감자 작물의 수확량 예측에 대한 인공 신경망의 적용

작물 수확량 예측은 농업 기반 경제를 가진 국가의 식량 관리와 성장에 유용합니다. 지난 몇십 년 동안 인공 신경망은 특히 작물 유형 분류 및 작물 면적 추정과 같은 농업 원격 감지의 다양한 분야에서 성공적으로 사용되었습니다. 본 연구는 보통회귀신경망(GRNN)과 방사 기저 함수 신경망(RBFNN) 두 가지 유형의 인공 신경망을 사용하여 평지와 거친 지면에 다르게 파종된 감자의 수확량을 예측했습니다. 잎 면적 지수, 생물량 및 식물 높이와 같은 작물 매개 변수가 입력 데이터로 사용되었고, 감자 밭의 수확량이 신경망을 훈련하고 테스트하기 위한 출력 데이터셋으로 사용되었습니다. GRNN과 RBNN 모두 감자 농작물 수확량을 정확하게 예측했습니다. 그러나 빠른 학습 능력과 낮은 퍼짐 상수(0.5)를 기반으로 GRNN은 RBFNN보다 더 나은 예측기였습니다. 더 나아가, 거친 표면 밭이 평지보다 더 생산적이라는 결과가 나왔습니다.