Метод автоматизированной корректировки арендной ставки сельскохозяйственных земель региона на основе кластерного анализа
Статья: Метод автоматизированной корректировки арендной ставки сельскохозяйственных земель региона на основе кластерного анализа
Статья в выпуске: 3 т.15, 2026 года.
Бесплатный доступ
В условиях необходимости повышения эффективности управления земельно-имущественным комплексом рассматриваются методологические подходы к оценке земель сельскохозяйственного назначения. Современные подходы в методологии анализа инвестиционной привлекательности базируются на алгоритмах машинного обучения, которые превосходят традиционные регрессионные подходы в точности прогнозирования нелинейных зависимостей и взаимодействий между переменными. В статье рассматривается метод для автоматического формирования рекомендаций по изменению арендной ставки для земельных участков на основе индекса инвестиционных показателей. В его основу заложены методы кластерного и регрессионного анализа, методы машинного обучения. В результате сравнительного анализа определен метод оценки числа кластеров и определен количественный показатель, отражающий инвестиционную привлекательность, понятную конечному пользователю, принимающему оперативно и качественно управленческие решения. В статье представлена и обоснована пошаговая реализация алгоритма автоматического формирования рекомендаций по изменению арендной ставки для земельных участков на основе качеств комплексного анализа их инвестиционных показателей. В алгоритме использована методика формирования индекса инвестиционной привлекательности для невостребованных сельскохозяйственных угодий. Определен количественный показатель, отражающий инвестиционную привлекательность сельскохозяйственных земель. Предложенный метод определяет экономическую привлекательность объекта по его расположению относительно центра кластера. Он способен существенно упростить управление крупными портфелями недвижимости, обеспечивая прозрачную и обоснованную стратегию ценообразования. Автоматический подход к формированию индексов и определению оптимальной арендной ставки позволит снизить риски человеческого фактора и улучшить качество принимаемых управленческих решений.
Короткий адрес: https://sciup.org/147255449
IDS: 147255449 | УДК: 51.77 | DOI: 10.14529/cmse260307
A Method for Automated Adjustment of the Rental Rate for Agricultural Land in the Region Based on Cluster Analysis
In the context of the need to improve the efficiency of managing the land and property complex, methodological approaches to the assessment of agricultural land are considered. Modern approaches to the methodology of investment attractiveness analysis are based on machine learning algorithms, which surpass traditional regression approaches in the accuracy of predicting nonlinear dependencies and interactions between variables. This article discusses a method for the automatic generation of recommendations for adjusting the rental rate of land plots based on an index of investment indicators. It is founded on methods of cluster and regression analysis, as well as machine learning techniques. As a result of a comparative analysis, a method for estimating the optimal number of clusters was identified, and a quantitative indicator reflecting investment attractiveness was defined, making it understandable to the end user who makes prompt and high-quality management decisions. The article presents and substantiates a step-by-step implementation of an algorithm for the automatic generation of recommendations for adjusting the rental rate of land plots based on a comprehensive analysis of their investment indicators. The algorithm utilizes a methodology for forming an investment attractiveness index for unclaimed agricultural lands. A quantitative indicator reflecting the investment attractiveness of agricultural lands has been determined. The proposed method evaluates the economic attractiveness of an object based on its location relative to the cluster center. It can significantly simplify the management of large real estate portfolios by providing a transparent and well-founded pricing strategy. An automatic approach to forming indexes and determining the optimal rental rate will reduce the risks associated with the human factor and improve the overall quality of management decisions.
