برای درک موارد استفاده مختلف جاسازیهای Population Dynamics، دفترچههای آزمایشی ما را بررسی کنید.
| دفترچه یادداشت | توضیحات |
|---|---|
| تجمیع مرزهای سفارشی Colab | نحوه تجمیع تعبیههای سلولی S2 در مرزهای چندضلعی سفارشی با استفاده از دادههای جمعیتی Earth Engine برای ایجاد ویژگیهای یادگیری ماشین وزندهیشده با جمعیت را نشان میدهد. |
| پیشبینی اقتصادی کولاب | نحوه ادغام تعبیههای سلولی S2 با دادههای اقتصادی Data Commons را برای آموزش مدلهای یادگیری ماشین برای پیشبینی سریهای زمانی در سطح شهرستان نشان میدهد. |
| همکاری در زمینه پخش زنده * | از دادههای گذشته و بخشی از دادههای حال حاضر برای یک متغیر هدف در سطح شهرستان استفاده میکند تا نتایج را برای شهرستانهای باقیمانده پیشبینی کند. |
| ابرتفکیکپذیری و جانهی Colab * | به آموزش یک مدل در سطح شهرستان بر اساس یک متغیر هدف برای پیشبینی در سطح کد پستی کمک میکند. همچنین جانهی (آموزش روی 20٪ از کدهای پستی و پیشبینی برای 80٪ باقیمانده) را نشان میدهد. |
| پیشبینی نورهای شبانه با Earth Engine Colab * | نشان میدهد که چگونه میتوان دادههای موتور زمین، مانند نورهای شبانه، را نیز از طریق جاسازیها پیشبینی کرد و درک مکانی را برای پیشبینیهای زیستمحیطی و اجتماعی-اقتصادی افزایش داد. |
| پیشبینی با استفاده از جاسازیهای سراسری * | با ایجاد یک مدل چند کشوری برای پیشبینی یک کشور جدید، استفاده از جاسازیهای جهانی را نشان میدهد. |
* این دفترچه یادداشت از جاسازی کد پستی استفاده میکند و باید به سلولهای S2 بهروزرسانی شود.
منابع مرتبط
برای بررسی تحقیقات داوریشده توسط همتایان و اعتبارسنجیهای دنیای واقعی از بینشهای پویاییشناسی جمعیت، به تحقیقات دانشگاهی مراجعه کنید.