Projekti / Programi
Napovedovanje strukturiranih vrednosti z uporabo v trajnostni kmetijski proizvodnji
| Koda |
Veda |
Področje |
Podpodročje |
| 2.07.07 |
Tehnika |
Računalništvo in informatika |
Inteligentni sistemi - programska oprema |
| Koda |
Veda |
Področje |
| T000 |
Tehnološke vede |
|
| Koda |
Veda |
Področje |
| 1.02 |
Naravoslovne vede |
Računalništvo in informatika |
strojno učenje, rudarjenje podatkov, napovedovanje strukturiranih vrednosti, več-označna klasifikacija, več-ciljna regresija, trajnostno kmetijstvo
Raziskovalci (7)
| št. |
Evidenčna št. |
Ime in priimek |
Razisk. področje |
Vloga |
Obdobje |
Štev. publikacijŠtev. publikacij |
| 1. |
15660 |
dr. Marko Debeljak |
Biologija |
Raziskovalec |
2016 - 2018 |
313 |
| 2. |
11130 |
dr. Sašo Džeroski |
Računalništvo in informatika |
Vodja |
2016 - 2018 |
1.204 |
| 3. |
32282 |
dr. Aneta Ivanovska |
Računalništvo in informatika |
Raziskovalec |
2016 - 2018 |
125 |
| 4. |
31050 |
dr. Dragi Kocev |
Računalništvo in informatika |
Raziskovalec |
2016 - 2018 |
204 |
| 5. |
36356 |
dr. Aljaž Osojnik |
Računalništvo in informatika |
Raziskovalec |
2018 |
47 |
| 6. |
27759 |
dr. Panče Panov |
Računalništvo in informatika |
Raziskovalec |
2016 - 2018 |
155 |
| 7. |
22279 |
dr. Bernard Ženko |
Računalništvo in informatika |
Raziskovalec |
2016 - 2018 |
172 |
Organizacije (2)
Povzetek
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 okolijski pritiski na Zemljine ekosisteme trajnostno kmetijsko proizvodnjo, ki čim manj obremenjuje okolje.
Pristope NSV v grobem razdelimo na lokalne in globalne. Prvi razgradijo strukturiran izhod na skalarne komponente ter uporabijo standardne pristope h klasifikaciji in regresiji za učenje množice modelov od katerih vsak napoveduje eno komponento. Slednji prilagodijo standardne algoritme za neposredno obravnavo strukturiranih izhodov ter se učijo enega samega modela, ki napoveduje celotno strukturirano vrednost.
Kljub njihovemu hitremu razvoju imajo metode NSV še veliko pomanjkljivosti. Med najbolj uspešne pristope k NSV sodijo ansambli dreves za NSV, ki so tako učinkovite kot hitre: Žal so naučeni ansambli dreves kompleksni modeli, ki jih domenski eksperti težko pregledujejo in razumejo. Močno je čutiti tudi pomanjkanje jasnega razumevanja o tem če, kdaj in zakaj globalne metode NSV dajejo boljše rezultate kot lokalne metode: Še vedno smo daleč od dokončnega odgovora na to vprašanje, kljub nekaterim raziskavam o odvisnostih med ciljnimi spremenljivkami in vpliva teh odvisnosti na razmerje performans teh dveh pristopov.
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 prostra 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 se bomo modelov 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 sofinacer projekta jim bo v okviru svetovalnih storitev ponudil tudi rezultate predlaganega projekta.
Pomen za razvoj znanosti
Predlagane raziskave bodo prinesle pomemben napredek na splošnem področju računalništva in informatike, specifičnem področju strojnega učenja in rudarjenja podatkov, ter še posebej na področju napovedovanja strukturiranih vrednosti. Razvile bodo nove metode za ocenjevanje pomembnosti značilk, razdelitev prostora izhodnih oz. ciljnih spremenljivk, ter za učenje ansambelskih modelov, vse v kontekstu NSV. Izboljšale bodo razumevanje relativnih performans globalnih in lokalnih metod za NSV ter predlagale nove metode ki bodo izboljšano razumevanje izkoristile za doseganje boljših rezultatov.
Prispevale bodo tudi k znanstvenim področjem kmetijske ekologije ter okoljevarstva. Modeli naučeni iz podatkov bodo zajemali novo znanje o procesih transferja onesnažil v vodne odtoke iz njiv. Modeli naučeni iz podatkov bodo prispevali tudi novo znanje o učinkih kmetijskih praks na različne funkcije ekosistemov v kmetijskih tleh.
Projekt bo prispeval tudi k razvoju drugih znanstvenih disciplin, kjer lahko uporabimo razvite metode za NSV. Prispeval bo lahko npr. k znanosti gozdne ekologije z gradnjo modelov, ki povezujejo okoljske dejavnike in strukturo gozdne združbe v kontekstu presoje in napovedovanja vpliva klimatskih sprememb na gozdne ekosisteme. Prispeval bo lahko tudi k znanostim o življenju: Ansambli dreves za NSV (še posebej za HVOK) so že v samem vrhu metod za natančno napovedovanje neznanih funkcij genov, dodatne izboljšave pa utegnejo njihovo natančnost (in tekmovalno prednost) še izboljšati. Napovedane funkcije genov pa lahko uporabimo v različne namene: Napovedane funkcije bakterijskih genov npr. lahko uporabimo pri razvoju novih zdravil ali pa za analizo metagenomov v personalizirani medicini.
Pomen za razvoj Slovenije
Rezultati projekta bodo neposredno relevantni in uporabni za končnega uporabnika oz. sofinancerja ARVALIS. Nekateri rezultati uporabe metod za NSV na podatkih iz kmetijskih ekosistemov bodo uporabni in uporabljeni takoj ter bodo dani v vsakdanjo rabo širokemu krogu svetovalcev družbe ARAVALIS. Drugi rezultati bodo izkoriščeni v srednjeročnem oz. dolgoročnem obdobju.
Modeli za napovedovanje vodnih odtokov ter rizika onesnaženja le-teh s pesticidi oz. aktivnimi substancami bodo dani v uporabo celotnemu konzorciju svetovalcev družbe ARAVALIS. Postali bodo deli sistema za podporo odločanju (SPO) pri izbiri ustreznih ukrepov zaščite rastlin, ki bodo tako učinkoviti pri zaščiti rastlin kot okolju prijazni (pri čemer bodo maksimalno zmanjšali vpliv na onesnaževanje voda). SPO bodo uporabljali ARVALIS-ovi svetovalci na namiznih ali ročnih napravah in sicer z namenom svetovanja kmetom v zvezi z ukrepi za zaščito rastlin. Pri tem bodo upoštevali lastnosti posamezne kmetije ter njenega sistema poljščin kot tudi neposrednega konteksta le-teh.
V širšem družbenem kontekstu bodo rezultati projekta olajšali kmetijstvu zadovoljevanje večjega števila nasprotujočih zahtev s katerimi je soočeno. Po eni strani bodo rezultati pomagali nahraniti naraščajoče prebivalstvo našega planeta. Po drugi strani pa bodo prispevali k racionalnejši uporabi naravnih virov in ohranitvi čistega okolja.
Najpomembnejši znanstveni rezultati
Vmesno poročilo,
zaključno poročilo
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati
Vmesno poročilo,
zaključno poročilo
