Résumé:
L'évolution dans le domaine de l'agriculture a connu une transformation majeure grâce à
l'adoption de l'irrigation intelligente, alimenté par l'intelligence artificielle (IA) et les techniques
d'apprentissage automatique (ML), telles que les forêts aléatoires (RF), l'apprentissage profond (DL)
et les réseaux de neurones récurrents (RNN).
Cette étude présente l'entraînement et l'évaluation de la performance des deux modèles, la forêt
aléatoire et les réseaux de neurones récurrents, pour déterminer le moment optimal et la quantité d'eau
nécessaire, dans le but d'améliorer la précision des prévisions et des décisions en matière d'irrigation
tout en réduisant l'intervention humaine.
