Глубокое обучение для быстрой оценки климатических рисков урожая

США и Запад · вчера

Представлен фреймворк SECSF на основе глубокого обучения, который эмулирует процессную модель ECroPS для кукурузы и ячменя, используя только ежедневные температуры и осадки. Модель обучена на данных ERA5 и воспроизводит динамику роста и сроки сбора урожая, снижая вычислительные затраты в ~10^4 раз. Это позволяет проводить вероятностные оценки рисков для больших ансамблей сезонных прогнозов и климатических сценариев.

Почему это важно

Новость важна для масштабируемого прогнозирования в агросекторе, где ключевы быстрые и точные оценки климатических рисков.

Созвучно продуктам ЦД

ЦДТ ЦД.Прогноз

Заголовок оригинала: Deep-learning surrogate crop modelling for scalable seasonal-to-climate crop-risk assessment

Читать первоисточник: arXiv — Computational Engineering, Finance, and Science (cs.CE)

Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.

Рядом по теме

МоделированиеСША и Запад2 дн

Параллельное ветвящееся MPC на GPU

Представлен GPU-решатель для задач планирования траекторий с использованием ветвящегося модельно-прогностического управления. Решатель основан на итеративном LQR, формулировке с множественной стрельбой и методе увеличенного Лагранжиана для учета ограничений. Численные эксперименты показали превосходство над CPU-решателем на крупномасштабных задачах.

ЦД.ПрогнозarXiv — Systems and Control (eess.SY) ↗

МоделированиеСША и Запад2 дн

Влияние общих автономных автомобилей в микротранзитных системах: пример Атланты

Исследуется интеграция общих автономных автомобилей (SAV) в микротранзитные системы, которые решают проблему «последней мили». На примере Атланты показано, что использование SAV может повысить устойчивость, удобство и надежность по сравнению с традиционными маршрутными перевозками.

ЦДГЦД.ПрогнозarXiv — Systems and Control (eess.SY) ↗

Цифровой двойникСША и Запад2 дн

Инструмент FDF упрощает создание ИИ-цифровых двойников

Представлен Function+Data Flow (FDF) — визуальный предметно-ориентированный язык для спецификации и валидации конвейеров ИИ/МО, используемых при построении цифровых двойников в реальном времени. Реализованный в среде DesCartes Builder, он позволяет композицию и повторное использование моделей. Эмпирическое исследование показало, что FDF делает разработку ИИ-двойников более доступной и надежной.

ЦДТarXiv API — полнотекстовый поиск "digital twin" ↗