МЕТОДЫ НЕЛИНЕЙНОЙ ДИНАМИКИ В ИССЛЕДОВАНИИ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ (НА ПРИМЕРЕ ЗЕРНОВОГО ПРОИЗВОДСТВА)

Данная статья посвящена получению предпрогнозной информации на базе вычисленных значений показателей Ляпунова и построению долгосрочного прогноза экономических показателей зернового производства на основе метода искусственного интеллекта — линейный клеточный автомат (linear cellular automaton). Получены следующие качественные предпрогнозные характеристики временного ряда урожайности зерновых культур по Ставропольскому краю: длина долговременной памяти; долгосрочный прогноз в виде числового выражения и в виде лингвистической переменной, а также построена трехцветная прогнозная модель. Принципиальным отличием указанного метода прогнозирования временных рядов является определение длины памяти. Последнее позволяет строить долгосрочный прогноз в рамках найденной длины памяти. Как показывает практика, величина ошибки прогноза при проведении процедуры валидации линейного клеточного автомата не превышает порог 25 %. Долгосрочное прогнозирование экономических показателей зернового производства зоны рискового земледелия — это междисциплинарная проблема, решением которой активно занимаются агрономы, селекционеры, агрометеорологи, инженеры, математики, экономисты и специалисты других областей. Точный прогноз урожайности различных зерновых культур и метеофакторов на будущий год, а также построение сценариев динамики развития зернового производства позволит управленцу осуществлять контроль и регулировать амбициозные планы российских товаропроизводителей, прописанные в Долгосрочной стратегии [1] развития зернового комплекса Российской Федерации до 2035 года. Полученные количественные значения и качественные предпрогнозные характеристики необходимы для значений нижнего уровня моделирования деятельности зернового производства, которые, в свою очередь, являются входной информацией для прогнозных моделей верхнего уровня управления зерновым комплексом, например, при планировании структуры посевных площадей, при проведении хеджирования зерновых культур, при определении ценовой политики на внешнем и внутреннем рынке зерна. Всё перечисленное становится особо важным фактором развития отечественного зернового рынка в создавшихся санкционных условиях.

долгосрочное прогнозирование, зерновое производство, показатель Ляпунова, линейный клеточный автомат, метод скользящего контроля, глубина памяти, ошибка прогноза, урожайность зерновых культур, цикл, временной ряд, валидация, предпрогнозный анализ

Кумратова А. М., Сивков К. А. Методы нелинейной динамики в исследовании экономических процессов (на примере зернового производства) // Бизнес. Образование. Право. 2023. № 1(62). С. 72—77. DOI: 10.25683/VOLBI.2023.62.526.