新模型或能在可用数据很少的情况下做出环境预测( 二 )

Kumar说：“这些以知识为导向的机器学习技术从根本上比科学界用以解决环境问题的标准机器学习方法和传统模型更为强大。”
这些由NSF数据革新计划资助的新一代机器学习方法正被用于解决如提升湖泊、河流温度预测等各种环境问题。
【新模型或能在可用数据很少的情况下做出环境预测】在美国地球物理联盟水资源研究中心，另一项由NSF资助的、预测未监测湖泊动态水温的新研究中，在明尼苏达大学计算机科学与工程系准博士Jared Willard的带领下，研究人员展示了如何使用知识引导的机器学习模型来解决最具挑战性的环境预测问题之一——如何在不受监控的生态系统中进行预测。
当模型被从观测良好的湖泊转到观测很少或没有观测的湖泊时，即使在没有进行温度监测的湖泊中也能进行准确的预测。研究人员表示，他们的方法可扩展到数千个湖泊的监测，这表明这种方法（具有有意义的预测变量和高质量的源模型）可用于许多未受监控的系统和环境变量，在未来十分有前景。
翻译：彭琛
审校：董子晨曦
引进来源：明尼苏达大学
本文来自：中国数字科技馆