Прогнозування обсягів заготівлі сировини на території громад із використанням штучних нейронних мереж
DOI:
https://doi.org/10.31734/agroengineering2020.24.143Ключові слова:
прогнозування, штучні нейронні мережі, сировина, заготівля, громадаАнотація
Виконано аналіз наукових праць та предметної галузі, що свідчить про доцільність виконання процесу прогнозування обсягів заготівлі сировини на території громад. Означено нерозв’язану науково-прикладну задачу розробки інструментарію для прогнозування обсягів заготівлі сировини на території громад із використанням штучних нейронних мереж.
Обґрунтована архітектура штучної нейронної мережі прогнозування обсягів заготівлі сировини на території громад, яка передбачає використання тришарового перцептрону. Розроблена блок-схема навчання штучної нейронної мережі для прогнозування обсягів добової заготівлі сировини на території громад. Вона передбачає виконання п’ятнадцяти етапів, які ґрунтуються на дослідженні та виконанні підготовки початкових даних до прогнозування, а також проведенні розрахунків та перевірки умов їх точності, що забезпечує належну якість навчання штучних нейронних мереж.
Запропонований підхід до класифікації даних для прогнозування передбачає виокремлення окремих діб та місяців календарного року, які разом із кліматичними умовами (середні значення атмосферної температури повітря та кількості опадів в окрему добу) зумовлюють спосіб утримування молочного стада (прив’язний та пасовищний), що значно впливає на обсяги заготівлі молока і лежить в основі їх прогнозування.
На підставі підготовлених початкових даних виконано навчання штучної нейронної мережі, що забезпечило створення моделі, яка здатна прогнозувати добові обсяги заготівлі молока на території громади за вхідними даними у середовищі Neural Network Wizard. Проведені дослідження показують, що за кількості епох навчання понад 20000 похибка прогнозованих значень не перевищує 3,6 %. На підставі виконаного дослідження налаштованої штучної нейронної мережі встановлені тенденції зміни добових обсягів заготівлі молока на території громади (реальний та прогнозований) для умов Пониковицької громади Бродівського району Львівської області.
Посилання
Bazhenov, R. I., & Stupnikov, A. V. (2015). Prognozirovanie tseny legkovykh avtomobilei s pomoshchiu neironnykh setei v srede Neural Network Wizard. Sovremennaia tekhnika i tekhnologii: elektron. izd., 7. Retrieved from: http://technology.snauka.ru/2015/07/7462.
Vychuzhanin, V. V., & Rudnichenko, N. D. (2016). Razrabotka modeli neiroseti dlia prognozirovaniia riska otkazov komponentov slozhnykh tekhnicheskikh sistem. Informatics and Mathematical Methods in Simulation, 6 (4), 333-338.
Kostina, L. N., & Gareeva G. A. (2015). Neironnye seti v zadachakh prognozirovaniia vremennykh riadov. Innovacionnaia nauka, 6-2, 70-73.
Liubimova, T. V., & Gorelova, A. V. (2015). Reshenie zadachi prognozirovaniia s pomoshchiu neironnyh setei. Innovacionnaia nauka, 4, 39-42.
Orlova, E. V., Dudnikova, E. V., Vodopianov, A. S., & Chernova, M. S. (2019). Primenenie neironnykh setei v prognozirovanii riska formirovaniia tserebralnogo paralicha u detei na osnove otsenki vliianiia perinatalnykh faktorov. Vestnik sovremennoi klinicheskoi mediciny, 12, 3, 40–43. doi:10.20969/ VSKM.2019.12(3).40-43.
Pokusaev, M. N., & Kasimov, N. N. (2012). Sistema diagnostiki sudovykh energeticheskikh ustanovok s primeneniem neirosetevykh modelei. Vestnik AGTU. Upravlenievychislitelnaia tekhnika i informatika, 2, 88-92.
Soldatova, O. P., & Semenov, V. V. (2006). Primenenie neironnyh setei dlia resheniia zadach prognozirovaniia. Issledovano v Rossii: elektron. nauch. zhurn. Retrieved from http://zhurnal.gpi.ru/ articles/2006/136.pdf.
Tryhuba, A. M. (2011). Klasyfikatsiia ta osoblyvosti realizatsii intehrovanykh proektiv ahrarnoho vyrobnytstva. Upravlinnia proektamy, systemnyi analiz i lohistyka, 8, 197-201. Retrieved from http://nbuv.gov.ua/UJRN/Upsal_2011_8_53.
Tryhuba, A. M., Sheleha, O. V., Pukas, V. L., & Mykhaliuk, V. M. (2015). Uzghodzhennia konfihuratsii intehrovanykh proektiv ahrarnoho vyrobnytstva. Visnyk NTU «KhPI». Seriia: Stratehichne upravlinnia, upravlinnia portfeliamy, prohramamy ta proektamy, 2 (1111), 135-140.
Tsaregorodtsev, V. G. (2012). Proizvodstvo poluempiricheskikh znanii iz tablits dannykh s pomoshchiu obuchaemykh iskustvennykh neironnykh setei. In Metody neiroinformatiki (pp. 89-101). Krasnojarsk: Izd-vo KHTU.
Awadalla, H. A., Ismaeil, I. I., & Sadek, M. A. (2011). Spiking neural network-based control chart pattern recognition. Journal of Engineering and Technology Research, 3 (1), 5-15.
Dede, G., & Sazli, M. Speech recognition with artificial neural networks. (2010). Digital Signal Processing, 20 (3), 763-768.
Tryhuba, A., Boyarchuk, V., Tryhuba, I., Boyarchuk, O., & Ftoma, O. (2019). Evaluation of risk value of investors of projects for the creation of crop protection of family dairy farms. Acta universitatis agriculturae et silviculturae mendelianae brunensis, 67, 5, 1357-1367. Retrieved from https://acta.mendelu.cz/67/5/1357/.
Тryhuba, А., Boyarchuk, V., Tryhuba, I., Ftoma, O., Padyuka, R., & Rudynets, M. (2020). Forecasting the Risk of the Resource Demand for Dairy Farms Basing on Machine Learning. Proceedings of the 2nd International Workshop on Modern Machine Learning Technologies and Data Science (MoMLeT+DS 2020), I, 327-340.
Neural Network Wizard. BaseGroup Labs. Retrieved from http://www.basegroup.ru/download/demoprg/nnw/.
Ratushny, R., Tryhuba, A., Bashynsky, O., & Ptashnyk, V. (2019). Development and usage of a computer model of evaluating the scenarios of projects for the creation of fire fighting systems of rural communities. XI-th International Scientific and Practical Conference on Electronics (ELIT-2019) (pp. 34-39). Retrieved from https://ieeexplore.ieee.org/document/8892320.
Tryhuba, A. (2014). Argumentation of the parameters of the system of purveyance of milk collected from the private farm-steads within a single administratinve district. Econtechmod: an international quarterly journal on economics in technology, new technologies and modelling processes, 4 (3), 23-27.
Тryhuba, А., & Bashynsky, O. (2019). Coordination of dairy workshops projects on the community territory and their project environment. 14th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT), 3 (рр. 51-54). Retrieved from https://ieeexplore.ieee.org/document/8929816.
Тryhuba, А., Ftoma, O., Tryhuba, I., & Boyarchuk, O. (2019). Method of quantitative evaluation of the risk of benefits for investors of fodder-producing cooperatives. 14th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT), 3 (pp. 55-58). Retrieved from https://ieeexplore.ieee.org/document/8929788.
