预测形状/坐标的变化

数据挖掘 机器学习 预测建模 回归 统计数据 算法
2021-09-21 08:06:18

我试图找到一种方法来预测/计算形状(例如冰川的轮廓)在未来将如何变化——基于它的历史(以前的形状)和其他因素(例如温度)。

在我的例子中:我有冰川的形状/坐标和 1970 年、1985 年、2000 年、2015 年的平均温度。如何根据之前的形状和预测来估计 2030 年该形状的样子温度?

理想情况下,形状将采用类似于以下的格式:

[
  [
    [-113.74926783355818, 48.32440832757374],
    [-113.74926767330584, 48.32440813255405],
    [-113.74926748239692, 48.32440458296232],
    [-113.74926717549286, 48.32439887665663],
    [-113.74926686858888, 48.32439317035087],
    ...
  ],
  [
    [-113.75763099733634, 48.32877681033601],
    [-113.75763955455557, 48.32877660502744],
    [-113.75764546550784, 48.32878027200765],
    [-113.75765402272751, 48.32878006669797],
    [-113.75766003497893, 48.32878563609638],
    ...
  ]
]

但我想可能有必要将其转换为坐标偏移量(Δx, Δy),类似于sketch_rnn正在做的事情。

任何指针都会有所帮助。即便如此,这也太野心勃勃了。谢谢!


免责声明:我是这方面的初学者,希望这个问题不会太天真:)

1个回答

鉴于您只有四个数据点(即 970、1985、2000、2015),因此无法应用机器学习来做出准确的预测。

如果您获得更多数据点,则可以从表面积的符号预测开始。您可以预测形状的大小是增加还是减少。