Abstrato

Uma comparação entre a memória de longo e curto prazo e o modelo oculto de Markov para prever a produção de milho na Nigéria

Nkemnole EB*, Adoghe VO

Devido ao aumento da população e às restrições às importações, o milho, uma cultura cerealífera fundamental em África, está a registar um boom na procura. Perante isto, o foco do estudo é determinar como a produção de milho na Nigéria interage com vários factores climáticos, particularmente a precipitação e a temperatura. O Modelo Oculto de Markov (HMM) e a rede neural Long Short-Term Memory (LSTM) são comparados neste contexto para avaliar o seu desempenho. Uma variedade de indicadores de desempenho, como a correlação, o erro percentual médio absoluto (MAPE), o erro padrão da média (SEM) e o erro quadrático médio (MSE), são utilizados para avaliar os modelos. Os resultados mostram que o HMM tem um melhor desempenho que o LSTM, com um RMSE de 1,21 e um MAPE de 12,98 a demonstrarem um melhor desempenho. Com base neste resultado, o HMM é então utilizado para prever o rendimento do milho, tendo em conta os efeitos da temperatura e da precipitação. As estimativas destacam a possibilidade de aumentar a produção local, demonstrando um ambiente favorável para a plantação de milho na Nigéria. A fim de ajudar o governo nigeriano nos seus esforços para aumentar a produção de milho a nível interno, estes estudos oferecem informações úteis.