Ваш любимый книжный интернет-магазин
Перейти на
GlavKniga.SU
Ваш город: Алматы
Ваше местоположение – Алматы
 Да 
От вашего выбора зависит время и стоимость доставки
Корзина: пуста
Авторизация 
  Логин
  
  Пароль
  
Регистрация  Забыли пароль?

Поиск по каталогу 
(строгое соответствие)
ISBN
Фраза в названии или аннотации
Автор
Язык книги
Год издания
с по
Электронный носитель
Тип издания
Вид издания
Отрасли экономики
Отрасли знаний
Сферы деятельности
Надотраслевые технологии
Разделы каталога
худ. литературы

Analysis & forecasting of irrigation decision behavior. Practical machine learning algorithms and guidelines for their implementation

В наличии
Местонахождение: АлматыСостояние экземпляра: новый
Бумажная
версия
Автор: Sanyogita Andriyas
ISBN: 9783659500183
Год издания: 2013
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 124
Издательство: LAP LAMBERT Academic Publishing
Цена: 32741 тг
Положить в корзину
Позиции в рубрикаторе
Отрасли знаний:
Код товара: 129634
Способы доставки в город Алматы *
комплектация (срок до отгрузки) не более 2 рабочих дней
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK)
Курьерская доставка CDEK из города Москва
Доставка Почтой России из города Москва
      Аннотация: Farmers play an important role in food production. Farmers must make many decisions during the course of a growing season about the allocation of inputs to production. For farmers in arid regions, one of these decisions is whether to irrigate. It is hence vital to investigate the reasons that drive a farmer to make irrigation decisions and use those reasons/factors to forecast future irrigation decisions. This study can help water managers and canal operators to estimate short-term irrigation demands, thereby gaining information that might be useful in management of irrigation supply systems. We introduce three approaches to study farmer irrigation behavior: Bayesian belief networks (BBNs), decision trees, and hidden Markov models (HMMs). All three models are in the class of evolutionary algorithms, which are often used to analyze problems in dynamic and uncertain environments. These algorithms learn the connections between observed input and output data and can make predictions about future events.
Ключевые слова: water, agriculture, engineering, Behavior, Bayesian, Management, decisions, Markov, Classification trees