Harvest prediction model based on public data for large regions

Abstract

Derliaus prognozė yra svarbi ne tik ūkininkams, bet ir maisto pramonei, transporto kompanijoms, prekybininkams, pasaulinėms humanitarinės pagalbos organizacijoms. Prognozių tikslumas lemia geresnį darbo planavimą ir kitų išteklių paskirstymą derliaus nuėmimo. Straipsnyje nagrinėjama pagrindinių trąšų komponentų (azoto, fosforo, kalio ir kalcio) ir aplinkos veiksnių įtaka grūdų derliui. Straipsnio tikslas – sudaryti regresinį modelį, kuris geriausiai aprašo grūdų derliaus prognozę, remiantis viešai prieinamais (nemokamais) duomenimis. Straipsnyje pateiktas regresijos modelis paaiškina 78 proc. (R2) derliaus reikšmių sklaidos. Sudarytas modelis rodo, kad prognozės tikslumas ženkliai padidėja, jei modelis papildomas aplinkos kintamaisiais. Prognozės paklaida 3,89. Visi skaičiavimai atliekami remiantis Vokietijos duomenimis

This article describe harvest prediction model for the country or for the big region on the public available data. In the article are analysed impact of main fertilizers component and environmental variables to the grain harvest The aim of the article was to create regression model, which best describes grain harvest prediction on public (free) available data. Created final regression model explain 78% (R2) of the variation in the harvest result. Presented model show, that prediction accuracy significantly increase if environmental variables are added. Prediction accuracy (RMSE) of the final regression model was 3,89. All calculation was made on the example of the Germany