23529

ارائه مدلي براي پيش‌بيني عملكرد محصولات كشاورزي با در نظر گرفتن هم‌زمان عوامل محيطي و آب‌وهوايي با استفاده از رويكردهاي يادگيري ماشين: مورد مطالعه شركت كشت‌وصنعت نيشكر اميركبير استان خوزستان

كارشناسي ارشد

مهندسي صنايع

1397

1399/11/08

دين محمد ايماني

محمدرضا رسولي

مهندسي صنايع

كشاورزي يكي از بخش‌هاي مهم اقتصادي در بسياري از كشور‌ها مي‌باشد. افزايش بهره‌وري و خودكفايي در توليد محصولات استراتژيك كشاورزي اهميت ويژه‌اي دارد. عملكرد محصولات كشاورزي تحت تاثير عوامل مختلفي از جمله شرايط آب‌وهوايي، ويژگي‌هاي خاك و برنامه‌ريزي‌هاي مديريتي مي‌باشد. از طرف ديگر پيش‌بيني عملكرد محصولات كشاورزي و عوامل موثر بر آن از موضوع‌هاي مهم و چالش‌ برانگيز در حوزه كشاورزي ‌مي‌باشد. امروزه استفاده از روش‌هاي يادگيري ماشين براي پيش‌بيني عملكرد محصولات كشاورزي مورد توجه قرار گرفته است. به كمك روش‌هاي هوشمند يادگيري ماشين مي‌توان مدل‌هايي با صحت بالا براي پيش‌بيني خلق نمود. اين مدل‌ها علاوه بر پيش‌بيني مي‌توانند توصيفي خوبي از متغيرهاي موثر بر عملكرد محصول ارائه دهند و آن‌ها را رتبه‌بندي نمايند كه در نهايت در تصميم‌گيري‌هاي مديريتي و بهينه‌سازي فرآيندها به مديران كشاورزي كمك مي‌نمايد. با توجه به اين‌كه نيشكر يكي از محصولات استراتژيك كشاورزي مي‌باشد و يكي از منابع اصلي تامين شكر محسوب مي‌شود هدف پژوهش حاضر ارائه مدلي براي پيش‌بيني عملكرد نيشكر و هم‌چنين شكر استحصالي آن و شناسايي متغيرهاي موثر بر آن مي‌باشد. براي انجام پژوهش حاضر از داده‌هاي شركت كشت و صنعت نيشكر اميركبير در بازه زماني سال‌هاي 1396-1389 كه شامل 3223 نمونه مي‌باشد استفاده شده است. براي مدل‌سازي از چهار الگوريتم يادگيري ماشين جنگل تصادفي، آدابوست،گراديان تقويت كننده XGBoost و ماشين بردار پشتيبان استفاده شده است. الگوريتم‌هاي XGB و جنگل تصادفي با ميزان صحت 82.6% و 92.2% به ترتيب براي پيش‌بيني عملكرد نيشكر و شكر استحصالي توانايي بهتري براي پيش‌بيني در بين مدل‌هاي ارائه شده دارند.

1399/12/09

A model for agricultural crop yield prediction by considering environmental and climate factors simultaneous using machine learning approaches: case study Agro-industry company of Khuzestan province

1/27/2021 12:00:00 AM

One of the most important economic sectors of any country is agriculture. Increasing productivity and self-sufficiency in the production of strategic agricultural products is of particular importance. The yield of agricultural products is influenced by various factors such as climate conditions, soil characteristics and management planning. On the other hand, predicting the yield of agricultural products and the factors affecting it, is one of the important and challenging issues in the field of agriculture. Nowadays the use of machine learning methods to predict the yield of agricultural products is considered. With the help of intelligent machine learning models can be created for prediction. In addition to predict, these models can provide a good description of the variables affecting crop yield and rank them, which ultimately helps agricultural managers in management decision and process optimization. Considering that sugarcane is one the strategic products and one the main sources of sugar supply, the aim of this study is to provide a model for predicting the yield of sugarcane and recoverable sugar and also identify the variables affecting it. To conducting the research, the data of Amir Kabir Agro-Industry includes 3223 samples were used. For modeling random forest, AdaBoost, extreme Gradient Boosting and support vector machines algorithms were used. Random forest and XGBoost algorithms with 82.6% and 92.2% accuracy, respectively to predict the yield of sugarcane and recoverable sugar has better ability to predict among the proposed models.

داده كاوي , يادگيري ماشين , مدل سازي , پيش بيني عملكرد محصول , نيشكر

Data mining , Machine learning , Modeling , Crop yield prediction , Sugarcane