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:
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?
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。
https://stackoverflow.com/questions/57949683
复制相似问题