Wittmann Antal Növény-, Állat- és Élelmiszertudományi DI

Állandó link (URI) ehhez a gyűjteményhez

https://hdl.handle.net/2437/244229

Böngészés

Wittmann Antal Növény-, Állat- és Élelmiszertudományi DI Szerző szerinti böngészés "Benczúr, András"

Megjelenítve 1 - 1 (Összesen 1)
  • Nincs kép
    TételKorlátozottan hozzáférhető
    Maize yield prediction based on artificial intelligence using spatio-temporal data
    Nyéki, Anikó; Kerepesi, Csaba; Daróczy, Bálint; Benczúr, András; Milics, Gábor; Kovács, Attila József; Neményi, Miklós; egyetemi oktató, kutató
    The aim of this study was to predict maize yield by artificial intelligence using spatio-temporal training date. Counter-propagation artificial neural networks (CP-ANNs), xy-fused networks (XY-Fs), supervised Kohonen networks (SKNs), extreme gradient boosting (XGBoost) and support-vector machine (SVM) were used for predicting maize yield in 5 vegetation pariods. Input variables for modelling were: soil parameters (pH, P2O5, K2O, Zn, Clay content, ECa, draught force, Cone index) and micro-relief averages and meteorological parameters for the 63 treatment units. The best performing method (XGBoost) attained 92.1 and 95.3% of accuracy on the training and the test set.