Тип публикации: статья из журнала
Год издания: 2025
Ключевые слова: machine learning, neural networks, agrotechnology, decision support, forecasting, wheat growth, auxin, машинное обучение, нейронные сети, агротехнологии, поддержка принятия решений, прогнозирование, рост пшеницы, ауксин
Аннотация: В исследовании рассматривается возможность применения нейросетевых моделей для прогнозирования агробиологических показателей и разработки системы поддержки принятия решений в агротехнологии. В рамках работы был проведен эксперимент по выращиванию пшеницы с фиксацией влияния факторов среды (концентрация ауксина, температура, влажносПоказать полностьють, pH) на рост корней. После предварительного анализа и визуализации данных была разработана и обучена нейронная сеть для прогноза длины корней, а ее эффективность сравнена с линейной регрессией. Гипотеза о том, что нейросетевой подход обеспечит более точное прогнозирование и окажется полезным для оптимизации условий выращивания, подтвердилась. Модель показала высокую точность, особенно в диапазоне концентрации ауксина 3-6 мг/л, и превзошла традиционные методы. Полученные результаты подтвердили ее практическую применимость в сельскохозяйственном управлении для повышения эффективности планирования и использования ресурсов. Тhis study examines the potential of neural network models for predicting agrobiological parameters and developing a decision support system in agrotechnology. The work involved an experiment on wheat cultivation, recording the influence of environmental factors (auxin concentration, temperature, humidity, pH) onroot growth. Following preliminary data analysis and visualization, a neural network was developed and trained to forecast root length, and its effectiveness was compared with linear regression. The hypothesis that the neural network approach would provide more accurate forecasting and prove useful for optimizing growing conditions was confirmed. The model demonstrated high accuracy, especially within the auxin concentration range of 3-6 mg/l, and surpassed traditional methods. The results confirmed its practical applicability in agricultural management, enhancing planning and resource utilization efficiency
Журнал: Глобальный научный потенциал
Выпуск журнала: № 6
Номера страниц: 344-348
ISSN журнала: 19979355
Место издания: Санкт-Петербург
Издатель: МОО ФРНК