АНАЛІЗ МОДЕЛЕЙ ДЛЯ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ПОГОДНИХ ДАНИХ - Научное сообщество
Главная
UA RU EN

Вас приветствует Интернет конференция!

Приветствуйем на нашем сайте

Рік заснування видання - 2011

АНАЛІЗ МОДЕЛЕЙ ДЛЯ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ПОГОДНИХ ДАНИХ

20.09.2022 17:33

[1. Информационные системы и технологии]

Автор: Ярошенко Олександр Сергійович, аспірант, Національний технічний університет України “Київський політехнічний інститут імені Ігоря Сікорського”, м. Київ


Оптимізація ресурсів під час виконання технічних операцій у полях є важливою для ефективної діяльності аграрних підприємств. У вирішенні цього питання допомагають засоби контролю та короткострокового прогнозування опадів, температури і вологості грунту - показників, що впливають на ефективність внесення добрив[1]. Для більш точного планування поливу доцільно використовувати метеостанції, встановлені безпосередньо біля місця проведення технолонічних операцій, оскільки вони надають більш точні дані, ніж супутниковий прогноз погоди[2]. В даній роботі проводиться аналіз моделей нейронних мереж на прикладі даних з датчику температури грунту метеостанції Meteotrek.

Для прогнозування часових даних широко використовуються моделі сімейства ARIMA та LSTM моделі[3]. Ці моделі й були обрані для проектування рішення.





Риc. 1. Результати прогнозування моделей

ARIMA модель поєднує в собі авторегресію (задається парметром p), ковзне середнє (параметр q) та часове зміщення(m). Для моделей ARIMA, SARIMA та SARIMAX в цьому дослідженні було використано бібліотеку pmdarima, яка має функцію для визначення оптимальних параметрів (p, q, m), що відповідають заданому ряду даних[4]. В результаті були отримані моделі та згенеровані короткострокові прогнози, які представлені на Рис 1. 

Для порівняння, був створений прогноз за допомогою LSTM-моделі (рис 2). Це архітектура рекурентних нейронних мереж, яка здатна вивчати довгострокові залежності в даних. Незважаючи на те, що модель, використана в експерименті, складається з малої кількості шарів, вона показала кращий результат на прикладі прогнозування даних на 3-денний термін (Таблиця 1). 






Рис. 2. Архітектура моделі LSTM

Встановлено, що розбіжність температури в 4-7°С має значний влив на споживання рослинами добрив. При досягненні низьких температур ефективність внесення добрив істотно знижується[5]. Оскільки помилка LSTM-моделі менша за критичний інтервал, то її прогнози можна вважати відносно точними для трактування результату і брати за додаткове джерело даних для прийняття рішення про внесення добрив. 

Табл. 1 

Оцінка помилки прогнозування






Відповідно до результатів дослідження було встановлено, що LSTM-моделі краще підходять для короткострокового прогнозування даних по температурі грунту і прийняття рішень про проведення технічних операцій на полях. Проте, для впровадження рішення на підприємствах доцільно провести подальше дослідження з використанням моделей, які враховують показники з декількох наборів даних, оскільки метеостанції, що були використані для експерименту, надають таку можливість.

Література

1. Що впливає на ефективність добрив. Частина 1. Ґрунти і клімат. Superagronom.com. URL: https://superagronom.com/blog/63-scho-vplivaye-na-efektivnist-dobriv-chastina-1-grunti-i-klimat (дата звернення: 17.09.2022).

2. Ярошенко, О. С. Спосіб збору та обробки метеорологічних даних : магістерська дис. : 123 Комп’ютерна інженерія / Ярошенко Олександр Сергійович. – Київ, 2020. – 14 с.

3. Tang, R., Zeng, F., Chen, Z., Wang, J. S., Huang, C. M., & Wu, Z. (2020). The comparison of predicting storm-time ionospheric TEC by three methods: ARIMA, LSTM, and Seq2Seq. Atmosphere, 11(4), 316.

4. Maslim, M., & Arinanda, K. (2020). Motorcycle parts sales forecasting using auto-Regressive Integrated moving average model. International Journal of Computer Theory and Engineering,, 12(1), 28-31.

5. defosk. ЩО ВПЛИВАЄ НА ЕФЕКТИВНІСТЬ ДОБРИВ?. Medium. URL: https://medium.com/horos-tech/що-впливає-на-ефективність-добрив-eeedda9d383a (дата звернення: 17.09.2022).

_____________________

Науковий керівник: Cтіренко Сергій Григорович, доктор технічних наук, професор, Національний технічний університет України “Київський політехнічний інститут імені Ігоря Сікорського”, м. Київ




Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Другие научные работы даной секции

Конференции

Конференции 2024

Конференции 2023

Конференции 2022

Конференции 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення