Abstrait

Comparaison entre la mémoire à long terme et le modèle de Markov caché pour prédire la production de maïs au Nigéria

Nkemnole EB*, Adoghe VO

En raison de l'augmentation de la population et des contraintes d'importation, le maïs, une céréale essentielle en Afrique, connaît une forte demande. Dans ce contexte, l'étude vise à déterminer comment la production de maïs au Nigéria interagit avec divers facteurs climatiques, notamment les précipitations et la température. Le modèle de Markov caché (HMM) et le réseau neuronal à mémoire à long terme (LSTM) sont comparés dans ce contexte pour évaluer leurs performances. Divers indicateurs de performance, tels que la corrélation, l'erreur absolue moyenne en pourcentage (MAPE), l'erreur standard de la moyenne (SEM) et l'erreur quadratique moyenne (MSE), sont utilisés pour évaluer les modèles. Les résultats montrent que le HMM est plus performant que le LSTM, avec un RMSE de 1,21 et un MAPE de 12,98 démontrant une meilleure performance. Sur la base de ce résultat, le HMM est ensuite utilisé pour prévoir le rendement du maïs tout en tenant compte des effets de la température et des précipitations. Les estimations mettent en évidence la possibilité d'augmenter la production locale en démontrant un environnement favorable à la plantation de maïs au Nigéria. Afin d’aider le gouvernement nigérian dans ses efforts pour accroître la production nationale de maïs, ces études offrent des informations utiles.