度棕榈豆的到货量及价格，并能够适应不同的农作物及不同地区。该预测模型可帮助政府预测市场因素和采取相应措施来规划政策。

    Jun, 2019

  • 基于深度学习的农业推荐系统：多变量天气预测方法

    该论文提出了一个基于气象预报模型的情境化作物推荐系统，以实现有利可图、可持续和农民友好的农业实践。该系统可以准确地预测孟加拉国任何地点的降雨、温度、湿度和日照，并根据这些预测为农民提供有关种植、灌溉、收获等可行决策的指导，并能警报农民有关极端天气条件的信息，以保护农作物。此外，该系统还能为孟加拉国受洪涝和干旱影响的地区提供基于知识的作物建议。

    Jan, 2024