2024-06-09 14:36:14 发布
网友
我试图建立一个模型,分析某一地区推荐的作物类型
对于我的投资回报率,我已经有了从2005年到2009年每个像素的历史数据,包括:
所以我有很多表,它们看起来都是这样的(这些是示例,不是实际值)
表1(多年来作物的演变)
表2(这一个以及更多关于多年来天气演变的信息)
现在我正试图把所有的东西放在一起,建立一个模型,可以解释导致作物类型变化的天气变化,也可以根据实际天气情况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
所以你有两个目标,让我们一个接一个地解决
also that gives a suggestion for the best crop type
为此,我们假设某一特定作物的历史选择是最好的。如果没有,那么您应该只包括那些ROI高于您定义的某个阈值的数据点
方法1)简单的前馈神经网络。输入[地表温度、降雨量、温度、土壤性质等],输出[作物类型]。由此,我们将其建模为一个分类问题
如果要长期包含天气数据,请修改输入[(地表温度、降雨量、温度、土壤性质等)@t1,(地表温度、降雨量、温度、土壤性质等)@t2等]。输出[crop type@tn],其中n是当前时间
方法2)如果您想保留空间维度,并且您认为附近的像素数据对预测也很重要,那么也可以将该像素信息编码到您的输入中。否则,您可以使用这里描述的一些时空模型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
weather changes that lead to a change on crop type
这可以建模为一个二元分类问题,在这个问题中,您需要预测给定的输入天气条件和输出(作物变化或无变化)。你的输入:[地表温度、降雨、温度、土壤性质等],你的输出:[改变或不改变]
有很多方法可以解决这第二个问题,从一个简单的逻辑回归,支持向量机或使用更强大的深度学习模型取决于你的数据
希望这有帮助
所以你有两个目标,让我们一个接一个地解决
also that gives a suggestion for the best crop type
为此,我们假设某一特定作物的历史选择是最好的。如果没有,那么您应该只包括那些ROI高于您定义的某个阈值的数据点
方法1)简单的前馈神经网络。输入[地表温度、降雨量、温度、土壤性质等],输出[作物类型]。由此,我们将其建模为一个分类问题
如果要长期包含天气数据,请修改输入[(地表温度、降雨量、温度、土壤性质等)@t1,(地表温度、降雨量、温度、土壤性质等)@t2等]。输出[crop type@tn],其中n是当前时间
方法2)如果您想保留空间维度,并且您认为附近的像素数据对预测也很重要,那么也可以将该像素信息编码到您的输入中。否则,您可以使用这里描述的一些时空模型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元分类问题,在这个问题中,您需要预测给定的输入天气条件和输出(作物变化或无变化)。你的输入:[地表温度、降雨、温度、土壤性质等],你的输出:[改变或不改变]
有很多方法可以解决这第二个问题,从一个简单的逻辑回归,支持向量机或使用更强大的深度学习模型取决于你的数据
希望这有帮助
相关问题 更多 >
编程相关推荐