Predicción del rendimiento del cultivo de arroz en India utilizando máquinas de soporte vectorial

La producción de alimentos en India depende en gran medida de los cultivos de cereales, incluidos el arroz, el trigo y varias legumbres. La sostenibilidad y productividad de las áreas de cultivo de arroz depende de condiciones climáticas adecuadas. La variabilidad en las condiciones climáticas estacionales puede tener efectos perjudiciales, con incidentes de sequía que reducen la producción. Desarrollar mejores técnicas para predecir la productividad de los cultivos en diferentes condiciones climáticas puede ayudar a los agricultores y otros interesados en tomar mejores decisiones en términos de agronomía y elección de cultivos. Las técnicas de aprendizaje automático pueden usarse para mejorar la predicción del rendimiento del cultivo en diferentes escenarios climáticos. Este documento presenta una revisión sobre el uso de dicha técnica de aprendizaje automático para las áreas de cultivo de arroz en India. Este documento discute los resultados experimentales obtenidos al aplicar el clasificador SMO utilizando la herramienta WEKA en el conjunto de datos de 27 distritos del estado de Maharashtra, India. El conjunto de datos considerado para la predicción del rendimiento del cultivo de arroz se obtuvo de registros públicos del Gobierno de India. Los parámetros considerados para el estudio fueron la precipitación, la temperatura mínima, la temperatura media, la temperatura máxima y la evapotranspiración de referencia del cultivo, así como el área, la producción y el rendimiento para la temporada de Kharif (junio a noviembre) para los años 1998 a 2002. Para el presente estudio, se calcularon el error absoluto medio (MAE), el error cuadrático medio (RMSE), el error absoluto relativo (RAE) y el error cuadrático medio relativo (RRSE). Los resultados experimentales mostraron que el rendimiento de otras técnicas sobre el mismo conjunto de datos fue mucho mejor en comparación con SMO.