Разработка нейросетевой модели на Python для прогнозирования урожайности картофеля в условиях ограниченного объема данных

<p>Научная работа посвящена разработке нейросетевой модели на языке программирования Python для решения технологической задачи прогнозирования урожайности картофеля в условиях ограниченного объема агроклиматических данных. Разработанная программа рассматривается как элемент цифровой трансформации технологических процессов в растениеводстве, ориентированный на оптимизацию использования сельскохозяйственной техники и материальных ресурсов в агропромышленном комплексе. В исследовании использованы данные за 2022–2024 гг. о климатических условиях, типах почв и фактической урожайности картофеля по агропредприятиям Ульяновской области. Для обеспечения качества исходной информации проведена комплексная предобработка данных, включающая устранение пропущенных значений, фильтрацию статистических выбросов и нормализацию числовых параметров. Создана модель нейронной сети с использованием библиотек TensorFlow и Keras с архитектурой, включающей входной слой, два скрытых слоя по 64 нейрона и выходной слой. Особенностью исследования является работа с ограниченным объемом данных (15 наблюдений за 3 года), в связи с чем для предотвращения переобучения были применены методы регуляризации (L2, Dropout) и аугментации данных. Архитектура оптимизирована методом подбора гиперпараметров, а для оценки надежности модели применено перекрестное проверочное разделение данных. Валидация модели на тестовой выборке показала, что разработанная нейронная сеть обеспечивает среднюю абсолютную ошибку (MAE) 0,32 т/га и коэффициент детерминации (R²) 0,87. Модель превзошла по качеству прогноза множественную линейную регрессию (MAE = 0,45 т/га, R² = 0,75) и случайный лес (MAE = 0,38 т/га, R² = 0,81). Полученные результаты демонстрируют потенциал разработанного программного обеспечения для повышения эффективности планирования агротехнологических операций. Рекомендуется внедрение модели в качестве программного модуля систем поддержки принятия решений при управлении технологическими процессами в картофелеводстве.</p>


Аграрная наука Евро-Северо-Востока

агропромышленный комплекс

цифровые технологии

программное обеспечение

нейронные сети

оптимизация ресурсов

картофелеводство

технологические процессы

Научная работа посвящена разработке нейросетевой модели на языке программирования Python для решения технологической задачи прогнозирования урожайности картофеля в условиях...

Разработка нейросетевой модели на Python для прогнозирования урожайности картофеля в условиях ограниченного объема данных

Авторы

Москвичев Д.А.

Рекомендуем изучить