Метод прогнозування врожайності кукурудзи на зерно з використанням нечітких когнітивних карт
Mykhailo Popov, Олександр Григорович Тараріко, Софія Іоганівна Альперт et al. · Ukrainian journal of remote sensing · 2024
У даній роботі розглядається підхід до прогнозування врожайності кукурудзи на зерно за допомогою нечітких когнітивних карт (FCM) та експертний підхід для опису ступеня впливу одних факторів (концептів) на інші. FCMs – це методологія моделювання, заснована на досвіді. Вона включає в себе основні переваги нечіткої логіки та нейронних мереж. FCM являють собою графічну модель, яка складається із вузлів-концептів, що з’єднані ребрами. Вузли-концепти описують елементи системи, а ребра виражають зв’язки між цими концептами. FCM можна застосовувати в різних сферах, особливо для точного землеробства, моделювання та прогнозування врожайності. FCM також можна застосовувати для моделювання складних систем та використовувати в задачах прогнозування. FCM є ідеальним інструментом для моделювання динамічних систем. Основними перевагами та особливостями запропонованого алгоритму є гнучкість, простота та висока адаптованість до різноманітних умов. У цій роботі для класифікації врожайності кукурудзи було обрано підхід FCM. Ця запропонована методологія може використовувати супутникові та експертні дані для прогнозування врожайності. Розроблена модель FCM складається із вузлів, які представляють основні концепти, що впливають на врожайність, такі як: вміст калію (K), гумусу, фосфору (P), pH, вміст азоту (N), вологи, температура, NDVI (нормалізований диференційний вегетаційний індекс), LAI (індекс листкової поверхні). Калій, фосфор, pH, азот та гумус є експертними даними, а температура, вологість, NDVI і LAI є супутниковими даними. Орієнтовані ребра FCM відображають причинно-наслідкові зв’язки між концептами та врожайністю. Основною метою даного дослідження було визначити рівень врожайності кукурудзи за допомогою нечітких когнітивних карт. Наша модель була застосована для прогнозування класу врожайності між трьома можливими категоріями (низька, середня та висока) для трьох різних експертів. Було показано, що запропонований алгоритм може вирішувати задачу прогнозування врожайності кукурудзи.Слід зазначити, що даний алгоритм можна застосовувати для прогнозу врожайності інших сільськогосподарських культур. Слід зазначити, що даний алгоритм можна застосовувати для прогнозу врожайності інших сільськогосподарських культур.
Cited by 2 works. doi:10.36023/ujrs.2024.11.2.261 Open-access PDF
Authors
- Mykhailo Popov
- Олександр Григорович Тараріко
- Софія Іоганівна Альперт
- Світлана Станіславівна Кохан
- Тетяна Володимирівна Ільєнко
- Артем Андрійович Андреєв
- Оксана Миколаївна Сибірцева
References
- Fuzzy sets
- Fuzzy cognitive maps
- Fuzzy Sets, Decision Making, and Expert Systems
- Correlation of Corn and Soybean Grain Yield with Topography and Soil Properties
- Forecasting crop production using satellite-based vegetation health indices in Kansas, USA
- Yield prediction in apples using Fuzzy Cognitive Map learning approach
- Corn Grain Yield Estimation from Vegetation Indices, Canopy Cover, Plant Density, and a Neural Network Using Multispectral and RGB Images Acquired with Unmanned Aerial Vehicles
- Membership function shape and the dynamic behaviour of fuzzy systems
- Satellite agroecological monitoring within the system of sustainable environmental management
- Soil‐Test Biological Activity with the Flush of CO 2 : III. Corn Yield Responses to Applied Nitrogen