Інтелектуальна система прогнозування врожайності культур

Abstract

Актуальність. Сучасні технології прогнозування врожайності, засновані на аналізі часових рядів і методах машинного навчання, набувають особливого значення в умовах кліматичних змін і зростаючого попиту на продовольство. Використання штучного інтелекту дозволяє автоматизувати процеси, мінімізувати людський фактор і підвищити точність прогнозів, що робить розробку інтелектуальної системи прогнозування врожайності актуальною та перспективною. Для її реалізації застосовується Python та спеціалізовані бібліотеки для аналізу даних і машинного навчання, які забезпечують ефективну обробку великих обсягів інформації та створення точних моделей. Об’єкт. Процес прогнозування динаміки зміни рівня врожайності сільськогосподарських культур. Предмет. Методи машинного навчання та аналізу часових рядів у прогнозуванні врожайності сільськогосподарських культур. Мета. Оптимізація роботи виробництва за рахунок моделювання та передбачення рівня врожайності сільськогосподарських культур, враховуючи вплив факторів на продуктивність культури. Relevance. Modern yield forecasting technologies based on time series analysis and machine learning methods are becoming particularly important in the context of climate change and growing demand for food. The use of artificial intelligence allows processes to be automated, the human factor to be minimised, and the accuracy of forecasts to be improved, making the development of an intelligent yield forecasting system relevant and promising. Python and specialised libraries for data analysis and machine learning are used to implement it, ensuring the efficient processing of large amounts of information and the creation of accurate models. Object. The process of forecasting changes in crop yield dynamics. Subject. Machine learning and time series analysis methods in crop yield forecasting. Objective. Optimisation of production through modelling and forecasting crop yields, taking into account the impact of factors on crop productivity.