Применение систем искусственного интеллекта в прогнозировании урожайности сельскохозяйственных культур

Скворцов Е.А.1,2, Ялунина Е.Н.1,2, Гусев А.С.1,3
1 ФГБОУ ВО «, ,
2 Уральский государственный экономический университет», ,
3 Уральский государственный аграрный университет», ,

Купить PDF | Цитирований: 3

Статья в журнале

Экономика сельскохозяйственных и перерабатывающих предприятий (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 98, Номер 9 (Сентябрь 2023)

Цитировать эту статью:

Скворцов, Е. А. Применение систем искусственного интеллекта в прогнозировании урожайности сельскохозяйственных культур / Е. А. Скворцов, Е. Н. Ялунина, А. С. Гусев // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2023. – Т. 98, № 9. – С. 69-74. – DOI 10.31442/0235-2494-2023-0-9-69-74. – EDN WGFTRL.
Skvortsov, E. A., Yalunina, E. N., Gusev, A. S. (2023). Application of artificial intelligence systems in prediction of yield of agricultural crops. Economy of agricultural and processing enterprises, 98(9), 69-74. https://doi.org/10.31442/0235-2494-2023-0-9-69-74

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=54640743
Цитирований: 3

Аннотация:
Применение систем искусственного интеллекта позволяет повысить точность прогнозирования урожайности сельскохозяйственных культур в сравнении с традиционными методами. Цель исследования - выполнить анализ исследований в области применения систем искусственного интеллекта для прогнозирования урожайности сельскохозяйственных культур. В настоящее время разработаны и апробированы системы искусственного интеллекта для прогнозирования урожайности риса, пшеницы, салата-латука, кофе и других сельскохозяйственных культур. Для этого используются системы на основе нейронных сетей, генетических алгоритмов, метода опорных векторов и другие. Выявлены эффекты от применения систем искусственного интеллекта при прогнозировании урожайности сельскохозяйственных культур. Они состоят в повышении качества процесса планирования расходуемых ресурсов, оптимизации посевных площадей, повышении точности прогнозирования цен на продукцию в сравнении с традиционными методами. Даны конкретные рекомендации по применению систем искусственного интеллекта при оптимизации производства зерновых в условиях заданных ограничений.

Ключевые слова: сельское хозяйство, искусственный интеллект, урожайность, прогнозирование урожайности, обзор исследований

JATS XML

Страница обновлена: 23.06.2026 в 19:21:53

 
 

BYU PDF | Citations: 3

Application of artificial intelligence systems in prediction of yield of agricultural crops

Skvortsov E.A., Yalunina E.N., Gusev A.S.

Journal paper

Economy of agricultural and processing enterprises
Volume 98, Number 9 (September 2023)

Citation:

Skvortsov, E. A., Yalunina, E. N., & Gusev, A. S. (2023). Application of artificial intelligence systems in prediction of yield of agricultural crops. Economy of agricultural and processing enterprises, 98(9), 69-74. https://doi.org/10.31442/0235-2494-2023-0-9-69-74

Abstract:
The use of artificial intelligence systems makes it possible to increase the accuracy of forecasting crop yields in comparison with traditional methods. The purpose of the study is to analyze research in the field of the use of artificial intelligence systems in predicting crop yields. Currently, artificial intelligence systems have been developed and tested to predict the yield of rice, wheat, lettuce, coffee and other agricultural crops. To do this, systems based on neural networks, genetic algorithms, the support vector machine and others are used. The effects of the use of artificial intelligence systems in predicting crop yields are revealed. They consist in improving the quality of the planning process of consumed resources, optimizing acreage, improving the accuracy of forecasting product prices in comparison with traditional methods. Specific recommendations are given on the use of artificial intelligence systems in optimizing grain production under the given constraints.

Keywords: Agriculture, Artificial Intelligence, Productivity, Yield Forecasting, Research Review