Prognozowanie cen plonów z wykorzystaniem Temporal Fusion Transformer dla okręgu Krishna w stanie Andhra Pradesh

Indyjscy rolnicy borykają się z ciągłą zmiennością dochodów spowodowaną wahaniami cen rynkowych, co negatywnie wpływa na ich kondycję finansową i długoterminową stabilność. Aby rozwiązać ten problem, zaproponowano ulepszony model Temporal Fusion Transformer (TFT) – najnowocześniejszy model uczenia głębokiego – przeznaczony do prognozowania szeregów czasowych, który znajduje zastosowanie w przewidywaniu cen produktów rolnych. Model TFT uwzględnia kluczowe czynniki, w tym opady deszczu i temperaturę, wcześniejsze trendy cenowe oraz presję rynkową, dostarczając rolnikom dokładne i przydatne prognozy. Model sprawdził się podczas szkolenia na dużej bazie danych z dystryktu Krishna w stanie Andhra Pradesh w Indiach w okresie od stycznia 2017 r. do września 2024 r. Model TFT osiągnął RMSE na poziomie 99,13, MAPE na poziomie 2,16%, MAE na poziomie 72,08 oraz wskaźnik dokładności wynoszący 93,24%. System pozwala również rolnikom porównać prognozę z MSP i daje im bardzo precyzyjne sugestie dotyczące maksymalizacji przychodów. Umożliwia to rolnikom podejmowanie proaktywnych decyzji i wspiera świadome podejście do podejmowania decyzji poprzez łagodzenie zmienności cen i stabilizację dochodów.