Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Drought forecasting using new machine learning methods

Tytuł:
Drought forecasting using new machine learning methods
Prognozowanie suszy z wykorzystaniem automatycznych samouczących się metod
Autorzy:
Belayneh, A.
Adamowski, J.
Powiązania:
https://bibliotekanauki.pl/articles/293124.pdf
Data publikacji:
2013
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
agriculture
artificial neural networks
drought forecast
SPI
support vector regression
wavelet analysis
analiza falowa
prognoza suszy
regresja wektorowa
rolnictwo
sztuczna sieć neuronowa
Źródło:
Journal of Water and Land Development; 2013, no. 18 [I-VI]; 3-12
1429-7426
2083-4535
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
In order to have effective agricultural production the impacts of drought must be mitigated. An important aspect of mitigating the impacts of drought is an effective method of forecasting future drought events. In this study, three methods of forecasting short-term drought for short lead times are explored in the Awash River Basin of Ethiopia. The Standardized Precipitation Index (SPI) was the drought index chosen to represent drought in the basin. The following machine learning techniques were explored in this study: artificial neural networks (ANNs), support vector regression (SVR), and coupled wavelet-ANNs, which pre-process input data using wavelet analysis (WA). The forecast results of all three methods were compared using two performance measures (RMSE and R²). The forecast results of this study indicate that the coupled wavelet neural network (WA-ANN) models were the most accurate models for forecasting SPI 3 (3-month SPI) and SPI 6 (6-month SPI) values over lead times of 1 and 3 months in the Awash River Basin in Ethiopia.

Efektywna gospodarka rolna, uzyskanie dużych plonów wymaga prowadzenia działań w celu ograniczenia niekorzystnego wpływu suszy. Ważnym czynnikiem ograniczania skutków suszy jest efektywna i możliwie precyzyjna metoda przewidywania suszy. W artykule przedstawiono trzy metody prognozowania suszy w okresach krótkoterminowych, które zostały zastosowane w zlewni rzeki Awash w Etiopii. Do kwantyfikacji suszy zastosowano wskaźnik standaryzowanego opadu (SPI). Zastosowane zostały następujące samouczące się metody: sztuczne sieci neuronowe (ANNs), regresje wektorowe (SVR) oraz połączenie ANNs z analizą falową (WA), którą zastosowano do wstępnej obróbki danych. Ocenę prognozy dokonano stosując dwa mierniki – RMSE i R². Na podstawie obliczeń stwierdzono, że połączona metoda analizy falowej z siecią neutronową (WA-ANN) jest najdokładniejsza w prognozowaniu wartości SPI 3 (3-miesięczne SPI) i SPI 6 (6-miesięczne SPI) w okresie 1 i 3 miesiące naprzód w zlewni rzeki Awash.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies