Нейросетевое прогнозирование динамики цен на сельскохозяйственную продукцию

Аграрная отрасль в экономике любой страны занимает особое место. Специфичность роли аграрной отрасли обусловлена, прежде всего, производством продуктов питания, как основы жизнедеятельности людей и воспроизводства рабочей силы, а также производством сырья для многих других отраслей. Поэтому уровень развития сельского хозяйства во многом определяет уровень экономической безопасности страны. В современных условиях развитие агропромышленного производства всецело зависит от ускорения научно-технического прогресса, использования достижений науки и техники. Однако усиление инновационной направленности возможно лишь при дальнейшем развитии и совершенствовании научных исследований и практической их реализации, как в сельскохозяйственном производстве, так и в процессах по его управлению. Важнейшей функцией управления является разработка научно-обоснованных прогнозов, что в условиях нарастающей рыночной неопределенности становится трудно решаемой задачей. В этих условиях классические методы прогнозирования становятся малопригодными. В условиях возросшей неопределенности необходимо применение специальных методов анализа и прогнозирования. В качестве альтернативы классическим методам прогнозирования может служить использование технологий нейронных сетей. Освоение этих инструментов является насущной задачей аграрной науки и практики. Объектом исследования в статье является мясной рынок говядины в России. Предметом исследования выступает динамика цен и ценовой прогноз на рынках говядины

Ключевые слова: временной ряд, прогноз, нейронные сети, аграрное производство

Список использованных источников

  1. Каллан Р. Основные концепции нейронных сетей: пер. с англ./Р. Каллан. — М.: Издат. дом «Вильямс», 2001. — 287 с.
  2. Люгер Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4‑е издание.: Пер. с англ. — М.: Вильямс, 2003. — 864 с.
  3. Murray A. Applications of Neural Networks/A. Murray. — Springer, 2014. — 340 p.
  4. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. — М.: Изд-во «Вильямс», 2006. — 1408 с.
  5. Хайкин С. Нейронные сети: Полный курс. — 2‑е изд./Пер. с англ. — М.: Издательский дом Вильямс, 2008, 1103 с.
  6. С. Ю. Городецкий, В. А. Гришагин. Нелинейное программирование и многоэкстремальная оптимизация. — Нижний Новгород: Издательство Нижегородского Университета, 2007.- 489 с.
  7. Ясницкий Л. Н. Интеллектуальные системы. М. Лаборатория знаний.2016. 221 с.
  8. https://mcx.gov.ru/ministry/departments/departament-ekonomiki-investitsiy-i‑regulirovaniya-rynkov/industry-information/info-monitoring-rynkov-apk/ (дата обращения 23.02.2021)
  9. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы. — М.: Горячая линия — Телеком, 2004. — 452 с.
  10. Джоши, Пратик. Искусственный интеллект с примерами на Python: Пер.с англ. — СПб.: ООО «Диалектика», 2019. — 448 с. — Парал.тит.англ.
  11. Joshi Prateek. Artificial Intelligence with Python. — Birmingham — Mumbai.: Packt Publishing, 2017. — 521p.

Авторы