首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

“蝴蝶效应”也能预测了?看机器学习如何解释混沌系统

大数据文摘作品 编译:李雷、笪洁琼、夏雅薇 一只南美洲的蝴蝶,偶尔扇动几下翅膀,两周后可以引起美国德克萨斯州的一场飓风…… 极小的扰动,将会引起结果的巨大差异。不可重复、不可预测,这就是混沌现象。 不可预测?那么,有了机器学习之后呢? 半个世纪前,混沌理论的先驱们发现由于存在“蝴蝶效应”,长期预测是不可能的。对于复杂系统(如天气,经济等等),即使是最小的扰动也能触发一连串事件,导致极为不同的后果。 我们生活在不确定的阴影之下,无法确定这些系统的状态以预测它们将如何发展。 最近,美国马里兰大学的研究表明,人工

07

Wolfram 语言分析基于捕食-食饵模型的农作物产量预测和地下水变化趋势

自从托马斯·罗伯特·马尔萨斯(https://en.wikipedia.org/wiki/Thomas_Robert_Malthus)的著作《人口原理》(https://en.wikipedia.org/wiki/An_Essay_on_the_Principle_of_Population)面世,科学家们就一直在寻找在资源有限的情况下人口增长的极限在哪里。其中一个资源就是地下水。全球约40%的食物产量依赖于灌溉,而灌溉水的来源就是地下含水层。地下水灌溉让种植者可以增加农作物产量,让农作物在旱季得以生存,在雨季时又可以平衡所需水量和雨量之间的不平衡。在世界上的很多地方,抽取地下水(或从井中泵上来)的量已经大于补给的水量,导致地下水枯竭。在这些地方,地下含水层的“可持续年限”有限,也给每年灌溉的量和基于地下水农业的可持续发展套上了限制。而这个研究的目的则是提出一个动态系统框架用于解释基于地下水的灌溉过去的趋势并为食物产量提供预测。

02
领券