지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
Remote sensing data has been widely used in the estimation of crop yields by employing statistical methods such as regression model. Machine learning, which is an efficient empirical method for classification and prediction, is another approach to crop yield estimation. This paper described the corn yield estimation in Iowa State using four machine learning approaches such as SVM (Support Vector Machine), RF (Random Forest), ERT (Extremely Randomized Trees) and DL (Deep Learning). Also, comparisons of the validation statistics among them were presented. To examine the seasonal sensitivities of the corn yields, three period groups were set up: (1) MJJAS (May to September), (2) JA (July and August) and (3) OC (optimal combination of month). In overall, the DL method showed the highest accuracies in terms of the correlation coefficient for the three period groups. The accuracies were relatively favorable in the OC group, which indicates the optimal combination of month can be significant in statistical modeling of crop yields. The differences between our predictions and USDA (United States Department of Agriculture) statistics were about 6-8 %, which shows the machine learning approaches can be a viable option for crop yield modeling. In particular, the DL showed more stable results by overcoming the overfitting problem of generic machine learning methods.
목차
Abstract
1. Introduction
2. Data and Method
3. Results and Discussion
4. Conclusions
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Sensing Technologies for Grain Crop Yield Monitoring Systems: A Review
바이오시스템공학(구 한국농업기계학회지)
2016 .01
-
Exploring Grain Size-Yield Strength Relationship in Machine Learning: Advancing the Development of Low-Yield Strength Copper Wire
AFORE
2023 .11
-
A Machine Learning-based Approach on The Automatic Sensor Event Abstraction for Process Model Discovery
대한산업공학회 춘계공동학술대회 논문집
2018 .04
-
머신러닝을 활용한 공군 수리부속 수요예측 정확도 개선에 관한 연구
한국 SCM 학회지
2021 .10
-
기계학습을 이용한 공작기계 강성 예측 모델
한국정밀공학회 학술발표대회 논문집
2022 .10
-
J2 와 J3 불변량에 기초한 항복함수의 제안과 이방성 판재에의 적용
소성·가공
2022 .08
-
위성영상을 활용한 작물 생산량 감시 및 예측
한국항공우주학회 학술발표회 초록집
2022 .04
-
Improvement of irrigation efficiency and its accompanying Crop yield and Environmental protection
대한환경공학회 학술발표논문집
2015 .10
-
Nematicidal Activities of the Cyanobacterium M. aeruginosa, an Effective Approach to Enhance Crops and Fruits Yields
한국생물공학회 학술대회
2017 .10
-
머신러닝 및 딥러닝 연구동향 분석: 토픽모델링을 중심으로
디지털산업정보학회논문지
2019 .01
-
파키스탄 기후변화에 따른 밀생산량 모의
한국수자원학회 학술발표회
2017 .01
-
이종 장비에서의 학습모델 성능유지를 위한 방법론 제안
한국정밀공학회 학술발표대회 논문집
2023 .11
-
재학습 모델를 이용한 메탄수율 예측 정확도 향상
대한환경공학회 학술발표논문집
2021 .11
-
형태학적 이론을 이용한 기계 학습에 관한 연구
대한전자공학회 학술대회
2015 .06
-
Predicting Crop Production for Agricultural Consultation Service
Journal of information and communication convergence engineering
2019 .03
-
Correlation Analysis of Production Changes of Feed Crop Data according to Climate Change
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2022 .01
-
공작기계의 진단 모델 개발을 위한 학습 데이터 구성 방법에 대한 연구
한국정밀공학회 학술발표대회 논문집
2022 .10
-
다중 회귀 분석을 이용한 파프리카 생산량 예측
한국통신학회논문지
2021 .11
-
J2와 J3 불변량에 기초한 비대칭 항복함수의 제안(II)
소성·가공
2022 .12
-
Machine Learning for Survival Analysis
한국신뢰성학회 학술대회논문집
2019 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
머신 러닝 기반 위성 영상을 이용한 낙동강의 Chlorophyll-a 농도 추정
김동환
,
염재홍
한국측량학회 학술대회자료집
2018
.04
Preliminary Study of Deep Learning-based Precipitation Prediction
Kim
,
Hee-Un
,
Bae
외 1명
한국측량학회지
2017
.10
Investigation of Topographic Characteristics of Parcels Using UAV and Machine Learning
Lee
,
Chang Han
,
Hong
외 1명
한국측량학회지
2017
.10
Downscaling of MODIS Land Surface Temperature to LANDSAT Scale Using Multi-layer Perceptron
Choe
,
Yu-Jeong
,
Yom
외 1명
한국측량학회지
2017
.08
머신러닝 기반 도시열섬 Geovisual Analytics 프로토타입 시스템 설계
이건우
,
김동환
,
염재홍
한국측량학회 학술대회자료집
2017
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2017-533-001142319