Please use this identifier to cite or link to this item:https://hdl.handle.net/20.500.12259/88173
Type of publication: Straipsnis Clarivate Analytics Web of Science ar/ir Scopus / Article in Clarivate Analytics Web of Science or / and Scopus (S1)
Field of Science: Ekonomika / Economics (S004)
Author(s): Zuoza, Andrius;Zuoza, Aurelijus Kazys;Gargasas, Audrius
Title: Harvest prediction model based on public data for large regions
Other Title: Derliaus prognozės dideliems regionams modelis panaudojant viešuosius duomenis
Is part of: Vadybos mokslas ir studijos - kaimo verslų ir jų infrastruktūros plėtrai = Management theory and studies for rural business and infrastructure development: mokslo žurnalas / Aleksandro Stulginskio universitetas, Lietuvos agrarinės ekonomikos institutas. Akademija., T. 37, nr. 1 (2015)
Extent: p. 135-140
Date: 2015
Note: WOS:000436099200013
Keywords: Žemės ūkis;Derlius;Prognozė;Trąšos;Regresijos modelis;Agriculture;Harvest;Prediction;Fertilizer;Regresion model
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
Internet: http://mts.asu.lt/mtsrbid/article/view/919/936
http://mts.asu.lt/mtsrbid/article/view/919/936
Affiliation(s): Lietuvos sporto universitetas
Vytauto Didžiojo universitetas
Žemės ūkio akademija
Appears in Collections:Universiteto mokslo publikacijos / University Research Publications

Files in This Item:
marc.xml7.86 kBXMLView/Open

MARC21 XML metadata

Show full item record

Page view(s)

30
checked on Sep 13, 2019

Download(s)

2
checked on Sep 13, 2019

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.