Prognozowanie plonów wybranych płodów rolnych z wykorzystaniem modeli neuronowych w postaci szeregów czasowych

• Autorzy: Boniecki P. , Mueller W.

Warianty tytułu

EN

Expectation crops of chosen agricultural fetuses with the help of neural model by time series

• Języki publikacji: PL

Abstrakty

PL

Jednym z ważnych etapów badania oraz analizy systemów empirycznych jest proces prognozowania, mający praktyczne zastosowanie w szerokim zakresie działalności ludzkiej. W przypadku przewidywania wielkości płodów rolnych mamy do czynienia z szeregiem złożonych bodźców, które w efekcie przekładają się na wynik końcowy, jakim jest plon. Jakość tych prognoz ma ogromne znaczenie dla kolejnych etapów w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Sieci neuronowe w postaci szeregów czasowych są wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Celem analizy szeregów czasowych jest ustalenie prognozy przyszłych wartości pewnej zmiennej, której wartości zmieniają się w czasie. Najczęściej dąży się do obliczenia prognozy korzystając z wcześniejszych wartości tej samej zmiennej, której wartość ma być przewidywana. Zbiór uczący, wykorzystywany przy neuronowej analizie szeregów czasowych, budowany jest zwykle w oparciu o pojedynczą zmienną, której typ określony jest jako "Wejściowo-Wyjściowy". Oznacza to, że jest ona wykorzystywana zarówno jako wejście sieci neuronowej, jak i jako jej wyjście.

EN

Prediction becomes a very important stage in many activities. In case of expectation crops of chosen agricultural foetuses we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain of agricultural foetuses. Neural networks by time series are a sophisticated technique of modeling capable of reflecting very complex functions. In time series problems, the objective is to predict ahead the value of a variable which varies in time, using previous values of that and/or other variables. The time series training data set therefore typically has a single variable, and this has type input/output (i.e., it is used both for network input and network output).

Słowa kluczowe

PL

sieć neuronowa; prognozowanie; płody rolne; plon; model neuronowy; szereg czasowy

EN

neural network; prognose; neural model; time series; agricultural fetuses; yield

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2006
• Tom: Vol. 51, nr 4
• Strony: 40--43
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Boniecki P.

autor

Mueller W.

• Akademia Rolnicza im. A. Cieszkowskiego w Poznaniu, Instytut Inżynierii Rolniczej

Bibliografia

• [1] Bishop C., (1995). Neural Networks for Pattern Recognition: Oxford University Press.
• [2] Fausett L., (1994). Fundamentals of Neural Networks: New York Prentice Hall.
• [3] Kosiński R,, (2002). Sztuczne sieci neuronowe: WNT, Warszawa.
• [4] Żurada J., Barski M. (1996). Sztuczne sieci neuronowe: Wydawnictwo Naukowe PWN, Warszawa.
• [5] Osowski S. (2000). Sieci neuronowe do przetwarzania informacji: Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa
• [6] Tadeusiewicz R. (1993). Sieci neuronowe: Akademicka Oficyna Wydawnicza, Warszawa