Zinātniskās darbības atbalsta sistēma
Latviešu English

Publikācija: NDVI Short-Term Forecasting Using Recurrent Neural Networks

Publikācijas veids Publikācijas konferenču materiālos, kas ir indeksēti Web of Science un/vai SCOPUS
Pamatdarbībai piesaistītais finansējums Nav zināms
Aizstāvēšana: ,
Publikācijas valoda English (en)
Nosaukums oriģinālvalodā NDVI Short-Term Forecasting Using Recurrent Neural Networks
Pētniecības nozare 2. Inženierzinātnes un tehnoloģijas
Pētniecības apakšnozare 2.2. Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
Autori Artūrs Stepčenko
Jurijs Čižovs
Atslēgas vārdi Artificial Neural Networks, Elman Recurrent Neural Networks, Normalized Difference Vegetation Index
Anotācija In this paper predictions of the Normalized Difference Vegetation Index (NDVI) data recorded by satellites over Ventspils Municipality in Courland, Latvia are discussed. NDVI is an important variable for vegetation forecasting and management of various problems, such as climate change monitoring, energy usage monitoring, managing the consumption of natural resources, agricultural productivity monitoring, drought monitoring and forest fire detection. Artificial Neural Networks (ANN) are computational models and universal approximators, which are widely used for nonlinear, non-stationary and dynamical process modeling and forecasting. In this paper Elman Recurrent Neural Networks (ERNN) are used to make one-step-ahead prediction of univariate NDVI time series.
DOI: 10.17770/etr2015vol3.167
Hipersaite: http://journals.ru.lv/index.php/ETR/article/view/167 
Atsauce Stepčenko, A., Čižovs, J. NDVI Short-Term Forecasting Using Recurrent Neural Networks. No: Proceedings of the 10th International Scientific and Practical Conference "Environment. Technology. Resources", Latvija, Rēzekne, 18.-20. jūnijs, 2015. Rēzekne: Rezekne High School, 2015, 180.-185.lpp. ISBN 978-9984-44-173-3. ISSN 1691-5402. e-ISSN 2256-070X. Pieejams: doi:10.17770/etr2015vol3.167
Pilnais teksts Pilnais teksts
Publikācijas versija
Licence
Papildinformācija Citējamību skaits:
ID 21068