— построены ИНС для прогнозирования урожайности озимой пшеницы с учетом сезонных значений суммарного количества осадков и суммы активной температуры воздуха;
— построены ИНС для прогнозирования урожайности кукурузы с учетом значений суммарного количества осадков и суммы активной температуры воздуха в период вегетации;
— результаты расчета модельных значений урожайности сельскохозяйственной культуры указывают на то, что урожай в предстоящие годы будет стабильным, хотя результаты по двум моделям показывают резкие колебания, а в 2027 г. урожай может погибнуть.
Библиографический список
1. Рогачев А.Ф., Шубков М.Г. Оценка прогнозного уровня урожайности сельскохозяйственных культур на основе нейросетевых моделей динамики // Известия Нижневолжского агропромышленного университетского комплекса: наука и высшее профессиональное образование. 2012. № 4(28). С. 1--6.
2. Хайкин С. Нейронные сети. Полный курс. М.: Вильямс М, 2006. 1104 с.
3. Борисенков Е.П. Связь температуры и осадков с урожайностью // Труды ГГО. 1984. Вып. 471. С. 46--50.
4. Fukui H. Climatic variability and agroculture in tropical moist regions // Proceedings of the world climate Conference / WMO. 1979. № 537. Pp. 426--476.
5. Мирмович Э.Г., Жаренов А.Б. Анализ проблемы поддержки выработки решений на действия в кризисных ситуациях в условиях неопределенности // Технологии гражданской безопасности. 2007. № 3(13). С. 82--89.
6. Wongo M., Link P., Troore S.B., Sanon M., Kunstmann H. A crop model and fuzzy rule based approach for optimizing maize planting dates in Burkina Faso, West Africa // Journal of applied meteorology and climatology. 2014. Vol. 53. P. 598--613. doi: 10.1175/JAMC-D-13 0116.1
7. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. Режим доступа: http:// www.matlab.exponenta.ru
8. Мирмович Э.Г. Прогнозирование чрезвычайных ситуаций и рисков как научно-практическая задача // Проблемы безопасности при чрезвычайных ситуациях. М.: ВИНИТИ, 2003. Вып. 1. С. 142--146.
9. Заде Л.А. Основы полного подхода к анализу сложных систем и процессов принятия решений. Математический сборник. М.: Знание, 1974. С. 5--19.
10. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных / под ред. В.П. Боровикова. 2-е изд., перераб. и доп. М.: Горячая линия--Телеком, 2008. 392 с.
11. Лозовой Я.С., Секирин А.И. Решение задачи прогнозирования с помощью нейронных сетей. Режим доступа http://www.rusnauka.com/1_NIO_2011/Informatica/78176.doc.htm
12. Савин И.Ю., Статакис Д., Нэгр Т, Исаев ВА Прогнозирование урожайности сельскохозяйственных культур с использованием нейронных сетей // Доклады Российской академии сельскохозяйственных наук. 2007. № 6. С. 11--14.
13. Бисчоков Р.М. Анализ, моделирование и прогноз урожайности сельскохозяйственных культур для Кабардино-Балкарской Республики с использованием аппарата нечеткой логики // Вестник российского университета дружбы народов. Серия: Агрономия и животноводство. 2020. № 15(2). С. 123--133. doi: 10.22363/2312-797X-2020-15-2-123-133
14. Bischokov R., Didanova E., Trukhachev V., Marzhokhova M. Method of minimizing the risk of reducing the production of agricultural products by means of fuzzy logic // Advances in Intelligent Systems Research. Vol. 167. International Scientific and Practical Conference "Digitization of Agriculture--Development Strategy" (ISPC 2019). Pp. 401--404. doi: 10.2991/ispc-19.2019.89
15. Бисчоков Р.М., Аджиева А.А., Тхайцухова С.Р. Применение нечеткой логики для анализа рисков в аграрном секторе // Вестник Курганской ГСХА. 2014. № 3(11). С. 57--60.
16. References
17. Rogachev AF, Shubkov MG. Assessment of the predicted level of crop yield based on neural network models of dynamics. Proceedings of Lower Volga agro-university complex: science and higher education. 2012; (4):226--231. (In Russ.)
18. Haykin S. Neural networks. A Comprehensive Foundation. 2nd ed. Moscow: Williams publ.; 2006.
19. Borisenkov EP. Connection of temperature and precipitation with yield. Proceedings of Voeikov Main Geophysical Observatory. 1984;471:46--50. (In Russ.)
20. Fukui H. Climatic variability and agriculture in tropical moist regions. Proceedings of the world climate Conference. 1979;537:426--476.
21. Mirmovich EG, Zharenov AB. Analyses of the decision making support problem on actions in crisis situations in conditions of uncertainty. Civil security technology. 2007;(3):88--95. (In Russ.)
22. Wongo M, Link P, Troore SB, Sanon M, Kunstmann H. A crop model and fuzzy rule based approach for optimizing maize planting dates in Burkina Faso, West Africa. Journal of Applied Meteorology and Climatology. 2014;53(3):598--613. doi: 10.1175/JAMC-D-13 0116.1
23. Stovba SD. Vvedenie v teoriyu nechetkikh mnozhestv i nechetkuyu logiku [Introduction to fuzzy set theory and fuzzy logic]. Available from: http://www.matlab.exponenta.ru [Accessed 5th August 2020]. (In Russ.)
24. Mirmovich EG. Forecasting of emergencies and risks as a scientific and practical task. Safety and emergencies problems. 2003;(1):142--146. (In Russ.)
25. Zade LA. Fundamentals of a complete approach to the analysis of complex systems and decisionmaking processes. In: Matematika segodnya. Moscow: Znanie publ.; 1974. p.5--19. (In Russ.)
26. Borovikov VP. (ed.) Neironnye seti. STATISTICA Neural Networks: Metodologiya i tekhnologii sovremennogo analiza dannykh [Neural networks. STATISTICA Neural Networks: Methodology and Technologies of Modern Data Analysis]. 2nd ed. Moscow: Goryachaya liniya - Telekom publ.; 2008. (In Russ.)
27. Lozovoy YS, Sekirin AI. Solving the problem of prediction using neural networks. Available from: http://www.rusnauka.com/1_NIO_2011/Informatica/78176.doc.htm [Accessed 16th August 2020]. (In Russ.)
28. Savin IY, Statakis D, Nagr T, Isaev VA. Forecasting farm crop yields by the use of neural networks. Doklady Rossiiskoi akademii sel'skokhozyaistvennykh nauk. 2007;(6):11--14. (In Russ.)
29. Bischokov RM. Analysis, modeling and forecast of crop yields for the Kabardino-Balkarian Republic using fuzzy logic apparatus. RUDN journal of agronomy and animal industries. 2020;15(2):123--133. (In Russ.) doi: 10.22363/2312-797X-2020-15-2-123-133
30. Bischokov R, Didanova E. Trukhachev V, Marzhokhova M. Method of minimizing the risk of reducing the production of agricultural products by means of fuzzy logic. Antlantis Press. Advances in Intelligent Systems Research. 2019;167:401--404. doi: 10.2991/ispc-19.2019.89
31. Bischokov RM, Adzhiyeva AA, Thaytsukhova SR. Application of fuzzy logic for risk analysis in agrarian sector. Vestnik Kurganskoy GSKhA. 2014;(4):57--60. (In Russ.)