Der Klimawandel hat sich in den vergangenen zwei Jahrzehnten negativ auf die Leistung der meisten Kulturpflanzen in Indien ausgewirkt. Eine frühzeitige Vorhersage der Ernteerträge würde Landwirten und politischen Entscheidungsträgern bei der Festlegung geeigneter Vermarktungs-, Transport- und Lagerstrategien helfen. Die vorgeschlagene Methode wird den Landwirten helfen, den Ernteertrag vor der Kultivierung der landwirtschaftlichen Flächen zu bestimmen, so dass sie fundierte Entscheidungen treffen können. In dieser Arbeit werden zunächst die Faktoren ermittelt, die den Ernteertrag beeinflussen, um eine effektive Vorhersage des Ertrags zu ermöglichen. Temperatur, Bodenfeuchtigkeit, Feuchtigkeit, Sonneneinstrahlung und pH-Wert sind wichtige Faktoren. Es ist notwendig, Daten über diese Faktoren zu sammeln und zu analysieren, und es gibt verschiedene Möglichkeiten oder Algorithmen für eine solche Datenanalyse bei der Erntevorhersage, und mit Hilfe dieser Algorithmen kann der Ernteertrag vorhergesagt werden. In dieser vorgeschlagenen Methode möchten wir das Problem aus der Perspektive des maschinellen Lernens betrachten, indem wir verschiedene Algorithmen wie Random Forest, einfache lineare Regression (SLR) und neuronale Netze bewerten, um zu gewährleisten, dass der beste Algorithmus ausgewählt wird und die höchstmögliche Genauigkeit erreicht wird.
