लेख

UN अजेंडा 2030: अन्न संकटांचा अंदाज कसा लावायचा याचा ग्राउंडब्रेकिंग अभ्यास

न्यू यॉर्क युनिव्हर्सिटीच्या अभ्यासातून असे दिसून आले आहे की आपत्कालीन मदत कार्यक्षमतेने वाटप करण्यासाठी आणि मानवी दुःख कमी करण्यासाठी अन्न संकट महामारीचा अंदाज लावणे शक्य आणि मूलभूत आहे. (मिडजर्नीसह तयार केलेली प्रतिमा)

या संकटांचा अंदाज घेण्यासाठी, तुम्ही i वापरू शकता भविष्यसूचक मॉडेल परंतु ते जोखीम उपायांवर आधारित आहेत जे सहसा विलंबित, अप्रचलित किंवा अपूर्ण असतात. न्यू यॉर्क युनिव्हर्सिटीच्या अभ्यासाने इष्टतम मार्गाने भविष्यसूचक अल्गोरिदमचे शोषण कसे करावे हे समजून घेण्याचा प्रयत्न केला.

11,2 ते 1980 दरम्यान प्रकाशित अन्न असुरक्षित देशांवरील 2020 दशलक्ष लेखांचा मजकूर संकलित करून आणि अलीकडील प्रगतीचा लाभ घेऊन deep learning: दिलासादायक परिणाम मिळू शकतात. प्रक्रियेमुळे अन्न संकटांचे उच्च-वारंवारता पूर्ववर्ती काढता आले जे पारंपारिक जोखीम निर्देशकांद्वारे स्पष्टीकरण आणि प्रमाणित दोन्ही आहेत.

चे अल्गोरिदम deep learning ठळक केले की जुलै 2009 ते जुलै 2020 या कालावधीत, संकट निर्देशक 21 अन्न असुरक्षित देशांमध्ये, मजकूर माहिती समाविष्ट नसलेल्या बेसलाइन मॉडेलपेक्षा 12 महिन्यांपूर्वीच्या अंदाजात लक्षणीय सुधारणा करतात.

हा अभ्यास एकात्मिक फेज वर्गीकरण (IPC) द्वारे प्रकाशित अन्न असुरक्षिततेच्या अंदाजावर केंद्रित आहे. दुष्काळाची पूर्व चेतावणी प्रणाली नेटवर्क (FEWS NET). हे वर्गीकरण आफ्रिका, आशिया आणि लॅटिन अमेरिकेतील 37 अन्न असुरक्षित देशांमध्ये जिल्हा स्तरावर उपलब्ध आहे आणि 2009 ते 2015 दरम्यान वर्षातून चार वेळा आणि त्यानंतर वर्षातून तीन वेळा नोंदवले गेले.