Terméselőrejelzés a gépi tanulási módszerek segítségével

Absztrakt (kivonat)

A dolgozat a mezőgazdasági modellezés témakörén belül a búzatermés időjárás alapú előrejelzését vizsgálja. A tanulmány arra keresi a választ, hogy építhető-e olyan hatékony előrejelzési modell, amely az időjárási információk segítségével képes megbecsülni a jövőbeni búzatermés mértékét. A dolgozat hipotézise, hogy van kapcsolat az időjárási adatok és a búzatermés mértéke között. Ennek igazolásához a dolgozat először áttekinti a főbb szakirodalmi elemeket, valamint az aktuális modellezési irányokat. Módszertani szempontból a faalapú modellek hatékonyságát vizsgálja a dolgozat, melyen belül részletes összefoglalót ad az XGBoost algoritmus hátteréről. A modell segítségével az írás megállapítja, hogy RMSE értéke az XGBoost modell esetén a hyperopt algoritmus által javasolt paraméter beállítással 0,86-ra csökkenthető a mintaátlagtól vett 3,78-as referencia értékről. Az előrejelzés kapcsán a legjobb változók a februári felhőtakaró, az augusztusi és a decemberi csapadék mennyisége. A tanulmány továbbá arra az eredményre jut, hogy összességében több hónap esetén is fontos szerepe van a csapadék mennyiségének, az es˝os napok számának, illetve a talajmenti fagynak az termés becslése szempontjából.