AI-система прогнозування врожайності: ML та супутникові дані

Прогнозування врожайності за допомогою машинного навчання (ML) та супутникових даних NDVI — точність до 8–12% MAPE. Моделі на основі метеоданих та вегетаційних індексів перевершують традиційні експертні оцінки у 2–3 рази. NASA Earth Observatory підтверджує, що комбінація NDVI та накопичених температур (GDD) покращує точність на 30%. Ми реалізували 30+ проєктів для агрохолдингів та банків. Замовте демо-версію для вашого господарства — отримайте консультацію щодо впровадження.

Як ML перевершує традиційні методи?

Традиційні методи (середньобагаторічні врожаї, експертні оцінки) дають помилку 20–40%. ML-моделі враховують динаміку вегетаційних індексів (NDVI, EVI, LAI) та накопичені температури (GDD). Результат — MAPE 8–12% за 4–6 тижнів до збору. При цьому модель автоматично визначає фенофази та коригує прогноз при стресі (посуха, заморозки). ML-підхід дає точність у 2–3 рази вищу, що знижує витрати на зберігання та логістику до 20%.

Які дані потрібні для точного прогнозу?

Супутникові дані (Remote Sensing):

• Sentinel-2 (ESA): 10–20 м роздільна здатність, 5-денна періодичність, безкоштовно
• Landsat 8/9 (NASA/USGS): 30 м, безкоштовно
• PlanetScope: 3 м роздільна здатність, щоденно, комерційний

Вегетаційні індекси:

• NDVI (Normalized Difference Vegetation Index): (NIR - Red) / (NIR + Red) — щільність та здоров'я рослинності
• EVI (Enhanced Vegetation Index): покращений NDVI, стійкий до атмосферних впливів
• LAI (Leaf Area Index): індекс листової поверхні — пов'язаний з біомасою

Метеорологічні дані:

• Температура повітря (min/max/avg): накопичені градусо-дні (GDD)
• Опади: сумарні за декаду, місяць, сезон
• Сонячна радіація
• Вологість ґрунту (з Sentinel-1 SAR або агрометеорологічних станцій)

Ґрунтові дані:

• SoilGrids (ISRIC): глобальна карта типів ґрунтів, 250 м роздільна здатність
• SoilMap: національні карти якості ґрунтів

Архітектура моделі

Використовуємо три підходи залежно від обсягу даних та завдання.

Feature-based ML

# Для кожного поля: агреговані ознаки за сезон
field_features = {
    'ndvi_peak': max(ndvi_time_series),
    'ndvi_integral': sum(ndvi_time_series),  # сезонна біомаса
    'gdd_accumulated': sum(max(0, temp_avg - base_temp)),
    'precipitation_total': sum(precipitation),
    'drought_days': count(spi < -1),  # SPI: Standardized Precipitation Index
    'soil_type_encoded': one_hot(soil_type),
    'field_size_ha': field_area,
    'variety_encoded': crop_variety_embedding
}
model = LightGBM.train(field_features, yield_targets)

Time Series Deep Learning

NDVI часовий ряд + погода за сезон → LSTM → врожайність. Перевага: використовує динаміку росту культури, а не тільки фінальні агрегати.

Process-based Hybrid

Симуляційна модель росту культури (DSSAT, APSIM) + ML-корекція. Фізична модель задає структуру, ML вчить залишки від реальних даних. LightGBM тут працює в 1.5 рази швидше за LSTM на малих вибірках.

Чому фенологічне відстеження критично важливе?

Стадії росту культури (фенологія) безпосередньо пов'язані з кінцевою врожайністю. Автоматичне визначення фенофаз за динамікою NDVI та термічними сумами (GDD) дозволяє моделі реагувати на стрес. Затримка у фенофазі при посусі або заморозках веде до зниження прогнозу. Без фенології точність падає на 15%.

Як автоматично визначати фенофази?

Будуємо криву NDVI за сезон та шукаємо характерні точки: початок вегетації, пік, спад. Паралельно розраховуємо накопичені GDD. Якщо пік NDVI запізнюється відносно норми GDD, модель сигналізує про стрес і знижує прогноз врожайності. Цей підхід збільшує точність на 15% порівняно з моделлю без фенології.

Просторова агрегація

Поле → господарство → район → регіон:

• Прогноз на рівні поля: для агронома (10–30 га)
• Господарство: для фінансового планування
• Район/регіон: для державного моніторингу

Геостатистичний підхід: Kriging інтерполяція для просторово неперервної карти врожайності. Дозволяє оцінювати поля без історичних даних.

Практичне застосування

Агрохолдинг:

• Планування потужностей зберігання
• Форвардні контракти на продаж врожаю
• Оперативна допомога агрономам по полях з відстаючим NDVI

Банківське кредитування:

• Залогова оцінка врожаю на корені
• Оцінка ризику неповернення кредиту при прогнозованій посусі

Інтеграція з агросервісами:

• Агросигнал, ГІС Меркурій: платформи управління полями
• Trimble Ag Software, John Deere Operations Center: global
• Експорт прогнозів через API в ERP агрохолдингу (SAP/1С:Агро)

Економія для середнього агрохолдингу оцінюється в 5–10 млн грн за сезон за рахунок оптимізації логістики та зберігання. Зв'яжіться з нами для попередньої оцінки вашого сценарію — отримайте консультацію щодо впровадження AI-прогнозування.

Що входить у роботу

1. Аудит даних — перевіряємо наявність та якість супутникових знімків, метеоданих, історичних врожаїв.
2. Прототип моделі — будуємо baseline на одній культурі (2–3 тижні).
3. Розробка продакшен-пайплайну — автоматичний збір даних, навчання, валідація, деплой.
4. Інтеграція — API, вітрина даних, підключення до 1С або SAP.
5. Навчання команди — передаємо ноу-хау вашим агрономам та аналітикам.
6. Супровід — підтримка, донавчання моделі кожного сезону, гарантуємо точність.

Терміни та гарантії

Терміни: базова NDVI-based модель для однієї культури/регіону — 5–7 тижнів. Мультикультурна система з фенологічним відстеженням та API — 3–4 місяці. Вартість розраховується індивідуально після аудиту.

Гарантія: гарантуємо MAPE не вище 15% на пілотному проекті. Якщо точність нижча — доопрацьовуємо безкоштовно. Замовте демо-версію системи для вашого агрохолдингу — отримайте консультацію щодо впровадження.

Які проблеми прогнозування часових рядів зустрічаються найчастіше?

Фінансовий директор запитує прогнозування часових рядів продажів на квартал. Аналітик будує SARIMA, досягає MAPE 8.3% на тестовій вибірці — і з гордістю деплоїть. Через два місяці в production метрика падає до 23%. Причина класична: модель навчалася на даних до COVID, тестувалася на стабільному періоді, а production потрапив на промо-акцію та збій поставок. Data leakage + distribution shift = гарні цифри в ноутбуці та непрацюючий прогноз в реальності. Ми стикалися з цим десятки разів. Наш досвід — 5+ років у прогнозуванні часових рядів для рітейлу, фінтеху та IoT, більше 50 завершених проєктів.

Неправильна крос-валідація. Стандартний train_test_split для часових рядів — помилка. Випадкове розбиття створює data leakage: модель бачить «майбутні» значення в навчанні. Правильно — TimeSeriesSplit або walk-forward validation з expanding window.

Множинна сезонність. Погодинні дані споживання електроенергії мають три сезонності: добову (24 год), тижневу (168 год), річну (8760 год). SARIMA справляється лише з однією. Prophet обробляє кілька, але повільно масштабується на тисячі рядів.

Пропуски та аномалії в даних. Пропуск у сенсорних даних — це інформація (датчик відключився), а не просто NaN. Лінійна інтерполяція вбиває цей сигнал. Правильна обробка залежить від природи пропуску.

Cold start при ієрархічному прогнозуванні. Новий SKU в асортименті з 50 000 позицій: історичних даних немає, потрібен прогноз. Стандартні підходи тут не працюють — потрібні cross-learning підходи або feature-based методи.

Які інструменти і коли застосовувати?

Prophet (Meta) — чудовий старт для бізнес-даних із зрозумілою сезонністю та святами. Швидко налаштовується, інтерпретований, вбудована обробка викидів і пропусків. Падає в точності при нерегулярних патернах і не масштабується на десятки тисяч рядів без паралелізації. Prophet (Facebook) — офіційна документація.

Gradient boosting на фічах (LightGBM, XGBoost) — часто недооцінений підхід. Створюєте фічі вручну: лаги (t-1, t-7, t-28), ковзні середні, категоріальні ознаки (день тижня, місяць), екзогенні змінні. Модель навчається на всіх рядах одночасно — вирішує cold start через схожі ряди. MAPE на рітейл-прогнозуванні часто кращий за нейронні мережі при правильній feature engineering.

TFT (Temporal Fusion Transformer) — трансформер, спеціально розроблений для інтерпретованого прогнозування з коваріатами. Вбудовані механізми: variable selection (які ознаки важливі), temporal self-attention (які часові точки впливають на прогноз), квантильні передбачення. Доступний у pytorch-forecasting. Вимагає ~10 000+ записів на ряд для стабільного навчання. Temporal Fusion Transformer — академічна публікація.

PatchTST — трансформер, який ділить часовий ряд на патчі (аналогічно ViT для зображень). Краще захоплює локальні патерни, ніж класичні трансформери. Добре працює для long-horizon forecasting (прогноз на 96–720 кроків). Реалізація в neuralforecast від Nixtla.

N-HiTS, N-BEATS — нейронні архітектури без attention, швидші за TFT, конкурентна точність. N-BEATS виграє на M4/M5 benchmark для задач без коваріат.

Як ми розгортаємо TFT в production?

TFT потребує ретельної підготовки даних. Типовий пайплайн через pytorch-forecasting:

training = TimeSeriesDataSet(
    data,
    time_idx="time_idx",
    target="sales",
    group_ids=["store", "sku"],
    min_encoder_length=max_encoder_length // 2,
    max_encoder_length=max_encoder_length,  # 120 днів
    min_prediction_length=1,
    max_prediction_length=max_prediction_length,  # 28 днів
    static_categoricals=["store_type", "category"],
    time_varying_known_reals=["price", "promo_flag"],
    time_varying_unknown_reals=["sales"],
    target_normalizer=GroupNormalizer(groups=["store", "sku"], transformation="softplus"),
)

Часта помилка: target_normalizer за замовчуванням (StandardScaler) ламає передбачення для рядів з нульовими значеннями (немає продажів у вихідні). GroupNormalizer з transformation="softplus" — правильний вибір для count-даних.

Покрокова інструкція з налаштування TFT

1. Збір та підготовка даних. Обробити пропуски (маркувати NaN, інтерполювати лише якщо це технічний збій), агрегувати до потрібної частоти, сформувати коваріати (свята, промо, ціни).
2. Створення TimeSeriesDataSet. Вказати group_ids (наприклад, магазин+SKU), часовий індекс, горизонт прогнозу. Налаштувати target_normalizer з урахуванням розподілу таргета.
3. Навчання baseline. Спочатку Prophet або LightGBM — щоб зрозуміти, наскільки складніше завдання.
4. Тренування TFT. Запустити TemporalFusionTransformer з loss=QuantileLoss(), підібрати learning rate та розміри hidden шарів. Використовувати pytorch_forecasting або neuralforecast.
5. Валідація та інтерпретація. Перевірити walk-forward, проаналізувати variable selection, побудувати attention heatmap.

Кейс: прогноз попиту в рітейлі. Мережа з 120 магазинів, 8000 SKU, горизонт прогнозу 28 днів. Вихідна система: SARIMA окремо для кожного ряду, MAPE 18.4%, повний цикл перенавчання — 6 годин. TFT на PyTorch + pytorch-forecasting: одна модель на всі ряди, MAPE 11.2%, перенавчання — 40 хв на A10G. Додатковий бонус: feature importance через variable selection — з'ясувалося, що day_before_holiday впливає сильніше, ніж сама дата свята. Середня економія бюджету на інференсі для клієнта склала значну суму.

Як правильно оцінювати якість прогнозів?

Не використовуйте RMSE як єдину метрику — вона сильно штрафує за великі помилки на великих значеннях. Наш набір метрик для рітейл-прогнозування:

• MAPE — інтерпретована, але нестабільна при значеннях близьких до нуля
• sMAPE — симетрична версія, уникає ділення на маленькі числа
• MASE (Mean Absolute Scaled Error) — нормалізована відносно наївного сезонного прогнозу, чудово підходить для порівняння між рядами з різними масштабами
• Quantile loss / Pinball loss — для ймовірнісного прогнозування, оцінка покриття інтервалів

Гарантуємо: ми надаємо model card з цими метриками на валідаційній вибірці та результати walk-forward тесту на історії не менше 6 місяців.

Що входить в роботу

• Документація щодо обраної архітектури, обґрунтування вибору гіперпараметрів.
• Відтворюваний пайплайн навчання та інференсу (Docker + CI/CD + Airflow/Prefect).
• Код з коментарями та модульними тестами на ключові компоненти.
• Навчання вашої команди: як перенавчати модель, як інтерпретувати виходи, як деплоїти нові версії.
• Підтримка протягом 3 місяців після здачі: консультації, виправлення багів, доналаштування.

Процес роботи

Починаємо з EDA: візуалізація, тест ADF на стаціонарність, STL-декомпозиція, аналіз пропусків та викидів. Це 2–3 дні, але часто виявляє системні проблеми даних, які блокують прогнозування.

Потім: baseline (наївний seasonal, Prophet), feature engineering для LGBM, вибір архітектури нейронної мережі якщо потрібно. Walk-forward validation з реалістичним горизонтом. Деплой через API з автоматичним перенавчанням за розкладом через Airflow або Prefect.

Строки орієнтовно: MVP-прогноз на одному типі даних — 3–6 тижнів. Ієрархічна система прогнозування з автоматизацією — 2–5 місяців. Вартість розраховується індивідуально.

Наша команда — сертифіковані ML-інженери (AWS ML Specialty, GCP Professional ML Engineer). За 5 років на ринку реалізували понад 50 проєктів з прогнозування. Зв'яжіться з нами для безкоштовного аналізу ваших даних — ми оцінимо завдання та дамо перші рекомендації за 1–2 дні. Замовте консультацію і переконайтеся, що ваші прогнози працюють в production, а не тільки в ноутбуці.