Onderzoekers van het College of Information Sciences and Technology nemen maatregelen om het alarmerende aantal zelfmoorden onder boeren met schulden in India aan te pakken. door een diepgaand lerend algoritme te ontwikkelen als eerste stap in een beslissingsondersteunend systeem dat toekomstige marktwaarden van gewassen zou kunnen voorspellen.

Meer dan 11, 000 Indiase boeren pleegden zelfmoord in 2016, volgens het National Crime Records Bureau. Hoewel het hoge aantal dodelijke slachtoffers door zelfverwonding kan worden toegeschreven aan een aantal redenen, financiële problemen en het onvermogen om gewassen te verkopen als gevolg van wijdverbreide schommelingen in de productmarktprijzen van het land is een van hen, volgens Amulya Yadav, assistent-professor informatiewetenschappen en technologie en hoofdonderzoeker van het project.

"In India, de regering heeft minimumsteunprijzen voor gewassen vastgesteld, maar probeert deze prijzen niet expliciet aan de kopers op te dringen, "zei Yadav. "De werkelijke prijs waartegen het gewas op de markt wordt verkocht, is gebaseerd op vraag en aanbod."

Yadav legde uit dat veel Indiase boeren leningen afsluiten om zaden te kopen, kunstmest en apparatuur, en om hun oogst naar de markt te vervoeren. Maar als de boeren niet in staat zijn hun gewassen te verkopen tegen minimale ondersteuningsprijzen, ze kunnen hun leningen niet terugbetalen of winst maken om zichzelf te onderhouden, wat leidt tot financiële problemen.

Overheidsmarkten zullen gewassen kopen tegen de minimumsteunprijzen, maar deze markten zijn soms ver weg van boerendorpen, wat extra transport- en brandstofkosten oplevert. Yadav merkt ook op dat er vaak lange rijen staan ​​op de markten en dat de overheid maar een beperkt quotum zal kopen.

"Dus de overgebleven mensen zullen terug moeten, en ze hebben veel geld verspild, "zei hij. "Ze verkopen hun gewassen uiteindelijk aan externe leveranciers die geen minimale ondersteuningsprijzen garanderen, en [de boeren] maken geen winst."

Yadav streeft ernaar het leven van boeren te verbeteren door hen te helpen toekomstige marktprijzen te voorspellen. Het algoritme dat zijn team heeft ontwikkeld, kan toekomstige marktprijzen nauwkeurig voorspellen op basis van prijs- en volumepatronen uit het verleden.

"Dit systeem gaat ervan uit dat je probeert de winst van een enkele boer te maximaliseren, "zei Yadav. "We proberen hem of haar een voorspelling te doen over waar en wanneer ze hun oogst moeten verkopen."

Hij ging verder, "In plaats van hun gewassen de volgende dag na de oogst op de lokale markt te verkopen, dit algoritme zou mogelijk een aanbeveling kunnen geven dat ze vijf dagen moeten wachten en 40 kilometer naar een andere markt moeten reizen, waar de prijzen naar verwachting zeer hoog zullen zijn."

Om het algoritme te maken, Yadav en zijn team analyseerden datarecords van meer dan 1, 300 Indiase markten van de afgelopen 11 jaar, die maximum- en minimumprijzen omvatte van elk gewas dat op elke markt werd verkocht. Vervolgens, ze ontwikkelden een deep learning-model om bruikbare patronen uit die gegevens te vinden. Uit de onderzoeken van het team blijkt dat hun model beter presteert dan de huidige standaard.

"Dit geeft ons hoop dat we nu doorgaan en proberen het hele systeem te bouwen dat we voor ogen hebben, "zei Yadav. "Als het systeem eenmaal is gebouwd, we hebben goede hoop dat het boeren kan helpen de winst die ze verdienen te maximaliseren. En hopelijk als indirect voordeel leiden tot minder zelfmoorden onder boeren in India en in andere landen over de hele wereld."

Yadav werkte samen met Alexander Woodruff, 2019 afgestudeerd aan Penn State in informatiewetenschappen en technologie, en Hangzhi Guo, een student aan de Wenzhou Kean University. Ze presenteerden hun onderzoek eerder deze maand op de Association for the Advancement of Artificial Intelligence Conference over AI.