Predviđanje mikroklimatskih parametara za primjenu u preciznoj poljoprivredi

diplomski rad

• Naslov (engleski): Prediction of Microclimate Parameters for Application in Precision Agriculture
• Autor: Dora Kreković
• Mentor: Ivana Podnar Žarko (mentor)
• Član povjerenstva: Ivana Podnar Žarko (predsjednik povjerenstva)
• Član povjerenstva: Mario Kušek (član povjerenstva)
• Član povjerenstva: Pavle Skočir (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-09, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Predviđanje mikroklimatskih parametara, poput temperature, brzine vjetra i vlage, omogućuje planiranje i kontrolu poljoprivredne proizvodnje radi poboljšanja prinosa i kvalitete usjeva. U ovom radu dan je pregled metoda za predviđanje mikroklimatskih parametara koje na ulazu koriste vremenski označene tokove podataka ili tzv. vremenske serije podataka. Detaljno je objašnjen pojam vremenskih serija, kao i postupci njihove analize. Objašnjene su statističke metode prognoziranja vremenskih serija, metode prognoziranja strojnim učenjem, te metode prognoziranja neuronskim mrežama. Na studijskom slučaju su korištenjem podatka s Copernicusovog servisa CDS implementirane i evaluirane tehnike prognoze pomoću neuronske mreže LSTM te prognoze korištenjem klasičnog statističkog modela SARIMA. Dodatno, mreža je izgrađena i koristeći stvarne senzorske podatke očitane s agrometeorološke stanice Pinova nad kojima je isprobana tehnika multivarijatne prognoze. Svi dobiveni rezultati su prikazani grafički.

Sažetak (engleski)

Forecasting microclimate parameters, such as temperature, wind speed and humidity, enables the planning and control of agricultural production to improve crop yields and quality. This paper provides an overview of methods for predicting microclimate parameters that use time series data as input. Both the concept of time series and methods for their analysis are explained in detail. Furthermore, the thesis provides insight into the methods of forecasting time series using machine learning algorithms as well as using neural networks. LSTM neural network model and statistical model SARIMA were implemented and evaluated on a case study using data from the Copernicus service CDS. Additionally, another network was built using actual sensory data streams acquired from a Pinova agrometeorological station. All results, both from analysis and forecast, were then visualized.

• Ključne riječi: vremenska serija; analiza vremenske serije; prognoziranje vremenske serije; strojno učenje; neuronske mreže
• Ključne riječi (engleski): Time series; Time series analysis; Time series forecast; Machine learning; Neural networks
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:205965
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 12:46:07