В условиях рынка и перехода сельскохозяйственной отрасли на инновационный путь развития существенно возрастает неопределенность факторов, определяющих ее динамику. Прогнозирование изменений — важнейшая функция управления. Динамические процессы, протекающие в аграрном производстве, представлены, как правило, временными рядами. Это актуализирует проблему повышения обоснованности и точности прогнозов на основе анализа временных рядов в условиях большой неопределенности. Модели и методы, которые в настоящее время используются для прогноза динамики сельскохозяйственных процессов, осуществляются в рамках статистического подхода, применение которого строится на ряде требований. Однако для временных рядов, отражающих реальные динамические процессы, протекающие в аграрном производстве, эти требования редко выполнимы ввиду наличия нестатистической неопределенности. В настоящее время активно развиваются интеллектуальные методы прогнозирования динамики процессов, в основе которых лежит модель нечеткого временного ряда. Проблема прогнозирования именно таких рядов приобретает особую актуальность для аграрной науки и практики. Нечеткие методы прогнозирования временных рядов включают такие методы как: методы нечеткого регрессионного анализа; методы нечеткого авторегрессионного анализа; методы нечеткого нейросетевого анализа; методы анализа нечетких тенденций. В данной статье рассматриваются возможности применения инструментария нечеткого авторегрессионного анализа для прогнозирования динамики процессов в аграрном секторе экономики
Ключевые слова: временной ряд, прогноз, нечеткое моделирование, аграрное производство