జర్నల్ ఆఫ్ కంప్యూటర్ ఇంజనీరింగ్ & ఇన్ఫర్మేషన్ టెక్నాలజీ

మెషిన్ లెర్నింగ్ బేస్డ్ యీల్డ్ ప్రిడిక్షన్ సిస్టమ్

ఓం మానే*, చంత్రిక RL, తన్వీర్ ముంగేకర్, ప్రీతి సాయి యెలిసెట్టి, బిందు శ్రీ మరియు జయ సుబలక్ష్మి ఆర్

వైల్డ్ బ్లూబెర్రీ పరిశ్రమ ఈశాన్య యునైటెడ్ స్టేట్స్‌లోని వ్యవసాయ రంగానికి గణనీయమైన సహకారాన్ని అందిస్తోంది. అయినప్పటికీ, అనూహ్య వాతావరణ పరిస్థితులు, నేల వైవిధ్యం మరియు తెగుళ్లు పంట దిగుబడిని గణనీయంగా ప్రభావితం చేస్తాయి, ఇది రైతులు మరియు వాటాదారులకు నష్టాలకు దారి తీస్తుంది. అందువల్ల, సమర్థవంతమైన వనరుల కేటాయింపు, మెరుగైన పంట నిర్వహణ మరియు సమర్థవంతమైన మార్కెటింగ్ వ్యూహాల కోసం ఖచ్చితమైన మరియు విశ్వసనీయమైన పంట దిగుబడి అంచనా నమూనాల అభివృద్ధి కీలకం. డెసిషన్ ట్రీ, లీనియర్ రిగ్రెషన్, XGBoost, LightGBM, రాండమ్ ఫారెస్ట్, AdaBoost, హిస్టోగ్రాం గ్రేడియంట్ బూస్టింగ్ మరియు CatBoost వంటి మెషిన్ లెర్నింగ్ అల్గారిథమ్‌లు ఇటీవలి సంవత్సరాలలో పంట దిగుబడి అంచనాకు గొప్ప సామర్థ్యాన్ని చూపించాయి. ఈ అల్గారిథమ్‌లు పెద్ద డేటాసెట్‌లను విశ్లేషించగలవు, నమూనాలను గుర్తించగలవు మరియు ఖచ్చితమైన అంచనాలను సృష్టించగలవు, రైతులకు పంటల నిర్వహణ, భవిష్యత్ దిగుబడులు మరియు వాణిజ్యీకరణపై అవసరమైన అంతర్దృష్టులను అందిస్తాయి. ఈ అధ్యయనంలో అభివృద్ధి చేయబడిన నమూనాలు రైతులు మరియు వాటాదారులను పంట ప్రణాళిక మరియు వనరుల కేటాయింపు గురించి సమాచారంతో నిర్ణయాలు తీసుకునేలా చేయగలవు, అడవి బ్లూబెర్రీ పరిశ్రమ యొక్క సామర్థ్యాన్ని మరియు స్థిరత్వాన్ని మెరుగుపరుస్తాయి. అదనంగా, మార్కెట్ భవిష్య సూచకులు ఈ నమూనాలను అడవి బ్లూబెర్రీస్ కోసం భవిష్యత్తులో డిమాండ్‌ను అంచనా వేయడానికి ఉపయోగించవచ్చు, ఇది సమర్థవంతమైన మార్కెటింగ్ వ్యూహాల అభివృద్ధిలో సహాయపడుతుంది. ముగింపులో, మెషిన్ లెర్నింగ్ అల్గారిథమ్‌లను ఉపయోగించడం ద్వారా ఖచ్చితమైన మరియు నమ్మదగిన పంట దిగుబడి అంచనా నమూనాల అభివృద్ధి వ్యవసాయ రంగంపై పెద్ద ప్రభావాన్ని చూపుతుంది, ముఖ్యంగా వాతావరణ వైవిధ్యం మరియు ఇతర కారకాలకు హాని కలిగించే వైల్డ్ బ్లూబెర్రీస్ వంటి పరిశ్రమలకు.