Порівняння алгоритмів машинного навчання для прогнозування врожайності
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Обсяг дипломної роботи становить 49 сторінок, вона містить 8 рисунків та 3 додатки. Для порівнянь і досліджень використано 19 джерел. У роботі запропоновано узгоджену методику порівняння алгоритмів машинного навчання – лінійної регресії, дерева рішень, випадкового лісу та градієнтного бустингу – з метою прогнозування врожайності зернових культур. Продемонстровано важливість налаштування гіперпараметрів для підвищення точності прогнозів. Також здійснено сценарне моделювання з урахуванням змін ключових кліматичних і водних показників на основі мультидоменного набору агрокліматичних індикаторів. Практичне значення дослідження полягає в тому, що розроблений підхід дає змогу об’єктивно оцінити ефективність моделей на основі історичних даних і формувати обґрунтовані прогнози врожайності за умов реалістичних сценаріїв мультифакторних змін, що сприятиме прийняттю зважених агрополітичних рішень і оптимізації розподілу ресурсів у сільському господарстві.
Опис
Ключові слова
прогнозування врожайності, машинне навчання, лінійна регресія, дерево рішень, випадковий ліс, градієнтний бустинг, метрики якості, гіперпараметричний пошук, сценарний прогноз, crop yield forecasting, machine learning, linear regression, decision tree, random forest, gradient boosting, performance metrics, hyperparameter tuning, scenariobased forecasting
Бібліографічний опис
Різниченко, А. С. Порівняння алгоритмів машинного навчання для прогнозування врожайності : дипломна робота ... бакалавра : 113 Прикладна математика / Різниченко Андрій Сергійович. – Київ, 2025. – 49 с.