文献

J-GLOBAL ID：202102288153626854   整理番号：21A0540178

スマート温室におけるセンシングのための時系列予測【JST・京大機械翻訳】

Time-Series Prediction for Sensing in Smart Greenhouses

著者 (2件)： Ali Asmaa (Queen’s University Kingston,School of Computing,Ontario,Canada) ,  Hassanein Hossam S. (Queen’s University Kingston,School of Computing,Ontario,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GLOBECOM  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 気候のモニタリングは,温室における最適な作物生産を得るための最も重要で挑戦的な実践の1つである。スマート温室では,無線センサネットワーク(WSN)を用いて微気候をモニタできる。一定のモニタリングとセンシングは過度のエネルギー消費をもたらす。微気候の予測は,センサの操作を制御するために使用でき,従って,センサノードによって消費されるエネルギーを低下させる。気温,相対湿度,圧力,風,露点の最大,最小,および平均値の予測のための時系列に基づくLong Short-Termメモリ(LSTM)を開発した。温室外の微気候データを毎日収集し,最良適合LSTMモデルの解析に用いた。ネットワーク構造とパラメータを決定した後,ネットワークを訓練した。ネットワーク性能を測定する統計的基準は,平均絶対誤差(MAE),平均二乗誤差(MSE)および二乗平均平方根誤差(RMSE)である。温度,相対湿度,圧力,露点および風の測定値と予測値を比較した。結果は,微気候の予測における予測モデル性能LSTMの有効性を示した。RMSEとMAE結果の統計解析は,提案したLSTMモデルの予測精度を実証した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  気温 ,  ネットワーク ,  相対湿度 ,  気候 ,  *微気候 ,  露点 ,  センサ ,  予測モデル
準シソーラス用語： 時系列予測 ,  平均二乗誤差 ,  無線センサネットワーク ,  予測精度 ,  ネットワーク性能 ,  センサノード , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 温室 ,  センシング ,  時系列予測