Initiative #59
← Registre des initiatives en IA
Clustering to characterize extreme marine conditions for the benthic region of the Northeastern Pacific continental margin Non traduit · origine : anglais
Inscrite au registre Pilote Langue d'origine : anglais
Présentation de l'initiative
Description de l'initiative Non traduit · origine : anglais
We introduce a method for characterizing extremes that uses machine learning to divide the data into regions with relatively consistent environmental conditions (temperature, oxygen, acidity), and define the extremes based on the historical statistics of variability of each of these fields. unsupervised clustering with k-means
Famille d'IA
Automatisation et aide à la décision
- Capacité d'IA
- Outils analytiques transversaux
Justification de la catégorie Non traduit · origine : anglais
Analyzes structured environmental data to identify clusters/exceptions—decision support pattern recognition.
Cycle de vie
-
Idéation
État de l'étape : Terminée
29 mai 2025
-
Évaluation
État de l'étape : Terminée
-
Approuvée
État de l'étape : Terminée
-
Développement
État de l'étape : Terminée
-
Pilote
État de l'étape : En cours
-
Production
État de l'étape : À venir
-
Archivée
État de l'étape : À venir
Calendrier de cette initiative
- Réalisé
- En cours
- Prévu
- Non applicable
- Aujourd'hui
- Idéation
Un besoin semblable ?
Personne ne s'est encore manifesté. Si votre équipe vit le même problème, dites-le : cela aide à rapprocher les initiatives et à partager une solution.
Contacts
- Demandeur
- Quan, Eric
- Contact du secteur
- Holdsworth, Amber
- Expert en la matière
- Holdsworth, Amber
Données et outils
- Secteur
- Sciences des écosystèmes et des océans
- Région
- Pacifique
- Cette initiative pourrait-elle être partagée avec le Secrétariat du Conseil du Trésor ?
- Oui
- Soumise le
- 29 mai 2025
Utilisateurs principaux
- Employés du ministère
Priorités gouvernementales et déclaration
Déclarée au SCT Consignée telle que transmise au SCT ; non modifiable ici.
- Nom du système déclaré
- Characterizing Environmental Extremes Using Machine Learning
- Identifiant au registre du SCT
- 2526-DFO-MPO-015
- Statut déclaré au SCT
- Pilote
- Transmis au SCT le
- 10 octobre 2025
- Objet du système, tel que déclaré
- This project developed a machine learning-based method to identify environmental extremes by segmenting data into regions with consistent conditions (e.g., temperature, oxygen, acidity). Extremes were defined based on historical variability within each region, enabling more targeted and context-aware analysis of environmental changes.