Аннотации:
У кваліфікаційній роботі досліджено проблему підвищення ефективності
управління процесами зрошення в умовах кліматичної мінливості та
нерівномірності забезпечення вологою. Обґрунтовано необхідність створення
інтелектуальної системи підтримки прийняття рішень, здатної забезпечувати
точний прогноз водоспоживання на основі комплексного аналізу метеорологічних,
біофізичних та ґрунтових показників. Проведено аналіз сучасних тенденцій
розвитку зрошуваного землеробства, можливостей DSS у агросекторі та перспектив
використання штучних нейронних мереж для прогнозування аграрних процесів.
У роботі розроблено архітектуру СППР, що поєднує механізми генетичного
алгоритму та зворотного поширення помилки, формуючи гібридну модель EGA-
BPNN. Створено навчальну вибірку з використанням історичних кліматичних
даних, NDVI та показників вологості ґрунту, виконано масштабування, очищення
та нормалізацію даних. Проведено порівняння кількох архітектур мультишарового
перцептрона.
Розроблено прототип інформаційної системи підтримки рішень у середовищі
Streamlit. Система забезпечує автоматичне масштабування даних, виконання
прогнозу, порівняння фактичних і прогнозних значень, побудову графіків та
формування рекомендацій щодо режимів зрошення.
