Prediction de l’humidité

Une fois collectées, ces données sont ensuite traitées par des systèmes informatiques
avancés. Deux méthodes sont utilisées pour la prédiction du sol. Dans un premier temps, les données
du dispositif de collecte des données sur le terrain et celles de la station météorologique sont
entrainées dans un modèle SVR. Dans un second temps, cette valeur prédite est utlisée comme une
valeur d’entrée, avec les données de la plateforme de météo pour etre entrainées dans un modèle de
K-means afin de trouver une bonne précision.
Le tableau suivant représente les résultats de la prédiction du sol par la méthode de SVR et
celle de SVR + K-mean

Les résultats obtenus avec le SMD par SVR ont montré une précision satisfaisante dans la
prédiction de l'humidité du sol, mais des lacunes subsistent, notamment dans la prise en compte des
variations locales et des conditions spécifiques du sol. Cette méthode, bien que solide, ne parvient
pas toujours à capturer des nuances subtiles qui peuvent être cruciales pour la gestion agricole.
En revanche l'algorithme combiné SVR + k-means offre une amélioration significative de la
précision des prédictions. En utilisant le clustering k-means pour regrouper les données en fonction
de similitudes locales, cette méthode tient compte des variations régionales et des caractéristiques
spécifiques du sol. Cela se traduit par des prédictions plus fines et plus précises de l'humidité du sol,
ce qui est essentiel pour une gestion agricole optimale.
 Les résultats de ces prédictions sont affichés via un site web dédié, où les agriculteurs
peuvent surveiller en temps réel les conditions de leurs champs. Ces plateformes offrent également
des fonctionnalités de suivi historique, permettant aux agriculteurs d'analyser les tendances sur
plusieurs saisons de croissance
La Figure suivant offre un aperçu visuel des différentes prévisions d’humidité faite sur un
intervalle de quatre jours de jours.

Une historique est fournie pour pouvoir visualiser les variations de l’humidité mesurée par
les capteurs et celle de la prédiction.