JPWO2017170086A1 - 情報処理システム、情報処理装置、シミュレーション方法およびシミュレーションプログラム - Google Patents
情報処理システム、情報処理装置、シミュレーション方法およびシミュレーションプログラム Download PDFInfo
- Publication number
- JPWO2017170086A1 JPWO2017170086A1 JP2018509153A JP2018509153A JPWO2017170086A1 JP WO2017170086 A1 JPWO2017170086 A1 JP WO2017170086A1 JP 2018509153 A JP2018509153 A JP 2018509153A JP 2018509153 A JP2018509153 A JP 2018509153A JP WO2017170086 A1 JPWO2017170086 A1 JP WO2017170086A1
- Authority
- JP
- Japan
- Prior art keywords
- estimated value
- simulation
- value
- data
- mathematical model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 303
- 238000000034 method Methods 0.000 title claims abstract description 130
- 230000010365 information processing Effects 0.000 title claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 176
- 238000013178 mathematical model Methods 0.000 claims abstract description 134
- 238000004364 calculation method Methods 0.000 claims abstract description 94
- 230000008569 process Effects 0.000 claims abstract description 42
- 238000009826 distribution Methods 0.000 claims description 105
- 239000002689 soil Substances 0.000 claims description 61
- 238000009313 farming Methods 0.000 claims description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012876 topography Methods 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000002906 microbiologic effect Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 95
- 238000010586 diagram Methods 0.000 description 37
- 238000013500 data storage Methods 0.000 description 31
- 230000006870 function Effects 0.000 description 20
- 238000012821 model calculation Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 11
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 206010061216 Infarction Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013477 bayesian statistics method Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000001736 capillary Anatomy 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
Abstract
Description
数理的モデルと観測データとを用いてシミュレーションを行う情報処理装置であって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算手段と、
前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返す局所処理手段と、
前記第1被推定値の更新を繰り返しながら、前記局所処理手段による処理を繰り返すよう制御する大域処理手段と
を備える。
数理的モデルと観測データとを用いてシミュレーションを行うシミュレーション方法であって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算手段を有し、前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返し、
前記第1被推定値の更新を繰り返しながら、前記局所処理ステップによる処理を繰り返すよう制御す。
数理的モデルと観測データとを用いてシミュレーションを行うシミュレーションプログラムであって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算機能を有し、
前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返す局所処理機能と、
前記第1被推定値の更新を繰り返しながら、前記局所処理ステップによる処理を繰り返すよう制御する大域処理機能と
をコンピュータに実行させる。
観測データを取得する取得手段と、
前記観測データを用いて、数理的モデルによるシミュレーションを実施する上記情報処理装置と、
前記情報処理装置に対して前記数理的モデルによるシミュレーションの実施を要請して、シミュレーション結果の予測値を提供する提供手段と
を備える。
本発明の第1実施形態としての情報処理装置100について、図1を用いて説明する。
次に、本発明の第2実施形態に係る情報処理装置としてのシミュレーション装置について説明する。本実施形態に係るシミュレーション装置は、数理的モデルの被推定値を、数理的モデルの計算領域内で一様に設定されない値、または、時間変化する変数の初期値である、少なくともいずれかの場合に、第2被推定値へ振分け、その他の場合に第1被推定値へ振分ける。そして、大域処理部は、さらに、被推定値の再振分を繰り返しながら、局所処理部によって処理するよう制御する。すなわち、第1被推定値の更新ごとの変動、および、当てはまり度の変動が閾値以下になるまで、第1被推定値は、更新する処理を継続し、所定回数の更新を実行しても、変動が閾値以下でない場合に、被推定値を第1被推定値、または、第2被推定値へ振り分ける再振分処理を実行してもよい。
図7A乃至図7Gは、本実施形態に係るシミュレーション処理の概要を説明する図である。なお、図7A乃至図7Gにおいては、営農を支援するシミュレーションを例に本実施形態に係るシミュレーション処理の概要を説明するが、営農を支援するシミュレーションに限定されるものではない。
図2は、本実施形態に係る情報処理装置としてのシミュレーション装置200が表示する表示および操作の概要を示す図である。なお、図2には、シミュレーション装置200が有する、あるいは、シミュレーション装置200に接続された表示および操作部240における操作と、シミュレーション入力画面241と、シミュレーション出力画面242とについて、説明する。
本実施形態のシミュレーション装置200は、物理法則に基づいた連続的な時間、及び、空間に関する偏微分方程式を解くことによって時間発展を追跡する(いわゆる、数理的モデルを用いた)シミュレーションに適用可能である。そのような偏微分方程式には、例えば、運動を記述する運動方程式、流体を記述するナビエーストークス方程式、熱変化を記述する熱力学方程式、津波を記述する浅水波方程式などがある。また、シミュレーション装置200は、有限要素法を用いたシミュレーションにも適用可能である。以降、総称して数理的モデルと呼ぶ。なお、本実施形態において、シミュレーション対象である系は、数理的モデル内の変数の予測値(以降、単に、「予測値」と表す)が、実際の観測データと何らかの関係式で結ばれる系(すなわち、シミュレーション結果と観測データとが比較可能な系)であるものとする。そして、本実施形態においては、数理的モデル内の変数やデータ、およびパラメータを統計的に確率分布として扱うことによって、当該数理的モデルに関する不確定性を考慮する。
まず、大域データ処理部310について説明する。大域データ処理部310は、数理的モデル計算部323に入力するパラメータのうち、推定が必要な値(すなわち、被推定値)と、変数の初期状態や境界条件などの確定したシミュレーション条件とを取得し、それぞれ、対応する格納領域である被推定値記憶部311と確定データ記憶部314とに格納する。被推定値振分け部312は、被推定値記憶部311に格納されている被推定値(すなわち、推定が必要なパラメータ)を、振分け基準記憶部315に格納されている基準(または、方法)にしたがって、異なる2種類の第1被推定値または第2被推定値に振分ける。そして、被推定値振分け部312は、第1被推定値を第1被推定値記憶部313に格納し、第2被推定値を局所データ処理部320内の第2被推定値記憶部321に格納する。
次に、局所データ処理部320について説明する。局所データ処理部320は、大域データ処理部310によって出力された第2被推定値を格納する第2被推定値記憶部321と、各種センサなどからの観測データを格納する観測データ記憶部322、各種シミュレーションを行うモデルを総称した数理的モデル計算部323と、を有する。また、局所データ処理部320は、数理的モデル計算部323により算出された変数の予測値と観測データ記憶部322に格納された観測データとに基づいて、該予測値と該観測データとの尤度を計算する尤度計算部324を有する。さらに、局所データ処理部320は、尤度計算部324が算出した尤度に基づいて更新された予測値および第2被推定値が格納される予測値及び第2被推定値記憶部325と、尤度計算部324によって計算された尤度を格納する尤度記憶部326とを有する。
次に、大域データ更新部330内の判定部331における動作について説明する。判定部331は、終了時刻(t=T)まで繰り返された後の、予測値及び第2被推定値記憶部325に格納されている更新後の予測値および第2被推定値と、式6に従い算出され、尤度記憶部326に格納されているパラメータ尤度とを読み取る。これらの入力に基づいて、判定部331は、第1被推定値を更新するか否かの判定処理と、大域データ処理部310内の被推定値振分け部312における振分けが適していたか否かの判定処理と、振分け基準の更新処理とを行い、それぞれ、第1被推定値記憶部313と振分け基準記憶部315とにフィードバックをする。前者の第1被推定値を更新するか否かを判定する基準として、例えば、第1被推定値を少なくとも1回更新し、その更新ごとの予測値、および第2被推定値の変動と、パラメータ尤度の値とが所定の値以下になる、という方法がある。
次に、データ出力部340の動作について説明する。データ出力部340は、前述された更新後の第1被推定値が格納された第1被推定値記憶部341と、更新後の予測値および第2被推定値が格納された予測値及び第2被推定値記憶部342とを含む。したがって、前述の両記憶部には、観測データによって更新された数理的モデルの計算値(すなわち、シミュレーション結果値)と、推定する必要があった第1被推定値と第2被推定値とに関する、それぞれの更新後の結果が格納されることとなる。
図4Aは、本実施形態に係る被推定値記憶部311および振分け基準記憶部315の構成を示す図である。被推定値記憶部311には、シミュレーション処理にて使用される被推定値が格納される。また、振分け基準記憶部315には、被推定値振分け部312が被推定値記憶部311に格納されている被推定値を、第1被推定値と第2被推定値とに振り分ける基準が格納される。振り分け方法等については、前述の通りである。
図4Bは、本実施形態に係る確定データ記憶部314および観測データ記憶部322の構成を示す図である。確定データ記憶部314には、数理的モデル計算部323が使用する確定データが格納される。また、観測データ記憶部322には、数理的モデル計算部323が算出した予測値に関する尤度を、尤度計算部324が算出する処理にて用いられる観測データ(たとえば、観測衛星や観測センサなどから得られる観測データ(処理されていても可))が格納される。
図4Cは、本実施形態に係る、予測値及び第2被推定値記憶部325、第1被推定値記憶部341、または、予測値及び第2被推定値記憶部342の構成を示す図である。図4Cにおいては、上記各記憶部を一体とした例を説明するが、それぞれ、独立した記憶部であってもよい。
図4Dは、本発明の第2実施形態に係るシミュレーション処理テーブル460の構成を示す図である。シミュレーション処理テーブル460は、シミュレーション装置200がシミュレーションを実行中に使用するテーブルである。
図5は、本実施形態に係る情報処理装置としてのシミュレーション装置200のハードウェア構成を示すブロック図である。
図6は、本実施形態に係る情報処理装置としてのシミュレーション装置200におけるシミュレーション手順を示すフローチャートである。このフローチャートは、図5のCPU510がRAM540を使用して実行し、図3の機能構成部を実現する。
次に、本発明の第3実施形態に係る情報処理装置としてのシミュレーション装置について説明する。本実施形態に係るシミュレーション装置は、第2実施形態と比べると、1つの大域データ処理部に複数の局所データ処理部が接続された点で異なる。その他の構成および動作は、第2実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
図8は、本実施形態に係る情報処理装置としてのシミュレーション装置800の機能構成を示すブロック図である。なお、図8において、図3と同様の機能構成部には同じ参照番号を付して、重複する説明を省略する。
図9は、本実施形態に係る局所データ処理分担テーブル816の構成を示す図である。局所データ処理分担テーブル816は、複数の局所データ処理部3201〜320mに提供する情報を管理するために使用される。
次に、本発明の第4実施形態に係る情報処理装置としてのシミュレーション装置について説明する。本実施形態に係るシミュレーション装置は、第2実施形態および第3実施形態と比べると、シミュレーション処理の履歴を蓄積し、新たなシミュレーションの開始時に、該履歴に基づきパタメータ、初期値およびアルゴリズムを設定する点で異なる。その他の構成および動作は、第2実施形態や第3実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
図10は、本実施形態に係る情報処理装置としてのシミュレーション装置1000の機能構成を示すブロック図である。図10において、図3と同様の構成要素には同じ参照番号を付して、重複する説明は省略する。
図11は、本実施形態に係るシミュレーション履歴データベース1010の構成を示す図である。
次に、本発明の第5実施形態に係る情報処理装置としてのシミュレーション装置について説明する。本実施形態に係るシミュレーション装置は、第2実施形態から第4実施形態と比べると、より具体的な営農予測に本シミュレーション処理を適用する点で異なる。その他の構成および動作は、第2実施形態から第4実施形態と同様であるので、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
図12、図13Aおよび図13Bを参照して、本実施形態のシミュレーション装置を含む情報処理システムの構成と動作について説明する。
図12は、本実施形態に係る情報処理装置としてのシミュレーション装置1211を含む情報処理システム1200の構成を示すブロック図である。
図13Aは、本実施形態に係る情報処理システム1200の動作シーケンスを示すシーケンス図である。
図13Bは、本実施形態に係るユーザ端末1240における表示および操作の概要を示す図である。なお、図13Bには、ユーザ端末1240が有する表示および操作部によって制御されている、営農支援入力画面1341と、営農支援出力画面1342とについて、説明する。
図14は、本実施形態に係る情報処理装置としてのシミュレーション装置1211の機能構成を示すブロック図である。なお、図14において、図3と同様の機能構成部には同じ参照番号を付して、重複する説明は省略する。
図15は、本実施形態に係るシミュレーション処理テーブル1560の構成を示す図である。シミュレーション処理テーブル1560は、シミュレーション装置1211がシミュレーションを実行中に使用するテーブルである。
図16は、本実施形態に係る被推定値としての営農環境パラメータ1561の振分け例1600を示す図である。図16を参照して、被推定値として前述した土壌を特徴付ける土壌パラメータの具体例、作物やその品種を特徴付ける品種パラメータの具体例、および、初期の振分け例について記載する。なお、被推定値は、作物モデルによって異なる。以下、典型的な代表例を示す。
次に、本発明の第6実施形態に係る情報処理装置としてのシミュレーション装置について説明する。本実施形態に係るシミュレーション装置は、第2実施形態から第5実施形態と比べると、より具体的な洪水予測に本シミュレーション処理を適用する点で異なる。その他の構成および動作は、第2実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
図17は、本実施形態に係る情報処理装置としてのシミュレーション装置1700の機能構成を示すブロック図である。なお、図17において、図3と同様の機能構成部には同じ参照番号を付して、重複する説明は省略する。
図18は、本実施形態に係るシミュレーション処理テーブル1860の構成を示す図である。シミュレーション処理テーブル1860は、シミュレーション装置1700がシミュレーションを実行中に使用するテーブルである。
次に、本発明の第7実施形態に係る情報処理装置としてのシミュレーション装置について、図19を用いて説明する。本実施形態に係るシミュレーション装置は、第2実施形態と比べると、より具体的な医療またはヘルスケアに本シミュレーション処理を適用する点で異なる。その他の構成および動作は、第2実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
図19は、本実施形態に係る情報処理装置としてのシミュレーション装置1900の機能構成を示すブロック図である。なお、図19において、図3と同様の機能構成部には同じ参照番号を付して、重複する説明は省略する。
図20は、本実施形態に係るシミュレーション処理テーブル2060の構成を示す図である。シミュレーション処理テーブル2060は、シミュレーション装置1900がシミュレーションを実行中に使用するテーブルである。
なお、第5実施形態乃至第7実施形態で示した農業・営農支援、洪水予測、医療及びヘルスケアという分野等において、本発明は、第1実施形態に係る数理的モデル計算部を対象物の振舞いを記述するモデル、およびそのモデルの計算に必要なパラメータや観測値へ置き換えることによって、シミュレーションの対象に限定されることなく、適用が可能である。例えば、メンタルヘルス(早期判定、予防)、スマートグリッド(需給バランス最適化)、資源探索(地点予測の高精度化)などにも適用ができる。
数理的モデルと観測データとを用いてシミュレーションを行う情報処理装置であって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算手段と、
前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返す局所処理手段と、
前記第1被推定値の更新を繰り返しながら、前記局所処理手段による処理を繰り返すよう制御する大域処理手段と
を備える情報処理装置。
前記数理的モデルの被推定値を、前記数理的モデルの計算領域内で一様に設定されない値、または、時間変化する変数の初期値である、少なくともいずれかの場合に、前記第2被推定値へ振分け、その他の場合に前記第1被推定値へ振分ける被推定値振分手段
をさらに備え、
前記大域処理手段は、さらに、前記被推定値振分手段による前記被推定値の再振分を繰り返しながら、前記局所処理手段による処理をするよう制御する付記1に記載の情報処理装置。
前記大域処理手段は、前記第1被推定値の更新ごとの変動、および、前記当てはまり度の変動が閾値以下になるまで、前記第1被推定値の更新を継続し、所定回数の更新を行っても前記変動が前記閾値以下とならない場合に、前記被推定値振分手段による前記被推定値の再振分を行う、
付記2に記載の情報処理装置。
前記局所処理手段は、前記当てはまり度を表す指標として尤度を計算する尤度計算手段を有し、前記予測値と前記第2被推定値との更新に、前記数理的モデルで計算される時間ステップごとの逐次の尤度を用い、
前記大域処理手段は、前記第1被推定値の更新に、前記逐次の尤度を所定のステップ以上積算した積算尤度を用いる、
付記1乃至3のいずれか1項に記載の情報処理装置。
前記第1被推定値の次元が前記第2被推定値の次元よりも高い、
付記1乃至4のいずれか1項に記載の情報処理装置。
前記局所処理手段において、前記予測値と前記第2被推定値との更新は、前記予測値と前記観測データとを入力し、逐次の前記当てはまり度に関連して、粒子フィルタ、アンサンブルカルマンフィルタ、カルマンフィルタ、または、逐次重点サンプリングを含む逐次ベイズフィルタによって行なわれる、
付記1乃至5のいずれか1項に記載の情報処理装置。
前記大域処理手段において、前記第1被推定値の更新は、前記第1被推定値の更新前の値と前記当てはまり度の積算とを入力して、マルコフ連鎖モンテカルロ法を含む統計的サンプリングによって行なわれる、
付記1乃至6のいずれか1項に記載の情報処理装置。
前記数理的モデルが対象とする部分領域ごとに観測データを取得するm個(m≧2)の前記局所処理手段を備え、
前記大域処理手段は、前記m個の局所処理手段のそれぞれに前記第1被推定値と前記第2被推定値と前記確定データとを提供し、前記m個の局所処理手段の処理の結果を集約する、
付記1乃至7のいずれか1項に記載の情報処理装置。
前記部分領域は、シミュレーションの対象とする全領域をそれぞれの局所領域に分割して、さらに格子分割した際の、格子点ごと、または、少なくとも2点以上の前記格子点の集合であるブロックごと、もしくは対象の前記局所領域ごととする、
付記8に記載の情報処理装置。
少なくとも、シミュレーションが対象とする数理的モデルと、更新された第1被推定値と、更新された第2被推定値と、確定データと、シミュレーション結果の尤度と、を対応付けて蓄積する履歴データベースを、さらに備え、
前記大域処理手段は、前記履歴データベースを参照して、少なくとも、シミュレーションを実行する数理的モデルと、前記第1被推定値の初期値と、前記第2被推定値の初期値と、確定データと、を設定する、
付記1乃至9のいずれか1項に記載の情報処理装置。
前記数理的モデルは作物生育モデルであって、
前記被推定値は営農環境パラメータであり、
前記第1被推定値の初期値は品種パラメータであり、
前記第2被推定値の初期値は土壌パラメータであり、
前記確定データは地形、気象および営農データであり、
前記観測データは衛星画像または土壌センサに基づくデータであり、
営農の予測値をシミュレーションする、
付記2、または、付記3に記載の情報処理装置。
前記数理的モデルは洪水予測モデルであって、
前記被推定値は洪水環境パラメータであり、
前記第1被推定値の初期値は地形パラメータであり、
前記第2被推定値の初期値は河川または土質パラメータであり、
前記確定データは気象およびレーダデータであり、
前記観測データは水位を測定したデータであり、
洪水の予測値をシミュレーションする、
付記2、または、付記3に記載の情報処理装置。
前記数理的モデルは循環器系モデルであって、
前記被推定値は生体パラメータであり、
前記第1被推定値の初期値はマクロ生体パラメータであり、
前記第2被推定値の初期値はミクロ生体パラメータであり、
前記確定データは標準生体データであり、
前記観測データはバイタルを測定したデータであり、
バイタルの予測値をシミュレーションする、
付記2、または、付記3に記載の情報処理装置。
数理的モデルと観測データとを用いてシミュレーションを行うシミュレーション方法であって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算手段を有し、前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返し、
前記第1被推定値の更新を繰り返しながら、前記前記予測値と前記第2被推定値との更新処理を繰り返すよう制御する、
シミュレーション方法。
数理的モデルと観測データとを用いてシミュレーションを行うシミュレーションプログラムであって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算機能を有し、
前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返す局所処理機能と、
前記第1被推定値の更新を繰り返しながら、前記局所処理機能による処理を繰り返すよう制御する大域処理機能と
をコンピュータに実行させるシミュレーションプログラムが記録された記録媒体。
観測データを取得する取得手段と、
前記観測データを用いて、数理的モデルによるシミュレーションを実施する付記1乃至13のいずれか1項に記載の情報処理装置と、
前記情報処理装置に対して前記数理的モデルによるシミュレーションの実施を要請して、シミュレーション結果の予測値を提供する提供手段と、
を備える情報処理システム。
Claims (16)
- 数理的モデルと観測データとを用いてシミュレーションを行う情報処理装置であって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算手段と、
前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返す局所処理手段と、
前記第1被推定値の更新を繰り返しながら、前記局所処理手段による処理を繰り返すよう制御する大域処理手段と
を備える情報処理装置。 - 前記数理的モデルの被推定値を、前記数理的モデルの計算領域内で一様に設定されない値、または、時間変化する変数の初期値である、少なくともいずれかの場合に、前記第2被推定値へ振分け、その他の場合に前記第1被推定値へ振分ける被推定値振分手段
をさらに備え、
前記大域処理手段は、さらに、前記被推定値振分手段による前記被推定値の再振分を繰り返しながら、前記局所処理手段による処理をするよう制御する請求項1に記載の情報処理装置。 - 前記大域処理手段は、前記第1被推定値の更新ごとの変動、および、前記当てはまり度の変動が閾値以下になるまで、前記第1被推定値の更新を継続し、所定回数の更新を行っても前記変動が前記閾値以下とならない場合に、前記被推定値振分手段による前記被推定値の再振分を行う、
請求項2に記載の情報処理装置。 - 前記局所処理手段は、前記当てはまり度を表す指標として尤度を計算する尤度計算手段を有し、前記予測値と前記第2被推定値との更新に、前記数理的モデルで計算される時間ステップごとの逐次の尤度を用い、
前記大域処理手段は、前記第1被推定値の更新に、前記逐次の尤度を所定のステップ以上積算した積算尤度を用いる、
請求項1乃至3のいずれか1項に記載の情報処理装置。 - 前記第1被推定値の次元が前記第2被推定値の次元よりも高い、
請求項1乃至4のいずれか1項に記載の情報処理装置。 - 前記局所処理手段において、前記予測値と前記第2被推定値との更新は、前記予測値と前記観測データとを入力し、逐次の前記当てはまり度に関連して、粒子フィルタ、アンサンブルカルマンフィルタ、カルマンフィルタ、または、逐次重点サンプリングを含む逐次ベイズフィルタによって行なわれる、
請求項1乃至5のいずれか1項に記載の情報処理装置。 - 前記大域処理手段において、前記第1被推定値の更新は、前記第1被推定値の更新前の値と前記当てはまり度の積算とを入力して、マルコフ連鎖モンテカルロ法を含む統計的サンプリングによって行なわれる、
請求項1乃至6のいずれか1項に記載の情報処理装置。 - 前記数理的モデルが対象とする部分領域ごとに観測データを取得するm個(m≧2)の前記局所処理手段を備え、
前記大域処理手段は、前記m個の局所処理手段のそれぞれに前記第1被推定値と前記第2被推定値と前記確定データとを提供し、前記m個の局所処理手段の処理の結果を集約する、
請求項1乃至7のいずれか1項に記載の情報処理装置。 - 前記部分領域は、シミュレーションの対象とする全領域をそれぞれの局所領域に分割して、さらに格子分割した際の、格子点ごと、または、少なくとも2点以上の前記格子点の集合であるブロックごと、もしくは対象の前記局所領域ごととする、
請求項8に記載の情報処理装置。 - 少なくとも、シミュレーションが対象とする数理的モデルと、更新された第1被推定値と、更新された第2被推定値と、確定データと、シミュレーション結果の尤度と、を対応付けて蓄積する履歴データベースを、さらに備え、
前記大域処理手段は、前記履歴データベースを参照して、少なくとも、シミュレーションを実行する数理的モデルと、前記第1被推定値の初期値と、前記第2被推定値の初期値と、確定データと、を設定する、
請求項1乃至9のいずれか1項に記載の情報処理装置。 - 前記数理的モデルは作物生育モデルであって、
前記被推定値は営農環境パラメータであり、
前記第1被推定値の初期値は品種パラメータであり、
前記第2被推定値の初期値は土壌パラメータであり、
前記確定データは地形、気象および営農データであり、
前記観測データは衛星画像または土壌センサに基づくデータであり、
営農の予測値をシミュレーションする、
請求項2または請求項3に記載の情報処理装置。 - 前記数理的モデルは洪水予測モデルであって、
前記被推定値は洪水環境パラメータであり、
前記第1被推定値の初期値は地形パラメータであり、
前記第2被推定値の初期値は河川または土質パラメータであり、
前記確定データは気象およびレーダデータであり、
前記観測データは水位を測定したデータであり、
洪水の予測値をシミュレーションする、
請求項2または請求項3に記載の情報処理装置。 - 前記数理的モデルは循環器系モデルであって、
前記被推定値は生体パラメータであり、
前記第1被推定値の初期値はマクロ生体パラメータであり、
前記第2被推定値の初期値はミクロ生体パラメータであり、
前記確定データは標準生体データであり、
前記観測データはバイタルを測定したデータであり、
バイタルの予測値をシミュレーションする、
請求項2または請求項3に記載の情報処理装置。 - 数理的モデルと観測データとを用いてシミュレーションを行うシミュレーション方法であって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算手段を有し、前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返し、
前記第1被推定値の更新を繰り返しながら、前記前記予測値と前記第2被推定値との更新処理を繰り返すよう制御する、
シミュレーション方法。 - 数理的モデルと観測データとを用いてシミュレーションを行うシミュレーションプログラムであって、
前記シミュレーションにおいて計算領域を格子状に分割した際の各格子点で同じであると仮定される第1被推定値と、前記各格子点で同じでないと仮定される第2被推定値と、既知の確定データとに基づいて、前記数理的モデルの不確定性を考慮した予測値を計算する数理的モデル計算機能を有し、
前記予測値と、不確定性を考慮した観測データとの当てはまり度が向上するように、前記予測値と前記第2被推定値との更新を繰り返す局所処理機能と、
前記第1被推定値の更新を繰り返しながら、前記局所処理機能による処理を繰り返すよう制御する大域処理機能と
をコンピュータに実行させるシミュレーションプログラムが記録された記録媒体。 - 観測データを取得する取得手段と、
前記観測データを用いて、数理的モデルによるシミュレーションを実施する請求項1乃至13のいずれか1項に記載の情報処理装置と、
前記情報処理装置に対して前記数理的モデルによるシミュレーションの実施を要請して、シミュレーション結果の予測値を提供する提供手段と、
を備える情報処理システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016071460 | 2016-03-31 | ||
JP2016071460 | 2016-03-31 | ||
PCT/JP2017/011604 WO2017170086A1 (ja) | 2016-03-31 | 2017-03-23 | 情報処理システム、情報処理装置、シミュレーション方法およびシミュレーションプログラムが記録された記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017170086A1 true JPWO2017170086A1 (ja) | 2019-02-14 |
JP6885394B2 JP6885394B2 (ja) | 2021-06-16 |
Family
ID=59964404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018509153A Active JP6885394B2 (ja) | 2016-03-31 | 2017-03-23 | 情報処理システム、情報処理装置、シミュレーション方法およびシミュレーションプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190095556A1 (ja) |
JP (1) | JP6885394B2 (ja) |
WO (1) | WO2017170086A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704973A (zh) * | 2017-10-31 | 2018-02-16 | 武汉理工大学 | 基于神经网络与局部卡尔曼滤波混合模型的水位预测方法 |
WO2019121097A1 (en) * | 2017-12-21 | 2019-06-27 | Basf Se | Apparatus for determining agricultural relevant information |
JP7059789B2 (ja) * | 2018-05-14 | 2022-04-26 | 富士通株式会社 | 逐次制御プログラム、逐次制御方法および逐次制御装置 |
US20200233993A1 (en) * | 2019-01-18 | 2020-07-23 | Baker Hughes Oilfield Operations Llc | Graphical user interface for uncertainty analysis using mini-language syntax |
CN112507419B (zh) * | 2020-11-19 | 2022-06-28 | 长江勘测规划设计研究有限责任公司 | 无资料、多碍洪构筑物的山区性河流洪水过程模拟方法 |
WO2022259295A1 (ja) * | 2021-06-07 | 2022-12-15 | 日本電信電話株式会社 | 処理装置、処理方法およびプログラム |
CN114128608B (zh) * | 2021-10-25 | 2023-07-28 | 塔里木大学 | 一种果园灌溉管理方法及系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2370283C (en) * | 1999-04-16 | 2012-07-17 | Entelos, Inc. | Method and apparatus for conducting linked simulation operations utilizing a computer-based system model |
US7839292B2 (en) * | 2007-04-11 | 2010-11-23 | Nec Laboratories America, Inc. | Real-time driving danger level prediction |
CN103003818B (zh) * | 2010-05-28 | 2016-12-21 | 吉奥斯特拉股份有限公司 | 用于广阔地域上的多样化资源基础的测绘建模的系统和方法 |
US8818922B2 (en) * | 2010-06-29 | 2014-08-26 | Nec Laboratories America, Inc. | Method and apparatus for predicting application performance across machines with different hardware configurations |
US9058633B2 (en) * | 2010-10-25 | 2015-06-16 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
US20140275886A1 (en) * | 2013-03-14 | 2014-09-18 | Streamline Automation, Llc | Sensor fusion and probabilistic parameter estimation method and apparatus |
JP5946436B2 (ja) * | 2013-10-21 | 2016-07-06 | カルソニックカンセイ株式会社 | バッテリのパラメータ推定装置及びパラメータ推定方法 |
US9558452B2 (en) * | 2013-11-08 | 2017-01-31 | Microsoft Technology Licensing, Llc | Hierarchical statistical model for behavior prediction and classification |
US9378256B2 (en) * | 2013-11-15 | 2016-06-28 | Ut-Battelle, Llc | Industrial geospatial analysis tool for energy evaluation |
EP3123267B1 (en) * | 2014-03-28 | 2019-10-16 | Northeastern University | System for multivariate climate change forecasting with uncertainty quantification |
US10474770B2 (en) * | 2014-08-27 | 2019-11-12 | Nec Corporation | Simulation device, simulation method, and memory medium |
US10564316B2 (en) * | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
US10990714B2 (en) * | 2015-12-22 | 2021-04-27 | Bwxt Mpower, Inc. | Apparatus and method for safety analysis evaluation with data-driven workflow |
-
2017
- 2017-03-23 WO PCT/JP2017/011604 patent/WO2017170086A1/ja active Application Filing
- 2017-03-23 US US16/086,673 patent/US20190095556A1/en not_active Abandoned
- 2017-03-23 JP JP2018509153A patent/JP6885394B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US20190095556A1 (en) | 2019-03-28 |
JP6885394B2 (ja) | 2021-06-16 |
WO2017170086A1 (ja) | 2017-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6885394B2 (ja) | 情報処理システム、情報処理装置、シミュレーション方法およびシミュレーションプログラム | |
US10255391B2 (en) | Modeling of time-variant threshability due to interactions between a crop in a field and atmospheric and soil conditions for prediction of daily opportunity windows for harvest operations using field-level diagnosis and prediction of weather conditions and observations and recent input of harvest condition states | |
Singh et al. | Evaluation of CERES-Wheat and CropSyst models for water–nitrogen interactions in wheat crop | |
Li et al. | Estimating crop yield from multi-temporal satellite data using multivariate regression and neural network techniques | |
Archontoulis et al. | A methodology and an optimization tool to calibrate phenology of short-day species included in the APSIM PLANT model: application to soybean | |
Hoogenboom | Contribution of agrometeorology to the simulation of crop production and its applications | |
Stöckle et al. | CropSyst, a cropping systems simulation model | |
US9037521B1 (en) | Modeling of time-variant threshability due to interactions between a crop in a field and atmospheric and soil conditions for prediction of daily opportunity windows for harvest operations using field-level diagnosis and prediction of weather conditions and observations and user input of harvest condition states | |
Sexton et al. | A theoretical and real world evaluation of two Bayesian techniques for the calibration of variety parameters in a sugarcane crop model | |
JP6798487B2 (ja) | シミュレーション装置、シミュレーション方法及びプログラムを記憶する記録媒体 | |
Srivastava et al. | Effect of sowing date distributions on simulation of maize yields at regional scale–A case study in Central Ghana, West Africa | |
Robert et al. | Adaptive and dynamic decision-making processes: A conceptual model of production systems on Indian farms | |
Sreelash et al. | Estimation of available water capacity components of two-layered soils using crop model inversion: Effect of crop type and water regime | |
Sinclair et al. | Geospatial assessment for crop physiological and management improvements with examples using the simple simulation model | |
Magarey et al. | A troubleshooting guide for mechanistic plant pest forecast models | |
WO2016118684A1 (en) | Harvest advisory modeling using field-level analysis of weather conditions and observations and user input of harvest condition states and tool for supporting management of farm operations in precision agriculture | |
Mishra et al. | A remote-sensing driven tool for estimating crop stress and yields | |
Lopez-Jimenez et al. | Dynamic modeling of crop–soil systems to design monitoring and automatic irrigation processes: A review with worked examples | |
Wimalasiri et al. | Crop model ideotyping for agricultural diversification | |
Tewes et al. | Assimilation of sentinel-2 estimated LAI into a crop model: Influence of timing and frequency of acquisitions on simulation of water stress and biomass production of winter wheat | |
Abayechaw | Review on decision support system for agrotechnology transfer (DSSAT) model | |
Ghamghami et al. | Comparison of data mining and GDD-based models in discrimination of maize phenology | |
Yang et al. | A flexible and efficient knowledge-guided machine learning data assimilation (KGML-DA) framework for agroecosystem prediction in the US Midwest | |
Motha | Use of crop models for drought analysis | |
EP3474167A1 (en) | System and method for predicting genotype performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180912 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200217 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210413 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210426 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6885394 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |