CCL

Összesen 5 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM111452
035-os BibID:(cikkazonosító)1297 (Scopus)85160411163 (WoS)000994795300001
Első szerző:Harsányi Endre (agrármérnök)
Cím:Data Mining and Machine Learning Algorithms for Optimizing Maize Yield Forecasting in Central Europe / Endre Harsányi, Bashar Bashir, Sana Arshad, Akasairi Ocwa, Attila Vad, Abdullah Alsalman, István Bácskai, Tamás Rátonyi, Omar Hijazi, Adrienn Széles, Safwan Mohammed
Dátum:2023
ISSN:2073-4395
Megjegyzések:Artificial intelligence, specifically machine learning (ML), serves as a valuable tool for decision support in crop management under ongoing climate change. However, ML implementation to predict maize yield is still limited in Central Europe, especially in Hungary. In this context, we assessed the performance of four ML algorithms (Bagging (BG), Decision Table (DT), Random Forest (RF) and Artificial Neural Network-Multi Layer Perceptron (ANN-MLP)) in predicting maize yield based on four different input scenarios. The collected data included both agricultural data (production (PROD) (ton) and maize cropped area (AREA) (ha)) and climate data (annual mean temperature ?C (Tmean), precipitation (PRCP) (mm), rainy days (RD), frosty days (FD) and hot days (HD)). This research adopted four scenarios, as follows: SC1: AREA+ PROD+ Tmean+ PRCP+ RD+ FD+ HD; SC2: AREA+ PROD; SC3: Tmean+ PRCP+ RD+ FD+ HD; and SC4: AREA+ PROD+ Tmean+ PRCP. In the training stage, ANN-MLP-SC1 and ANN-MLP-SC4 outperformed other ML algorithms; the correlation coefficient (r) was 0.99 for both, while the root mean squared errors (RMSEs) were 107.9 (ANN-MLP-SC1) and 110.7 (ANN-MLP-SC4). In the testing phase, the ANN-MLP-SC4 had the highest r value (0.96), followed by ANN-MLP-SC1 (0.94) and RF-SC2 (0.94). The 10-fold cross validation also revealed that the ANN-MLP-SC4 and ANN-MLP-SC1 have the highest performance. We further evaluated the performance of the ANN-MLP-SC4 in predicting maize yield on a regional scale (Budapest). The ANN-MLP-SC4 succeeded in reaching a high-performance standard (r = 0.98, relative absolute error = 21.87%, root relative squared error = 20.4399% and RMSE = 423.23). This research promotes the use of ANN as an efficient tool for predicting maize yield, which could be highly beneficial for planners and decision makers in developing sustainable plans for crop management.
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
maize yield
climate
multilayer perceptron
random forest
optimum model
Megjelenés:Agronomy-Basel. - 13 : 5 (2023), p. 1-22. -
További szerzők:Bashir, Bashar Arshad, Sana Ocwa, Akasairi (1987-) (Crop scientist) Vad Attila (1981-) (agrármérnök) Alsalman, Abdullah Bácskai István (1985-) (Okleveles gépészmérnök) Rátonyi Tamás (1967-) (agrármérnök) Hijazi, Omar Széles Adrienn (1980-) (okleveles agrármérnök) Mohammed Safwan (1985-) (agrármérnök)
Pályázati támogatás:TKP2021-NKTA-32
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM095340
Első szerző:Harsányi Endre (agrármérnök)
Cím:Soil mapping with the veris U3 soil scanner in a precision farm in Hungary / Harsányi Endre, Rátonyi Tamás, Széles Adrienn, Fejér Péter, Bácskai István, Ragán Péter
Dátum:2020
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok nem besorolt
egyéb
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Széles Adrienn (1980-) (okleveles agrármérnök) Fejér Péter (1981-) (agrármérnök) Bácskai István (1985-) (Okleveles gépészmérnök) Ragán Péter (1986-) (környzetgazdálkodási agrármérnök)
Pályázati támogatás:GINOP-2.2.1-15-2016-00001
GINOP
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM095356
Első szerző:Ragán Péter (környzetgazdálkodási agrármérnök)
Cím:Kamerával szerelt drónok alkalmazhatósága a mezőgazdaságban : Tápanyag reakciók és táblán belüli heterogenitás vizsgálata / Ragán Péter, Bácskai István, Széles Adrienn, Harsányi Endre, RátonyiTamás
Dátum:2020
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok ismeretterjesztő, népszerűsítő cikk
folyóiratcikk
Megjelenés:Mezőgazdasági Technika. - 61 : 11 (2020), p. 12-14. -
További szerzők:Bácskai István (1985-) (Okleveles gépészmérnök) Széles Adrienn (1980-) (okleveles agrármérnök) Harsányi Endre (1976-) (agrármérnök) Rátonyi Tamás (1967-) (agrármérnök)
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM095346
Első szerző:Ragán Péter (környzetgazdálkodási agrármérnök)
Cím:A cheap alternative to data management and creating of yield maps of small-plot field experiments / Ragán Péter, Rátonyi Tamás, Széles Adrienn, Fejér Péter, Bácskai István, Harsányi Endre
Dátum:2020
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok előadáskivonat
könyvrészlet
Megjelenés:Proceedings of the 1st African Conference on Precision Agriculture. - p. 105-111.
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Széles Adrienn (1980-) (okleveles agrármérnök) Fejér Péter (1981-) (agrármérnök) Bácskai István (1985-) (Okleveles gépészmérnök) Harsányi Endre (1976-) (agrármérnök)
Pályázati támogatás:GINOP-2.2.1-15-2016-00001
GINOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM095365
Első szerző:Rátonyi Tamás (agrármérnök)
Cím:Preparation of a precision ripping plan using manual vertical penetrometer measurements / Rátonyi Tamás, Ragán Péter, Széles Adrienn, Fejér Péter, Bácskai István, Harsányi Endre
Dátum:2020
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok előadáskivonat
könyvrészlet
Megjelenés:Proceedings of the 1st African Conference on Precision Agriculture. - p. 103-106
További szerzők:Ragán Péter (1986-) (környzetgazdálkodási agrármérnök) Széles Adrienn (1980-) (okleveles agrármérnök) Fejér Péter (1981-) (agrármérnök) Bácskai István (1985-) (Okleveles gépészmérnök) Harsányi Endre (1976-) (agrármérnök)
Pályázati támogatás:GINOP-2.2.1-15-2016-00001
GINOP
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.