ETD

• agricultural mechanics
• ML
• predictive model
• tree-based model

This thesis presents the work carried out during the internship at the Department of Agricultural and Food Sciences of the University of Bologna. The main objective of the thesis is to develop a model for predicting the fuel consumption of agricultural machinery during field work. The research follows a planning-oriented approach, therefore, all parameters that are known after or during the activity are excluded. The model combines an engineering equation with machine learning models, specifically the XGBoost Regressor.

La tesi presenta il lavoro svolto durante il progetto formativo presso il Dipartimento di Scienze Agro-Alimentari dell’Università di Bologna. Il principale obiettivo della tesi è lo sviluppo di un modello per la predizione dei consumi di carburante delle macchine agricole durante il lavoro in campo. Una caratteristica fondamentale dei parametri utilizzati è che sono noti prima di iniziare l’attività, vengono quindi esclusi tutti i parametri che sono noti solo dopo o durante l’attività. Questa scelta è determinata dalla volontà di fornire uno strumento ai consumatori finali che permetta la pianificazione delle attività e del budget. Il modello presentato combina un’equazione ingegneristica con modelli di machine learning, in particolare il XGBoost Regressor. I risultati mostrano che, utilizzando solo i parametri noti ex-ante, è possibile fornire una stima dei consumi di carburante entro ragionevoli range di errore.