AB

Bibliografia publikacji pracowników
Państwowej Szkoły Wyższej w Białej Podlaskiej

Baza tworzona przez Bibliotekę Akademii Bialskiej im. Jana Pawła II.


Zapytanie: KUJAWSKA JUSTYNA
Liczba odnalezionych rekordów: 1



Przejście do opcji zmiany formatu | Wyświetl/ukryj etykiety | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Nowe wyszukiwanie
1/1
Nr opisu: 0000047061
Autorzy: Monika Kulisz, Aigerim Duisenbekova, Justyna Kujawska, Danira Kaldybayeva, Bibigul Issayeva, Piotr Lichograj, Wojciech Cel.
Tytuł pracy: Implications of neural network as a decision-making tool in managing Kazakhstan's agricultural economy
Tytuł czasopisma:
Szczegóły: 2023, Vol. 19, iisue 4qp. 121--135
p-ISSN: 2353-6977
Charakterystyka formalna: artykuł w czasopiśmie polskim
Charakterystyka merytoryczna: artykuł oryginalny naukowy
Charakterystyka wg MNiSW: artykuł w czasopiśmie bez IF (wykaz MEiN)
Język publikacji: ENG
Punktacja ministerstwa: 70.000
Słowa kluczowe ang.: agriculture ; artifical neural network ; decision-making ; economy ; management
https://ph.pollub.pl/index.php/acs/article/view/5614
DOI: 10.35784/acs-2023-39
Streszczenie: This study investigates the application of Artificial Neural Networks (ANN) in forecasting agricultural yields in Kazakhstan, highlighting its implications for economic management and policy-making. Utilizing data from the Bureau of National Statistics of the Republic of Kazakhstan (2000-2023), the research develops two ANN models using the Neural Net Fitting library in MATLAB. The first model predicts the total gross yield of main agricultural crops, while the second forecasts the share of individual crops, including cereals, oilseeds, potatoes, vegetables, melons, and sugar beets. The models demonstrate high accuracy, with the total gross yield model achieving an R-squared value of 0.98 and the individual crop model showing an R value of 0.99375. These results indicate a strong predictive capability, essential for practical agricultural and economic planning. The study extends previous research by incorporating a comprehensive range of climatic and agrochemical data, enhancing the precision of yield predictions. The findings have significant implications for Kazakhstan's economy. Accurate yield predictions can optimize agricultural planning, contribute to food security, and inform policy decisions. The successful application of ANN models showcases the potential of AI and machine learning in agriculture, suggesting a pathway towards more efficient, sustainable farming practices and improved quality management systems. Š 2023, Polish Association for Knowledge Promotion. All rights reserved.

  Wyświetl ponownie stosując format:
Wyświetl/ukryj etykiety | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Nowe wyszukiwanie | Biblioteka AB