Анализ, моделирование и прогноз урожайности сельскохозяйственных культур средствами искусственных нейронных сетей

Обложка

Цитировать

Полный текст

Аннотация

Сделана попытка выбора конфигураций, обучения и тестирования искусственных нейронных сетей (ИНС) для прогнозирования урожайности зерновых культур с учетом динамики изменения климатических характеристик. Особенности аграрного производства требуют постоянного совершенствования методов анализа урожайности сельскохозяйственных культур и временных рядов, многолетних природно-климатических характеристик. Предварительное статистическое оценивание рассмотренных временных рядов позволило выявить определенные закономерности. Временные ряды разбиваются на четыре интервала: для построения сети, ее обучения, тестировании и контроля. В ходе построения ИНС воспользовались тремя моделями: MLP - м ногослойный персептрон, RBF - р адиальные базисные функции и GRNN - обобщенно-регрессионная нейронная сеть. По результатам построения выбрана наилучшая модель. На входе ИНС использовалась сумма активных температур воздуха и сумма осадков за период вегетации, а на выходе - урожайность сельскохозяйственной культуры. Применение совокупностей нейронных систем, автоматизировано генерируемых, способствовало эффективному прогнозированию урожайности зерновых культур на основе анализа климатических данных. В итоге по отобранной модели ИНС проводился прогноз урожайности на предстоящие годы с учетом природно-климатических характеристик.

Об авторах

Руслан Мусарбиевич Бисчоков

Кабардино-Балкарский государственный аграрный университет им. В.М. Кокова

Автор, ответственный за переписку.
Email: rusbis@mail.ru
ORCID iD: 0000-0001-6694-319X

кандидат физико-математических наук, доцент кафедры высшей математики и информатики

Российская Федерация, 360012, Кабардино-Балкарская Республика, г. Нальчик, пр-кт Ленина, д. 2 в

Список литературы

  1. Rogachev AF, Shubkov MG. Assessment of the predicted level of crop yield based on neural network models of dynamics. Proceedings of Lower Volga agro-university complex: science and higher education. 2012; (4):226—231. (In Russ.)
  2. Haykin S. Neural networks. A Comprehensive Foundation. 2nd ed. Moscow: Williams publ.; 2006.
  3. Borisenkov EP. Connection of temperature and precipitation with yield. Proceedings of Voeikov Main Geophysical Observatory. 1984;471:46—50. (In Russ.)
  4. Fukui H. Climatic variability and agriculture in tropical moist regions. Proceedings of the world climate Conference. 1979;537:426—476.
  5. Mirmovich EG, Zharenov AB. Analyses of the decision making support problem on actions in crisis situations in conditions of uncertainty. Civil security technology. 2007;(3):88—95. (In Russ.)
  6. Wongo M, Link P, Troore SB, Sanon M, Kunstmann H. A crop model and fuzzy rule based approach for optimizing maize planting dates in Burkina Faso, West Africa. Journal of Applied Meteorology and Climatology. 2014;53(3):598—613. doi: 10.1175/JAMC-D-13 0116.1
  7. Stovba SD. Vvedenie v teoriyu nechetkikh mnozhestv i nechetkuyu logiku [Introduction to fuzzy set theory and fuzzy logic]. Available from: http://www.matlab.exponenta.ru [Accessed 5th August 2020]. (In Russ.)
  8. Mirmovich EG. Forecasting of emergencies and risks as a scientific and practical task. Safety and emergencies problems. 2003;(1):142—146. (In Russ.)
  9. Zade LA. Fundamentals of a complete approach to the analysis of complex systems and decision– making processes. In: Matematika segodnya. Moscow: Znanie publ.; 1974. p.5—19. (In Russ.)
  10. Borovikov VP. (ed.) Neironnye seti. STATISTICA Neural Networks: Metodologiya i tekhnologii sovremennogo analiza dannykh [Neural networks. STATISTICA Neural Networks: Methodology and Technologies of Modern Data Analysis]. 2nd ed. Moscow: Goryachaya liniya – Telekom publ.; 2008. (In Russ.)
  11. Lozovoy YS, Sekirin AI. Solving the problem of prediction using neural networks. Available from: http://www.rusnauka.com/1_NIO_2011/Informatica/78176.doc.htm [Accessed 16th August 2020]. (In Russ.)
  12. Savin IY, Statakis D, Nagr T, Isaev VA. Forecasting farm crop yields by the use of neural networks. Doklady Rossiiskoi akademii sel’skokhozyaistvennykh nauk. 2007;(6):11—14. (In Russ.)
  13. Bischokov RM. Analysis, modeling and forecast of crop yields for the Kabardino-Balkarian Republic using fuzzy logic apparatus. RUDN journal of agronomy and animal industries. 2020;15(2):123—133. (In Russ.) doi: 10.22363/2312–797X-2020-15-2-123-133
  14. Bischokov R, Didanova E. Trukhachev V, Marzhokhova M. Method of minimizing the risk of reducing the production of agricultural products by means of fuzzy logic. Antlantis Press. Advances in Intelligent Systems Research. 2019;167:401—404. doi: 10.2991/ispc-19.2019.89
  15. Bischokov RM, Adzhiyeva AA, Thaytsukhova SR. Application of fuzzy logic for risk analysis in agrarian sector. Vestnik Kurganskoy GSKhA. 2014;(4):57— 60. (In Russ.)

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».