首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >如何利用这些时间序列数据进行作物预测?

如何利用这些时间序列数据进行作物预测?
EN

Stack Overflow用户
提问于 2019-09-16 02:22:48
回答 1查看 135关注 0票数 0

我正试图建立一个模型来分析某一地区推荐的作物类型。

对于我的ROI,我已经有了2005到2009年间每个像素的历史数据,其中包括:

  1. 在该像素中产生的作物类型(每年一种)
  2. 我的ROI中每种作物的生产力
  3. 每个像素每年的各种天气指标(地表温度、降雨、温度、土壤特性等)。

所以我有很多表,它们看起来都是这样的(这些是例子,而不是实际值)

表1(作物多年来的演变情况)

表2(这一表和更多关于多年来天气如何演变的资料)

现在,我试图把所有的东西组合在一起,建立一个模型,可以解释天气的变化,从而导致作物类型的改变,并根据实际的天气条件,给出最佳作物类型的建议。

我完全不知道如何合并所有的信息,我应该从哪里开始寻找答案?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-09-17 00:44:22

所以你有两个目标,让我们一个接一个地解决它们。

also that gives a suggestion for the best crop type

为此,我们假设历史上对某一特定作物的选择是最好的。如果没有,那么您应该只包括那些ROI高于您定义的阈值的数据点。

方法1)简单前馈神经网络。你的输入表面温度,降雨,温度,土壤性质等,你的输出:作物类型。基于此,我们将其建模为一个分类问题。

如果您想要包含长期的天气数据,那么修改您的输入(地表温度、降雨、温度、土壤特性等)@ t1、(地表温度、降雨、温度、土壤特性等)@ t2等等。输出作物类型@ tn,其中n是当前时间。

方法2)如果您希望保留空间维数,并且您认为附近的像素数据对预测也很重要,那么将该像素信息也编码到您的输入中。否则,您可以使用一些时空模型,如这里描述的https://papers.nips.cc/paper/5955-convolutional-lstm-network-a-machine-learning-approach-for-precipitation-nowcasting

你的另一个问题weather changes that lead to a change on crop type

这可以建模为一个二进制分类问题,在这个问题中,您希望预测给定输入天气条件下的输出(作物的变化或不变化)。你的输入:地表温度,降雨,温度,土壤特性等,你的输出:变化还是不变。

有许多方法可以从简单的逻辑回归、svms或根据您拥有的数据使用更强大的深度学习模型来解决第二个问题。

希望这能有所帮助。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/57949683

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档