Нейросетовые модели для увеличения потенциала территорий рискованного земледелия

Abstract

Изменение климата становится одной из глобальных проблем нашего столетия, и, безусловно, влияет на все сферы деятельности человека. Однако особенно подвержено этому влиянию сельское хозяйство, а как следствие задача обеспечения населения планеты достаточным количеством продовольствия становится еще более сложной задачей, в то время как население планеты неуклонно растет. Современный этап развитие цифровых технологий и методов интеллектуального анализа данных, позволяет даже на локальном уровне оперировать как глобальными климатическими данными, так и государственными и локальными данными, наряду с данными специальных систем управления агробизнесом. Однако, эта информация остается зачастую невостребованной и требует разработки новых подходов, моделей и сервисов, позволяющих оптимизировать методы управления, чтобы уменьшить воздействие изменчивости климата для эффективного снижения рисков на уровне фермерских хозяйств. В настоящее время, появилось много новых инструментов, позволяющих создавать интеллектуальные модели, одним из которых выступают искусственные нейронные сети. Целью настоящей работы является создание модели на основе нескольких архитектур нейронных сетей для прогнозирования биоклиматического потенциала разных территорий одного региона имеющих значительно отличающиеся общие климатические характеристики. В результате мы получаем, что использование комбинация нескольких искусственных нейронных сетей (многослойной и вероятностной) приводит к улучшению точности прогноза и, как следствие, снижению сельскохозяйственных рисков.