Аналіз та прогнозування урожайності зернових культур за допомогою методів машинного навчання
No Thumbnail Available
Date
2025-06-18
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Київський національний економічний університет імені Вадима Гетьмана
Abstract
Метою виконання кваліфікаційної бакалаврської роботи є аналіз та математичне моделювання урожайності зернових культур в Україні з використанням методів машинного навчання з метою покращення точності прогнозів і оптимізації аграрного виробництва. Практичні результати дослідження полягають у створенні прогнозних моделей, які можуть бути використані у плануванні посівних кампаній, формуванні аграрної політики та оцінці ризиків виробництва. Запропонований інструментарій дає змогу підвищити ефективність агробізнесу через покращення управлінських рішень, що стосуються врожайності в регіональному розрізі.
The purpose of the qualification bachelor's thesis is to analyze and mathematically model the yield of grain crops in Ukraine using machine learning methods in order to improve the accuracy of forecasts and optimize agricultural production. The practical results of the study are the creation of forecast models that can be used in planning sowing campaigns, forming agricultural policy and assessing production risks. The proposed toolkit allows you to increase the efficiency of agribusiness by improving management decisions related to yield in a regional context.
Description
Keywords
врожайність, зернові культури, машинне навчання, аграрна аналітика, регресія, нейронні мережі, прогноз, коробчаста діаграма, RMSE, yield, grain crops, machine learning, agricultural analytics, regression, neural networks, forecast, boxplot
Citation
Ус Е. Ю. Аналіз та прогнозування урожайності зернових культур за допомогою методів машинного навчання : бакалавр. диплом. робота : 051, Економіка / Ус Ельвіна Юріївна ; наук. керівник Кмитюк Т. Л. ; КНЕУ ім. Вадима Гетьмана, Навч.-наук. ін-т «Ін-т інформ. технологій в економіці», Каф. математ. моделювання та статистики. – Київ, 2025. – 86 с.