КОНЦЕПТУАЛЬНІ ЕЛЕМЕНТИ ТЕХНОЛОГІЇ РОЗПОДІЛЕНОГО ПРОГНОЗУВАННЯ ВРОЖАЙНОСТІ СІЛЬСЬКОГОСПОДАРСЬКИХ КУЛЬТУР

Владислав ГНАТІЄНКО; Віталій СНИТЮК

doi:10.17721/3041-2323.2024.82-88

Автор(и)

Владислав ГНАТІЄНКО Київський національний університет імені Тараса Шевченка Автор
Віталій СНИТЮК Київський національний університет імені Тараса Шевченка Автор

DOI:

https://doi.org/10.17721/3041-2323.2024.82-88

Ключові слова:

сільськогосподарська продукція, розподілене прогнозування, точність прогнозування

Анотація

Основна мета дослідження – підвищити точність прогнозування врожайності за допомогою розроблення методів оброблення даних і нейромережевих технологій. Розроблено технологію прогнозування врожайності, що охоплює моделі розпізнавання образів для аналізу супутникових знімків і підвищення якості даних у навчальних наборах, методи оброблення даних і глибокі нейронні мережі у поєднанні з іншими моделями штучного інтелекту. На основі цієї технології проаналізовано ефективність і доцільність застосування деяких агротехнічних заходів, що забезпечить підтримку прийняття рішень у виробництві сільськогосподарської продукції.

Посилання

Al-Gaadi, K. A., Hassaballa, A. A., Tola, E., Kayad, A.G., Madugundu, R., Alblewi, B., Assiri, F. (2016). Prediction of Potato Crop Yield Using Precision

Agriculture Techniques. PLoS One.

Amankulova, K., Farmonov, N., Mukhtorov, U. & Mucsi, L. (n. d.) Sunflower crop yield prediction by advanced statistical modeling using satellite-derived vegetation indices and crop phenology. Geocarto Int., 38, 1.

Jeong, J. H., Resop, J. P., Mueller, N. D., Fleisher, D. H., Yun, K., Butler, E. E., Timlin, D. J., Shim, K. M., Gerber, J. S., Reddy, V. R., Kim, S. H. (2016). Random Forests for Global and Regional Crop Yield Predictions. PLoS One, 11(6).

Khaki, S. & Wang, L. (2019). Crop yield prediction using deep neural networks. Front. Plant Sci., 10, 621.