Kalibracja prognoz: Wykorzystanie danych z poprzedniego sezonu w celu poprawy dokładności
Miejscy ogrodnicy borykają się ze wspólnym problemem. Harmonogram sadzenia wygląda idealnie na papierze, ale zawodzi w terenie. Nawet niewielkie zmiany w kiełkowaniu lub pogodzie mogą zamienić Twoje plany w zmarnowane uprawy lub utracone zyski. Możesz to naprawić, przekształcając dzienniki zbiorów w pętlę zwrotną dla swoich planów AI.
Model Audytu Prognoz
Główna zasada jest prosta. Porównujesz prognozy AI z tym, co wydarzyło się w rzeczywistości. Znajdujesz luki i wprowadzasz te spostrzeżenia z powrotem do swojego modelu.
Użyj HarvestLog Tracker, aby rejestrować każde wydarzenie związane ze zbiorami. Powinieneś śledzić rzeczywistą datę, rozstaw roślin, wskaźnik kiełkowania, wagę, ID grządki oraz odmianę uprawy. Potrzebujesz również notatek na temat pogody i szkodników.
Na podstawie tego dziennika obliczasz dwie metryki:
- Błąd plonowania: (Rzeczywisty minus Prognozowany) podzielony przez Prognozowany.
- Błąd terminowy: Rzeczywista data zbiorów minus Prognozowana data zbiorów.
Grupowanie tych błędów według rodziny roślin lub lokalizacji grządki pozwala wykryć wzorce. Możesz odkryć np. 15-procentowe niedoszacowanie dla kapustowatych w cieniu lub 7-dniowe opóźnienie dla marchwi wiosennej. Dostosowanie założeń AI, takich jak wskaźniki kiełkowania czy dni do dojrzałości, pozwoli dopasować kolejny sezon do rzeczywistych warunków.
Zeszłej wiosny Twoje AI przewidziało 30 funtów sałaty z Grządki 4. Twój HarvestLog Tracker wykazał jedynie 22 funty zebranych z dziesięciodniowym opóźnieniem. Ten błąd pokazał, że Twój model zakładał cieplejszą glebę i lepsze kiełkowanie, niż miało to miejsce w rzeczywistości.
Jak to wdrożyć
Zbieranie danych: Przenieś swój główny plan AI i prognozy plonów do HarvestLog Tracker. Dodaj rzeczywiste dane o zbiorach dla każdej grządki i odmiany.
Analiza luk: Użyj trackera, aby znaleźć błędy w plonowaniu i terminach. Szukaj wzorców w rodzinach roślin lub oknach sadzenia, które przekraczają dopuszczalne limity błędów.
Aktualizacja parametrów: Wykorzystaj te wzorce do zmiany zmiennych wejściowych AI. Dostosuj wskaźniki kiełkowania lub dni do dojrzałości na podstawie swoich ustaleń, a następnie wygeneruj nowy plan.
Podsumowanie
- Cotygodniowy dziennik zbiorów przekształca surowe dane w lepsze prognozy.
- Pomiar błędów plonowania i terminów w podziale na uprawy i grządki ujawnia błędy systematyczne modelu.
- Wprowadzanie tych błędów z powrotem do AI tworzy cykl planowania dopasowany do Twojego gospodarstwa.
Opcjonalna społeczność edukacyjna: https://t.me/GyaanSetuAi