Применение методов машинного обучения для прогнозирования в сельскохозяйственном секторе экономики
DOI:
https://doi.org/10.22213/2410-9304-2024-2-69-79Ключевые слова:
эффективность производства, управление производством, искусственный интеллект, статистический анализ, умное сельское хозяйство, машинное обучениеАннотация
В статье исследуются вопросы применения методов машинного обучения для создания моделей для использования их применительно к сельскому хозяйству. Изучение вопросов адаптации передовых математических методов для сельскохозяйственного сектора экономики позволяет строить действенные модели управления показателями и прогнозированием их дальнейшего развития. Основная цель данной статьи заключается в анализе применения современных математических методов (линейная регрессия, градиентный бустинг, случайный лес, нейронные сети (Deep Learning), метод опорных векторов (SVR), машины опорных отсеков (One-Class SVM), K-ближайших соседей (KNN), алгоритм кластеризации K-средних (K-Means), метод главных компонент (PCA)) в сельскохозяйственном секторе с целью оптимизации производства, повышения эффективности агробизнеса и прогнозирования параметров. На основе анализа ключевых методов машинного обучения были получены выводы касательно их применимости в сельском хозяйстве. Отдельный акцент в исследовании сделан на разработке и улучшении модели прогнозирования урожайности в сельском хозяйстве с использованием методов машинного обучения. Для практической апробации выбрана базовая модель, основанная на Random Forest Regressor, позволяющая предсказывать урожайность, учитывая различные факторы, такие как погодные условия, уровень удобрений, тип почвы и другие значимые аспекты. В рамках исследования представлен алгоритм для проведения расчетов с использованием Python, позволяющий проводить обучение модели, визуализацию влияния параметров и статистический анализ. В процессе апробации была проведена оптимизация модели с использованием GridSearchCV, направленная на подбор оптимальных гиперпараметров. В рамках анализа выявлено, что возможно улучшить модель, однако с низкой статистической значимостью. Полученные результаты исследования показывают, что имеется возможность эффективно применять машинное обучение для повышения производительности прогнозирования ключевых параметров в сельском хозяйстве.Библиографические ссылки
Zaman A., Maitra S. Crop modeling: a tool for agricultural research // MOJ Food Process Technol. 2018. № 6(4). pp. 350-353.
Mourtzinis S., Esker P.D., Specht J.E. Advancing agricultural research using machine learning algorithms // Scientific Reports. 2021. Vol. 11. P. 17879.
Ding Y., Wang L., Li Y., Li D. Model predictive control and its application in agriculture: A review // Computers and Electronics in Agriculture. 2018. Vol. 151. Pp. 104-117.
Kwaghtyo D. K., Eke C. I. Smart farming prediction models for precision agriculture: a comprehensive survey // Artificial Intelligence Review. 2023. Vol. 56. pp. 5729-5772.
Vavilova D. D. Development of an effective adaptive forecasting system based on the combination of neural network and genetic algorithm // Journal of Physics: Conference Series. II International Scientific Conference on Metrological Support of Innovative Technologies (ICMSIT II-2021). Krasnoyarsk, 2021. 32029. DOI: 10.1088/1742-6596/1889/3/032029.
Алферьев Д. А., Родионов Д. Г. Место современных информационных компьютерных технологий в управлении инновационной деятельностью промышленных предприятий // Вестник Алтайской академии экономики и права. 2020. № 9-2. С. 199-203.
Дмитриев Н. Д., Зайцев А. А. Математические методы в управлении промышленным производством // Фундаментальные и прикладные исследования в области управления, экономики и торговли: сборник трудов конференции. 2019. С. 208-212.
Зайцев А. А., Дмитриев Н. Д. Использование стресс-тестирования для повышения эффективности финансового планирования на предприятии // Цифровая экономика и Индустрия 4.0: новые вызовы: сборник статей конференции. 2019. С. 362-368.
Ходыревская В. Н., Припадчева И. В., Заикин Е. Н. Повышение эффективности управления сбытом готовой продукции на сельскохозяйственном предприятии // Вестник Курской государственной сельскохозяйственной академии. 2014. № 6. С. 11-13.
Файзуллин Р. В., Симченко О. Л., Чиченков И. И. Методика оценки эффективности использования ресурсов предприятиями агрохолдинга // Наука и инновации XXI века: сборник статей конференции. 2020. С. 306-310.
Кирица А. А. Техническая оснащенность и оценка уровня доходности сельскохозяйственных организаций Московской области // Агроинженерия. 2020. № 5. С. 43-48.
Трофимова Н. Н., Чиченков И. И., Домарацкая Е. А. Развитие сельского хозяйства в условиях экономической нестабильности // Modern Economy Success. 2020. № 6. С. 260-266.
Кубарский А. В., Трофимова Н. Н., Чиченков И. И. Перспективы использования KPI в сельском хозяйстве // Эпомен. 2021. № 52. С. 54-60.
Ильченко С. В., Дубаневич Л. Э., Кубарский А. В. Перспективы использования интеллектуального капитала в отечественном агробизнесе // Modern Economy Success. 2020. № 6. С. 237-243.
Krishnan S., Anand A.J., Prasanth N., Goundar S., Ananth C. Predictive Analytics in Smart Agriculture (1st ed.). CRC Press, 2023. 312 p.
Кетова К. В., Касаткина Е. В., Вавилова Д. Д. Кластеризация регионов Российской Федерации по уровню социально-экономического развития с использованием методов машинного обучения // Экономические и социальные перемены: факты, тенденции, прогноз. 2021. Т. 14. № 6. С. 70-85. DOI: 10.15838/esc.2021.6.78.4.
Cammarano D., van Evert F.K., Kempenaar C. Precision Agriculture: Modelling. Springer Cham, 2023. 301 p.
Талерчик С. М., Зайцев А. А., Шаванов М. В. Обеспечение экономической безопасности в контексте устойчивого инновационного развития агропромышленного комплекса в регионах России // Фундаментальные исследования. 2021. № 2. С. 57-65.
Тюленева А. В., Джой Е. С. Инновационная экономика и ее развитие в России // Экономика сегодня: современное состояние и перспективы развития (Вектор-2021): сборник материалов конференции. 2021. С. 287-291.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Ринат Василович Файзуллин, Ольга Александровна Новикова
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.