- Tytuł:
-
Application of multiple linear regression for multi-criteria yield prediction of winter wheat
Zastosowanie analizy regresji wielorakiej dla wielokryterialnej prognozy plonów pszenicy ozimej - Autorzy:
- Niedbała, G.
- Powiązania:
- https://bibliotekanauki.pl/articles/335462.pdf
- Data publikacji:
- 2018
- Wydawca:
- Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
- Tematy:
-
forecast
multiple regression
MLR
winter wheat
yield prediction
prognoza
regresja wielokrotna
pszenica ozima
predykcja plonu - Opis:
-
The aim of the work was to produce three independent models for prediction and simulation of winter wheat yield, which were marked in the following way: ReWW15_04, ReWW31_05 and ReWW30_06. The produced models enable to make yield forecasts for April 15, May 31 and June 30, directly before harvest in the current agrotechnical season. For the construction of prediction models the Multiple Linear Regression (MLR) method was used. The models are based on meteorological data (air temperature and rainfall) and information on mineral fertilisation. The data were collected from 2008- 2015 from 301 production fields located in Poland, in the Wielkopolskie Voivodeship. Evaluation of the quality of forecasts based on MLR models was verified by determining forecast errors using RAE, RMS, MAE and MAPE error gauges. An important feature of the produced prediction model consists in the possibility of making a prediction in the current agrotechnical year on the basis of current weather and fertilizer information.
Celem pracy było wytworzenie trzech niezależnych modeli do predykcji i symulacji plonu pszenicy ozimej, które oznaczono w następujący sposób: ReWW15_04, ReWW31_05 and ReWW30_06. Wytworzone modele umożliwiają wykonanie prognozy plonu na dzień 15 kwietnia, 31 maja i 30 czerwca, bezpośrednio przed zbiorem w aktualnie trwającym sezonie agrotechnicznym. Do budowy modeli predykcyjnych użyto metody liniowej regresji wielorakiej (MLR). Modele powstały w oparciu o dane meteorologiczne (temperatura powietrza i opady atmosferyczne) oraz informacje o nawożeniu mineralnym. Dane zostały zebrane z lat 2008-2015 z 301 pól produkcyjnych zlokalizowanych w Polsce, na terenie województwa Wielkopolskiego. Ocena jakości prognoz wytworzonych na bazie modeli MLR została zweryfikowana poprzez określenie błędów prognozy za pomocą mierników błędów RAE, RMS, MAE oraz MAPE. Ważną cechą wytworzonego modelu predykcyjnego jest możliwość wykonania prognozy w bieżącym roku agrotechnicznym w oparciu o aktualne informacje pogodowe i nawozowe. - Źródło:
-
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 125-131
1642-686X
2719-423X - Pojawia się w:
- Journal of Research and Applications in Agricultural Engineering
- Dostawca treści:
- Biblioteka Nauki
Artykuł