Авторы:
А. А. Дубовицкий,
Э. А. Климентова
Мичуринский государственный аграрный университет, Мичуринск, Россия
E-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Аннотация. Цель – обоснование применимости использования искусственных нейронных сетей к прогнозированию агропродовольственных экономических систем. Методы. Исследование основано на использовании элементов интерпретативного метода в сочетании генетического, структурного, функционального, комплексного, системного и эмпирического подходов. Научная новизна заключается в систематизации алгоритмов реализации искусственных нейронных сетей и обосновании их применимости для прогнозирования агропродовольственных экономических систем, разработке алгоритма и архитектуры построения нейронной сети на основе множественных данных о рынках сельскохозяйственной продукции, обосновании направлений совершенствования информационной инфраструктуры на уровне фирмы. Результаты. Авторами систематизированы интуитивные и формализованные методы прогнозирования, обосновано в этой системе место методов, построенных на машинном обучении. Подробно рассмотрены преимущества и недостатки использования искусственных нейронных сетей для прогнозирования агропродовольственных экономических систем, обоснована целесообразность их использования с точки зрения соответствия принципам прогнозирования. Анализ основных видов искусственных нейронных сетей позволил сделать вывод, что наиболее перспективными для реализации задач прогнозирования являются реккурентные нейронные сети с алгоритмом обратного распространения (LSTM и GRU). Сформулированы основные цели построения моделей на основе нейронных сетей для использования в прогнозировании экономических систем, разработаны базовые положения последовательности и методики развертывания нейронных сетей в процессе прогнозирования на агропродовольственном рынке, ключевые элементы организации процесса прогнозирования в отдельных экономических субъектах, рассмотрены практические аспекты возможности использования математического алгоритма для моделирования агропродовольственных систем, а также условия совершенствования информационной инфраструктуры на уровне фирмы в целях обеспечения доступности источников данных, и технологий их обработки.
Ключевые слова: искусственный интеллект, машинное обучение, нейронные сети, сельское хозяйство, агропродовольственный рынок, прогнозирование, методология, методы
Благодарности. Авторы выражают благодарность М. А. Рогову за содействие в исследовании и техническую поддержку в проведении экспериментального тестирования модели машинного обучения.
Для цитирования: Дубовицкий А. А., Климентова Э. А. Прогнозирование агропродовольственных экономических систем с использованием искусственных нейронных сетей // Аграрный вестник Урала. 2024. Т. 24, № 08. С. 1093‒1105. https://doi.org/10.32417/1997-4868-2024-24-08-1093-1105.
