कृषि प्रौद्योगिकी

अमूर्त

रनऑफ समय की भविष्यवाणी के लिए रिग्रेशन-मशीन लर्निंग एल्गोरिदम का प्रदर्शन विश्लेषण

मरवान खान और सनम नूर

दुनिया भर में 70 प्रतिशत पानी का उपयोग कृषि प्रथाओं में किया जाता है, जिसमें 50% पानी अनुचित तरीके से नियोजित और अकुशल सिंचाई प्रणाली के कारण बर्बाद हो जाता है। सटीक सिंचाई प्रणाली का उपयोग लंबे समय से व्यक्तिगत खेतों के पैमाने पर किया जाता रहा है। एक खेत के अतिरिक्त सिंचाई जल का दूसरे खेत में उपयोग करने के लिए अब तक बहुत कम काम किया गया है। इस शोध में, हम दो खेतों के बीच अपवाह समय की भविष्यवाणी करने की समस्या का समाधान करते हैं। हम अपवाह समय मॉडल का प्रस्ताव करते हैं जो सिंचाई की गहराई, मिट्टी की नमी और फसल चरण (सीएन) और एकाग्रता के समय को इनपुट मापदंडों के रूप में स्वीकार करता है और अपवाह समय का अनुमान लगाता है। मशीन लर्निंग एल्गोरिदम यानी, मल्टीपल लीनियर रिग्रेशन (एमएलआर), आर्टिफिशियल न्यूरल नेटवर्क-लेवेनबर्ग मार्क्वार्ड (एलएमए-एएनएन), डिसीजन ट्री/रिग्रेशन ट्री (डीटी/आरटी प्रायोगिक परिणाम दर्शाते हैं कि रिग्रेशन ट्री उच्चतम आर-स्क्वायर मान, न्यूनतम माध्य वर्ग त्रुटि के मामले में परिणामों को बेहतर बनाता है। जबकि MLR न्यूनतम आर-स्क्वायर मान, उच्चतम माध्य वर्ग त्रुटि के मामले में सबसे खराब परिणाम दिखाता है। एल्गोरिदम रिग्रेशन ट्री को प्रथम-उत्कृष्ट, ANN-LMA को द्वितीय-अच्छा, LS-SVR को तृतीय-ठीक और MLR को रिग्रेशन त्रुटि मेट्रिक्स/प्रदर्शन मूल्यांकन मापदंडों के आधार पर अंतिम-खराब स्थान दिया गया है। इसलिए यह दृढ़ता से सुझाव दिया जाता है कि रिग्रेशन ट्री रनऑफ समय की भविष्यवाणी के लिए वायरलेस सेंसर नेटवर्क (WSN) नोड पर तैनात किया जाने वाला एक आदर्श मशीन लर्निंग-रिग्रेशन एल्गोरिदम है।