Статья: Прогнозирование урожайности сельскохозяйственных культур: структура данных и методы искусственного интеллекта (2025)

Читать онлайн

Интеллектуальное (умное) земледелие является современным этапом развития сельскохозяйственной науки и практики. Его характерная особенность заключается в активном применении методов искусственного интеллекта, в частности, машинного и глубокого обучения, при решении частных задач, направленных на устойчивое производство в растениеводстве. (Цель исследования) Целью данного исследования стал анализ структуры данных и сравнение алгоритмов машинного и глубокого обучения, используемых в прогнозировании урожайности сельскохозяйственных культур. (Материалы и методы) На основе конвергентного подхода с использованием методов когнитивного и семантического анализа авторами рассмотрена предметная область «Применение методов искусственного интеллекта при прогнозировании урожайности сельскохозяйственных культур», а также базовые аспекты, связанные со структурой исходных данных, основные этапы реализации предиктивных моделей и наиболее используемые методы машинного и глубокого обучения. (Результаты и обсуждение) По результатам работы представлены основная структура и способы получения данных, а также типовая схема реализации моделей в предиктивной аналитике урожайности сельскохозяйственных культур. Выделены наиболее распространенные методы машинного и глубокого обучения, подробно рассмотрены их функциональные особенности. На основе сравнительного анализа показано, что глубокое обучения и гибридные подходы превосходят традиционные методы машинного обучения по метрикам ошибок (точности прогнозирования). (Выводы) По результатам исследований установлено пре­имущество методов глубокого обучения (Rср2 = 0,85) и гибридного подхода (Rср2 = 0,87) в прогнозировании урожайности сельскохозяйственных культур в зависимости от складывающихся условий и управляющего воздействия. Развитием дальнейшей исследовательской работы может быть адаптация современных подходов искусственного интеллекта к пространственным объектам землепользования и культурам с преимущественным использованием данных дистанционного зондирования.

Ключевые фразы: прогнозирование урожайности, интеллектуальное земледелие, искусственный интеллект, СТРУКТУРА ДАННЫХ, машинное обучение, глубокое обучение
Автор (ы): Каличкин Владимир Климентьевич (Kalichkin V. K.), Максимович Кирилл Юрьевич (Maksimovich K. Y.), Алещенко Ольга Александровна (Aleschenko O. A.), Алещенко Виталий Викторович (Aleschenko V. V.)
Журнал: СЕЛЬСКОХОЗЯЙСТВЕННЫЕ МАШИНЫ И ТЕХНОЛОГИИ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Растениеводство
УДК
631.17. Сельскохозяйственная технология
Для цитирования:
КАЛИЧКИН В. К., МАКСИМОВИЧ К. Ю., АЛЕЩЕНКО О. А., АЛЕЩЕНКО В. В. ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР: СТРУКТУРА ДАННЫХ И МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА // СЕЛЬСКОХОЗЯЙСТВЕННЫЕ МАШИНЫ И ТЕХНОЛОГИИ. 2025. ТОМ 19, №2
Текстовый фрагмент статьи
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.