Интеллектуальный анализ временных рядов показателей аграрного производства

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

Список использованных источников

  1. В. Е. Парфенова. Нечеткое регрессионное моделирование в задачах управления аграрным производством//Инновации. № 7. 2019. С. 88-92.
  2. Н. Г. Ярушкина, Т. В. Афанасьева, И. Г. Перфильева. Интеллектуальный анализ временных рядов: учебное пособие. Ульяновск: УлГТУ, 2010. 324 с.
  3. Q. Song, B. S. Chissom. Forecasting enrollments with fuzzy time series. Part 1: Fuzzy Sets and Systems, 54, 1993. P. 1-9.
  4. Q. Song, B. S. Chissom. Forecasting enrollments with fuzzy time series. Part 2: Fuzzy Sets and Systems, 54, 1993. P. 269-277.
  5. B. Kosko. Neural Networks and Fuzzy Systems. Englewood Cliffs, NJ: Prentice-Hall, 1991. 449 p.
  6. S. M. Chen. Forecasting enrollments based on fuzzy time series//Fuzzy Sets and Systems. 1996. № 81. P. 311-319.
  7. S. M. Chen. Forecasting enrollments based on high-order fuzzy time series//Cybernetics and Systems: an International Journal. 2002. № 33. P. 1-16.
  8. Росстат: «Россия в цифрах»-2019. М., 2019.

Авторы