Ime strani: ARRSProjekti / 2016 / Napovedovanje strukturiranih vrednosti z uporabo v trajnostni kmetijski proizvodnji

Napovedovanje strukturiranih vrednosti z uporabo v trajnostni kmetijski proizvodnji


Nazaj na seznam za leto 2016


Oznaka in naziv projekta

L2-7509 - Napovedovanje strukturiranih vrednosti z uporabo v trajnostni kmetijski proizvodnji
L2-7509 - Structured output prediction with applications in sustainable agricultural production

Logotipi ARRS in drugih sofinancerjev

© Javna agencija za raziskovalno dejavnost Republike Slovenije

ARVALIS - Institut du végétal

Projektna skupina

Vodja projekta: prof. dr. Sašo Džeroski

Sodelujoče raziskovalne organizacije: Povezava na SICRIS

Sestava projektne skupine: Povezava na SICRIS

Vsebinski opis projekta

Glede na vseprisotnost nalog analize podatkov na skoraj vseh področjih življenja ter glede na njihovo naraščajočo kompleksnost, se dandanes pogosto srečamo z nalogami napovedovanja strukturiranih vrednosti (NSV). Področje NSV se nahaja znotraj področij rudarjenja podatkov in strojnega učenja ter se ukvarja z napovedovanjem kompleksnih strukturiranih vrednosti (npr. vektorjev realnih števil) in ne skalarnih vrednosti (npr. enega samega realnega števila). Primere nalog NSV lahko srečamo na veliko različnih področij, vključno s kmetijstvom, ki se sooča z vedno večjo množico navidezno nasprotujočih si zahtev: po eni strani zahteva naglo povečevanje prebivalstva na Zemlji visoke donose kakovostnih pridelkov, po drugi strani pa narekujejo povečani okoljski pritiski na Zemljine ekosisteme trajnostno kmetijsko proizvodnjo, ki čim manj obremenjuje okolje. NSV metode pa imajo, kljub njihovemu hitremu razvoju, še veliko pomanjkljivosti.

Cilj predlaganega projekta je razvoj novih metod za NSV, ki se bodo izognile pomanjkljivostim obstoječih metod, ter uporaba razvitih metod za reševanje praktično relevantnih nalog s področja trajnostne kmetijske pridelave. Pri razvoju novih metod bomo najprej razvili metode za določanje relevantnosti značilk za ciljne spremenljivke ter za določanje soodvisnosti med ciljnimi spremenljivkami. Slednje bomo nato uporabili za strukturiranje in/ali razgradnjo izhodnega prostora in predlagali metode, ki tovrstno dekompozicijo uporabijo ter se s tem pozicionirajo na spektru med lokalnimi in globalnimi metodami za NSV. Nato bomo razvili nove metode za NSV (npr. učenje ansamblov pravil in opcijskih dreves za NSV), ki bodo dajale natančne in razumljive modele. Na koncu bomo razvite pristope k NSV uporabili za reševanje problemov s področja trajnostne kmetijske proizvodnje, kjer bodo napovedni modeli povezovali kmetijske prakse z več različnih vidikov onesnaženja voda ter funkcij kmetijskih tal. Učili bomo modele za hkratno napovedovanje količine različnih vrst izliva vode s kmetijskega polja (npr. drenaža in odtok), koncentracij več aktivnih spojin iz fitofarmacevtskih produktov v teh vodah, ter potencialnega tveganja preseganja mejnih vrednosti onesnaževanja za vsakega od njih posebehj in za vse njih skupaj. Lotili se bomo tudi kompleksne naloge napovedovanja večih vidikov funkcije kmetijskih tal, ki vključujejo: i) osnovno produktivnost, ii) regulacijo in prečiščevanje vode; iii) sekvestracijo in regulacijo ogljika; iv) habitat za funkcionalno in izvirno biološko raznolikost ter v) kroženje in zagotavljanje hranil. Za predlagane raziskave obstaja močan interes in podpora industrije (vključno s kmetijskim sektorjem in proizvajalci fitofarmacevtskih sredstev. V prvi vrsti je to francosko podjetje ARVALIS, ki najnovejše rezultate raziskav v kmetijstvu (in širše) neposredno ponuja francoskim kmetom preko obsežne mreže kmetijskih svetovalcev. Kot končni uporabnik in sofinancer projekta jim bo v okviru svetovalnih storitev ponudil tudi rezultate predlaganega projekta.

Osnovni podatki sofinanciranja so dostopni na spletni strani. Povezava na SICRIS.

Delovni sklopi projekta

  • DS1: Ocenjevanje pomembnosti značilk pri NSV
  • DS2: Odkrivanje in izkoriščanje odvisnosti v izhodnem prostoru
  • DS3: Izboljšava učenja ansamblov za NSV
  • DS4: Uporaba v trajnostni kmetijski pridelavi
  • DS5: Izkoriščanje in razširjenje rezultatov ter upravljanje projekta

Bibliografske reference

Objave, ki v zahvali omenjajo projekt:

Objave, ki nimajo zahvale:

Doktorske disertacije:

Objave, ki v zahvali ne omenjajo projekta, so pa vsebinsko povezane s projektom:

Odprto dostopna programska oprema

Metode strojnega učenja za napovedovanje strukturiranih vrednosti, razvite v okviru delovnih sklopov DS1-DS3, so javno dostopne v okviru GitLab projekta clus-public.


Nazaj na seznam projektov po letih