कंप्यूटर इंजीनियरिंग और सूचना प्रौद्योगिकी जर्नल

मशीन लर्निंग आधारित उपज पूर्वानुमान प्रणाली

ओम माने*, चंथ्रिका आरएल, तनवीर मुंगेकर, प्रीति साई येलिसेट्टी, बिंदू श्री और जया सुबलक्ष्मी आर

जंगली ब्लूबेरी उद्योग उत्तरपूर्वी संयुक्त राज्य अमेरिका में कृषि क्षेत्र में महत्वपूर्ण योगदानकर्ता है। हालांकि, अप्रत्याशित मौसम की स्थिति, मिट्टी की परिवर्तनशीलता और कीट संक्रमण फसल की उपज को काफी प्रभावित कर सकते हैं, जिससे किसानों और हितधारकों को नुकसान हो सकता है। इसलिए, कुशल संसाधन आवंटन, बेहतर फसल प्रबंधन और प्रभावी विपणन रणनीतियों के लिए सटीक और विश्वसनीय फसल उपज भविष्यवाणी मॉडल का विकास महत्वपूर्ण है। मशीन लर्निंग एल्गोरिदम, जैसे कि निर्णय वृक्ष, रैखिक प्रतिगमन, XGBoost, LightGBM, यादृच्छिक वन, AdaBoost, हिस्टोग्राम ग्रेडिएंट बूस्टिंग और CatBoost ने हाल के वर्षों में फसल उपज भविष्यवाणी के लिए बड़ी क्षमता दिखाई है। ये एल्गोरिदम बड़े डेटासेट का विश्लेषण कर सकते हैं, पैटर्न की पहचान कर सकते हैं और सटीक अनुमान लगा सकते हैं, जिससे किसानों को फसलों के प्रबंधन, भविष्य की पैदावार और व्यावसायीकरण के बारे में आवश्यक जानकारी मिलती है। इस अध्ययन में विकसित मॉडल किसानों और हितधारकों को फसल नियोजन और संसाधन आवंटन के बारे में सूचित निर्णय लेने में सक्षम बना सकते हैं, जिससे जंगली ब्लूबेरी उद्योग की दक्षता और स्थिरता में सुधार होगा। इसके अतिरिक्त, बाजार पूर्वानुमानकर्ता इन मॉडलों का उपयोग जंगली ब्लूबेरी की भविष्य की मांग की भविष्यवाणी करने के लिए कर सकते हैं, जिससे प्रभावी विपणन रणनीतियों के विकास में सहायता मिलती है। निष्कर्ष रूप में, मशीन लर्निंग एल्गोरिदम के अनुप्रयोग द्वारा सटीक और विश्वसनीय फसल उपज भविष्यवाणी मॉडल का विकास कृषि के क्षेत्र पर बड़ा प्रभाव डालने की संभावना रखता है, विशेष रूप से जंगली ब्लूबेरी जैसे उद्योगों के लिए जो मौसम परिवर्तनशीलता और अन्य कारकों के प्रति संवेदनशील हैं।