文献

J-GLOBAL ID：202002246558110511   整理番号：20A0669908

データマイニングと作物シミュレーションモデルによるサトウキビ収量予測【JST・京大機械翻訳】

Sugarcane Yield Prediction Through Data Mining and Crop Simulation Models

著者 (3件)： Hammer Ralph G. (Department of Biosystems Engineering, ESALQ, University of Sao Paulo, Piracicaba, SP, Brazil) ,  Sentelhas Paulo C. (Department of Biosystems Engineering, ESALQ, University of Sao Paulo, Piracicaba, SP, Brazil) ,  Mariano Jean C. Q. (Independent Data Science Specialist, Piracicaba, SP, Brazil)
資料名： Sugar Tech  (Sugar Tech)
巻： 22  号： 2  ページ： 216-225  発行年： 2020年 
JST資料番号： W4975A  ISSN： 0972-1525  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： サトウキビ収量に影響を及ぼす因子の階層的重要性の理解は,そのモデリングを助成することができ,農業計画と作物収量推定の最適化に寄与する。本研究の目的は,サトウキビ収量を相対的に重要性に応じて条件付けする主な変数を同定し,調整し,データマイニング(DM)技術を用いてサトウキビ収量を予測するための数学モデルを開発することである。このために,ブラジルのサンパウロ州のいくつかの砂糖工場のデータベースの分析に3つのDM技術を適用した。気象と作物管理変数を以下のDM技術を通して分析した:ランダム森林;ブースティング;そして,サポートベクトルマシンと得られたモデルを独立データセットとの比較を通してテストした。最後に,これらのモデルの予測性能を,同じデータセットに適用した簡単な農業気象モデルの性能と比較した。結果は,評価されたすべての変数の中で,カットの数がすべてのDM技術によって考慮される最も重要な因子であると結論づけることができた。観測された収率とDMモデルによって推定されたそれらの間の比較は,19.70~20.03tha(-1)の範囲の根平均二乗誤差(RMSE)をもたらした。それは,RMSE≒34tha(-1)を示した農業生態学的ゾーンモデルの性能よりはるかに良かった。Copyright Society for Sugar Research & Promotion 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  データベース ,  栽培管理 ,  気象 ,  製糖工場 ,  作物収量 ,  ブラジル連邦共和国 ,  *サトウキビ ,  *シミュレーションモデル ,  *データマイニング ,  最適化 ,  農業 ,  数学モデル ,  *農作物 ,  農業気象

著者キーワード (5件)： 歩留り推定 ,  ランダムフォレスト ,  ブースティング ,  サポートベクトルマシン ,  作物モデル

分類 (2件)： 作物栽培一般  (FC03010R) ,  農業気象  (DC05030Z)

タイトルに関連する用語 (5件)： データマイニング ,  作物 ,  シミュレーションモデル ,  サトウキビ ,  収量予測