Планирование посева и сбора урожая является важной частью растениеводства из-за его значительного влияния на другие факторы, такие как баланс возможностей для сбора урожая, потенциал урожайности, продажная цена, хранение и транспортировка. Планирование посева и сбора урожая кукурузы является сложной задачей, поскольку гибриды кукурузы имеют разные периоды посева, и, следовательно, неточное планирование посева и сбора урожая может привести к непостоянным и непредсказуемым еженедельным объемам урожая, а также к проблемам с логистикой и производительностью. В Syngenta Crop Challenge 2021 участникам было предоставлено несколько больших наборов данных, включая зарегистрированные исторические единицы дневной степени выращивания (GDU) двух участков, а также окна для посадки, требуемые GDU и количество урожая гибридов кукурузы, посаженных на этих двух участках, и их спросили запланировать даты посева и сбора урожая гибридов кукурузы в соответствии с двумя вариантами емкости хранилища, чтобы объекты не были перегружены в недели сбора урожая и имели стабильные еженедельные объемы урожая. Задача исследования включает в себя определение графика посева и сбора урожая гибридов кукурузы в двух случаях емкости хранилища: (1) с учетом максимальной емкости хранения и (2) без максимальной емкости хранения, чтобы определить наименьшую емкость хранения для каждого участка. Чтобы помочь улучшить планирование посева кукурузы и сбора урожая, мы предлагаем две модели линейного программирования смешанного целого числа (MILP) и эвристический алгоритм для решения этой проблемы для обоих случаев емкости хранилища. Ежедневные GDU необходимы для планирования посадки и сбора урожая, но они неизвестны в начале вегетационного периода. Таким образом, мы используем рекуррентные нейронные сети для прогнозирования еженедельных GDU в 70 недель и рассматриваем это как прогнозируемый сценарий GDU для решения этой проблемы. Кроме того, мы решаем эту проблему, рассматривая все заданные 10 исторических сценариев GDU с 2010 по 2019 год вместе для обоих случаев емкости хранилища, чтобы включить исторические GDU непосредственно в нашу модель, а не использовать прогнозируемые GDU. Наши обширные вычислительные эксперименты и результаты демонстрируют эффективность предложенных нами методов, которые могут обеспечить оптимальное планирование посадки и сбора урожая с учетом детерминированного сценария GDU и неопределенностей в исторических сценариях GDU для обоих случаев емкости хранилища, чтобы обеспечить стабильные еженедельные объемы урожая, которые ниже максимальной емкости.
