Информационные технологии многоуровневого моделирования в решении управленческих задач аграрного производства

Аннотация

Рассмотрены разработанные программные приложения для решения управленческих задач прогнозирования и планирования производства аграрной продукции в благоприятных, неблагоприятных и усредненных условиях деятельности сельскохозяйственного предприятия, основанные на многоуровневых моделях и искусственном интеллекте. Предложено использовать три трендовые модели для прогнозирования производственно-экономических характеристик с учетом иерархической структуры временного ряда, отражающей изменчивость локальных минимумов, локальные максимумов и промежуточных значений. Для случайного ряда прогноз высоких значений ориентирован на среднее значение локальных максимумов, низких значений - на среднее локальных минимумов с оценкой их вероятностей. Среднее значение, соответствующее определенной вероятности, описывает усредненные условия работы предприятия. Если характеристика временного ряда описывается многоуровневыми значимыми трендами, то прогноз высоких, низких и промежуточных значений осуществляется по каждому тренду. Особенностью многоуровневого прогнозирования является учет циклов - интервалом между локальными минимумами и максимумами. Отдельно предлагается моделировать высокие и низкие события как значения, располагающиеся выше тренда локальных максимумов и ниже тренда локальных минимумов. Высокие и низкие события, как правило, являются случайными величинами, подчиняясь законам распределения вероятностей. Для реализации приведенного алгоритма разработан программный комплекс на языке программирования C#. В дополнение к нему создано программное приложение для прогнозирования урожайности сельскохозяйственных культур с использованием машинного обучения и нейронной сети. Для прогноза применяются многолетние ряды урожайности сельскохозяйственных культур и суточные температуры воздуха и осадки за вегетационный период. Алгоритм многоуровневого моделирования характеристик позволяет осуществлять многоуровневое планирование с использованием задач многоуровневого параметрического и стохастического программирования для благоприятных, неблагоприятных, усредненных условий и вероятных событий. Разработан программный комплекс, позволяющий на основе базы данных и знаний, включающих биологические, экологические, природно-климатические и экологические характеристики, прогнозировать и планировать аграрное производство на основе многоуровневого моделирования с использованием искусственного интеллекта.