Show simple item record

dc.contributor.authorBurges, Benjamin
dc.contributor.authorWagner, Peter
dc.contributor.editorClasen, Michael
dc.contributor.editorHamer, Martin
dc.contributor.editorLehnert, Susanne
dc.contributor.editorPetersen, Brigitte
dc.contributor.editorTheuvsen, Brigitte
dc.date.accessioned2018-10-10T08:18:10Z
dc.date.available2018-10-10T08:18:10Z
dc.date.issued2014
dc.identifier.isbn978-388579-620-6
dc.identifier.issn1617-5468
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/17103
dc.description.abstractDie Anforderungen an die moderne Landwirtschaft bedingen einen effizienten Ressourceneinsatz, auch bei der N-Düngung. Ökonomisch optimierte Entscheidungsregeln wurden mit Künstlichen Neuronalen Netzen (KNN) und Support-Vector-Machines (SVM) erzeugt und in der Anwendung mit einer betriebseinheitlichen Variante verglichen. Es zeigte sich, dass Einsparpotentiale von bis zu 69 kg N/ha möglich sind (KNN), diese aber unter geostatistischer Beurteilung mit einer signifikanten Ertragsminderung einhergehen. Das SVM-Modell appliziert, bei gleichem Ertrag wie in der betriebseinheitlichen Variante, 20 kg N/ha weniger. Die Stickstoffeffizienz steigt um 10\% auf 17.5 kg N/t Ertrag (SVM) bzw. um 30\% auf 13.7 kg N/t Ertrag (KNN) im Vergleich zur betriebsüblichen Variante (19.5 kg N/t Ertrag).de
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofIT-Standards in der Agrar- und Ernährungswirtschaft – Fokus: Risiko- und Krisenmanagement
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-229
dc.titleSteigerung der N-Effizienz durch den Einsatz Künstlicher Neuronaler Netze und Support-Vector-Machines zur kleinräumig differenzierten Stickstoffdüngung im Winterweizende
dc.typeText/Conference Paper
dc.pubPlaceBonn
mci.reference.pages29-32
mci.conference.sessiontitleRegular Research Papers
mci.conference.locationBonn
mci.conference.date24.-25. Februar 2014


Files in this item

Thumbnail

Show simple item record