Search

Проблематика. Питання забезпечення зростання виробництва основних сільськогосподарських культур України за умов раціонального природокористування потребує застосування сучасних наукових підходів. Складність вирішення цієї проблеми полягає у відсутності практичного досвіду застосування сучасних інформаційно-аналітичних систем, у яких були б реалізовані одночасно різні методики аналізу та моделювання нелійнійних нестаціонарних процесів у рослинництві. Пропонована методика має перевагою використання інструментів SAS Enterprise Miner – програмного забезпечення, у якому реалізовано широкий спектр методів, які, як показало виконане дослідження, доцільно застосовувати для прогнозного моделювання основних сільськогосподарських культур. Мета дослідження. Метою роботи є дослідження застосування інтегрованих методів аналізу за використання інструментів SAS Enterprise Miner для прогнозного моделювання нестаціонарних процесів у рослинництві. Методика реалізації. Для розв’язання поставлених задач використано методи: системного аналізу, регресійного аналізу, градієнтного бустингу, ймовірнісного моделювання, побудови дерев рішень. Запропоновано методику для розробки прогнозів урожайності сільськогосподарських культур за умови впливу різних груп факторів, обґрунтовано можливість їх використання у системах підтримки прийняття рішень аграрного спрямування. Результати дослідження. На основі аналізу праць вітчизняних і закордонних вчених запропоновано удосконалення методики розробки прогнозів урожайності основних сільськогосподарських культур із використанням інтегрованих методів аналізу, реалізованих у системі SAS Enterprise Miner. Виконано аналіз отриманих результатів. Висновки. За допомогою розробленої методики виконано прогнозування урожайності озимої пшениці та кукурудзи для зони лісостепу України. Застосовано різні методи побудови моделей для прогнозування цих нестаціонарних процесів, обґрунтовано вибір найвірогіднішого з них. Для автоматизації процесу вибору оптимальної моделі для прогнозування урожайності досліджуваних культур використано сучасні інформаційні технології, зокрема SAS Enterprise Miner. Blackground. The issue of providing the increase of production of main agricultural crops inUkraine under conditions of environmental management requires the use of modern scientific approaches. The complexity of solving this problem lies in the lack of practical experience of applying modern information-analytical systems, where different methods for analysis and modeling of nonlinear non-stationary processes in crop production would be implemented simultaneously. The proposed methodology has the advantage of using the tools of SAS Enterprise Miner – software where a wide range of techniques are implemented, that should be used for predictive modeling of main agricultural crops according to the performed research. Objective. The goal of the study is in application of the integrated methods of analysis and predictive modeling of non-stationary processes for agricultural crop yield prediction using SAS Enterprise Miner tools. Methods. To solve the problems stated the following approaches were used: systems analysis, regression analysis, gradient boosting, probabilistic modeling and decision trees. The methodology for developing of crop yield prediction under influence of various groups of factors was offered, and the possibility of their use in decision support systems in agriculture was substantiated. Results. Based on the analysis of the works of domestic and foreign scientists it was proposed to improve methodology of development of yield prediction of main agricultural crops using integrated analysis methods, which were implemented in the system of SAS Enterprise Miner. The analysis of the obtained results was performed. Conclusions. Winter wheat and corn yield prediction was performed for the Forest-Steppe Zone using the developed methodic. Different methods of construction of models for prediction of the non-stationary processes were applied; the choice of the worthiest one was reasonably proved. Advanced information technologies, including SAS Enterprise Miner, were used for automatization the process of selecting the optimal model for investigated crop yield prediction. Проблематика. Вопрос обеспечения роста производства основных сельскохозяйственных культур Украины в условиях рационального природопользования требует применения современных научных подходов. Сложность решения данной задачи связана с отсутствием практического опыта применения в сельском хозяйстве современных информационно-аналитических систем, в которых одновременно использовались бы разные методики анализа и моделирования нелинейных нестационарных процессов в растениеводстве. Предлагаемая методика обладает преимуществом использования инструментов SAS Enterprise Miner – программного обеспечения, в котором реализован широкий спектр методов, которые, как показало выполненное исследование, целесообразно применять для прогнозного моделирования основных сельскохозяйственных культур. Цель исследования. Целью работы является исследование применения интегрированных методов анализа с использованием инструментов SAS Enterprise Miner для прогнозного моделирования нестационарных процессов в растениеводстве. Методика реализации. Для решения поставленных задач использованы методы: системного анализа, регрессионного анализа, градиентного бустинга, вероятностного моделирования, деревьев решений. Предложена методика для прогнозирования урожайности сельскохозяйственных культур в зависимости от влияния разных групп факторов, обоснована возможность ее применения в системах поддержки принятия решения, используемых в аграрном секторе. Результаты исследования. В результате анализа работ отечественных и зарубежных авторов предложено усовершенствование методики прогнозирования урожайности основных сельскохозяйственных культур с использованием интегрированных методов анализа, реализованных в системе SASEnterprise Miner. Проанализированы полученные результаты. Выводы. С помощью разработанной методики выполнено прогнозирование урожайности озимой пшеницы и кукурузы для зоны лесостепи Украины. Применены различные методы построения моделей для прогнозирования этих нестационарных процессов, обоснован выбор наиболее вероятного из них. Для автоматизации процесса выбора оптимальной модели для прогнозирования урожайности исследуемых культур использованы современные информационные технологии, в частности SAS Enterprise Miner.