ПРОГНОЗИРОВАНИЕ ЗАДАЧ СЕЛЬСКОГО ХОЗЯЙСТВА С ПРИМЕНЕ-НИЕМ МАШИННОГО ОБУЧЕНИЯ
Ключевые слова:
методы машинного обучения, моделирование урожайности, база данных, случайный лес, оценка точности модели.Аннотация
В данной статье визуализируются результаты прогнозирования с применением продвинутых алгоритмов машинного обучения. Получены оценки точности моделей с помощью методов машинного обучения. Мы изучили процесс прогнозирования для расширения возможностей метода RF для прогнозирования урожайности кукурузы с помощью других наиболее продвинутых алгоритмов машинного обучения.
Библиографические ссылки
1. Ali, A. M., Abouelghar, M. A., Belal, A.-A., Saleh, N., Younes, M., Selim, A., et al. (2022). Crop yield prediction using multi sensors remote sensing (re-view article). Egypt. J. Remote Sens. Space Sci. 25, 711–716. doi:10.1016/j.ejrs.2022.04.006
2. Archontoulis, S. V., Castellano, M. J., Licht, M. A., Nichols, V., Baum, M., Huber, I., et al. (2020). Predicting crop yields and soil-plant nitrogen dy-namics in the US Corn Belt. Crop Sci. 60 (2), 721–738. doi:10.1002/csc2.20039
3. Arnault, J., Rummler, T., Baur, F., Lerch, S., Wagner, S., Fersch, B., et al. (2018). Precipitation sensitivity to the uncertainty of terrestrial water flow in WRF-Hydro: An ensemble analysis for central Europe. J. Hydrometeorol. 19 (6), 1007–1025. doi:10.1175/jhm-d-17-0042.1
