Точність програмування врожаю кукурудзи цукрової за використання різних алгоритмів і структури штучних нейронних мереж

Abstract

Виконано аналіз точності програмування врожайності кукурудзи цукрової залежно від реалізації факторів технології вирощування за використання різних алгоритмів і архітектури штучних нейронних мереж у різному програмному середовищі – NeuroXL Predictor, JustNN та TiberiusXL. Точність прогнозування врожайності культури визначали за показниками коефіцієнту детермінації (R2) та середньої абсолютної похибки у відсо- тках (MAPE). Досліджено такі типи активуючих функцій штучних нейронних мереж, як логарифмічна сигмоїдна функція за структури мережі 3-10-1 та проста сигмоїдна функція зі структурами 3-6-1 та 3-5-1. Дійсні величини врожайності кукурудзи цукрової установлено за результатами трирічних досліджень, виконаних на експериментальних полях СК «Радянська земля» (Білозерський район, Херсонська область). Результати дослі- дження можливостей програмування за різної структури та активуючої функції пока- зали, що найвищу точність прогнозу продуктивності кукурудзи забезпечило програмне середовище NeuroXL із використанням логарифмічної сигмоїдної функції за структури мережі 3-10-1. Коефіцієнт детермінації склав 0,978. Два інші досліджувані нами варі- анти програмування забезпечили нижчу ефективність (коефіцієнт детермінації коли- вався в межах 0,913–0,922), утім якість підгону моделей залишалася на високому рівні. Найменша середня абсолютна похибка у відсотках (MAPE) на рівні 0,28 % одержана в разі використання логарифмічної сигмоїдної функції за структури мережі 3-10-1, тоді як в інших досліджуваних варіантах вона зростала до 0,73 %. Таким чином, доведено, що логарифмічна функція та більша кількість нейронних вузлів у прихованому шарі забезпе- чують вищу прогностичну ефективність і точність моделей для програмування врожаїв сільськогосподарських культур. Рекомендовано використовувати програмне забезпечення NeuroXL Predictor як максимально відповідне вимогам сучасного програмування врожаїв у рослинництві.