Гаврилюк, М. С. (2026) Інтелектуальні моделі прогнозування врожайності на основі методів машинного навчання. [Автореферати, дисертації] (Неопублікований)

Text Дисертація_Гаврилюк_М_С_122.pdf Download(9MB)

Анотація

Дисертаційна робота присвячена розробленню та дослідженню інтелектуальних моделей прогнозування врожайності на основі методів машинного та глибинного навчання з урахуванням агрокліматичних чинників. Актуальність дослідження зумовлена зростанням кліматичної мінливості, підвищенням частоти екстремальних погодних явищ, просторовою неоднорідністю агрокліматичних умов та необхідністю побудови стійких прогнозних оцінок урожайності для підтримки управлінських рішень у рослинництві. У роботі сформульовано та розв’язано науково-прикладну задачу побудови інтелектуальних моделей прогнозування врожайності, яка охоплює підготовку агрокліматичних даних, формування інформативного ознакового простору, побудову прогнозних і класифікаційних моделей, оцінювання ризику низької врожайності та оптимізаційний аналіз параметрів вегетації. Програмну реалізацію отриманих результатів здійснено у вигляді інформаційно-аналітичної системи «Пшениця України».

Title in English

Intelligent Models for Crop Yield Forecasting Based on Machine Learning Methods

English abstract

The dissertation is devoted to the development and investigation of intelligent yield forecasting models based on machine learning and deep learning methods with consideration of agroclimatic factors. The relevance of the research is determined by increasing climate variability, the growing frequency of extreme weather events, the spatial heterogeneity of agroclimatic conditions, and the need to build robust yield forecasts for supporting managerial decision-making in crop production. The dissertation formulates and solves a scientific and applied problem of constructing intelligent yield forecasting models, which includes the preparation of agroclimatic data, the formation of an informative feature space, the development of forecasting and classification models, the assessment of low-yield risk, and the optimisation analysis of vegetation parameters. The software implementation of the obtained results was carried out in the form of the information and analytical system “Wheat of Ukraine”.

Перегляд елементу

Завантажень