Аннотации:
Подано особливості та доцільність використання супутникових знімків і
глибинних нейронних мереж для прогнозування врожайності озимої пшениці.
Проаналізовано сучасні тенденції в агромоніторингу та методах прогнозування.
Розглянуто можливості застосування даних дистанційного зондування Землі для
підвищення точності оцінки стану посівів і прогнозування врожайності.
Сформульовано мету, завдання та етапи виконання кваліфікаційної роботи.
Розроблено теоретичні основи та структуру інформаційної системи
прогнозування врожайності озимої пшениці з використанням архітектур глибинного
навчання. Проведено порівняльний аналіз моделей CNN, LSTM, GRU, гібридних
CNN–LSTM та Transformer, визначено їх ефективність для задач обробки часових
рядів аграрних даних. Обґрунтовано вибір інструментальних засобів і програмного
середовища для реалізації системи, що поєднує супутникові знімки, метеопоказники
та алгоритми глибинного навчання.
Створено програмний прототип інформаційної системи прогнозування
врожайності, що виконує збір, попередню обробку та аналіз даних дистанційного
зондування, побудову й навчання нейромережевої моделі. Наведено результати
оцінки точності прогнозів і ефективності моделі. Побудовано структурну схему та
логічну організацію системи, які забезпечують інтеграцію модулів аналізу,
прогнозування та візуалізації результатів.
Виконано аналіз умов праці під час монтажу інформаційної системи.
Проведено розрахунок економічної ефективності.
