Обоснование прогнозов в аграрном производстве и проблемы их актуальной имплементации (на примере Орловской области)

В работе авторы обобщают имеющиеся наработки по вопросам методологии агробизнес-форсайта, а конкретно, обоснованию прогнозов сельскохозяйственного производства с использованием методов машинного обучения. Основной целью являлось формирование прогноза на три ближайших года по объемам сельскохозяйственного производства в Орловской области в фактических и сопоставимых ценах. Дополнительно использовались данные производства в целом по Российской Федерации и индексы цен сельхозтоваропроизводителей. В работе применялись «классические» методы моделирования временных последовательностей: OLS, ETS, ARIMA, их производные и комбинации. Более сложные алгоритмы, основанные на баггинге, бустинге или же глубоком обучении не принимались в расчет, так как на исходных данных не дали бы значимого прироста в точности предсказания. Также основным был анализ одномерных данных, с эксклюзивным включением дополнительного измерения в отдельные модели. Подробно показан алгоритм действий, применяемый в процессе машинного обучения. Подбор оптимальной модели производился на обучающей выборке, а валидация моделей - с помощью функции потерь RMSE (корня среднеквадратичной ошибки), на тестовой выборке. Первым шагом на обучающей выборке подбирались параметры для основного ряда. Вторым и третьим шагом вспомогательные модели для двумерных методов первого шага. По итогам был рассчитан краткосрочный трехлетний прогноз в фактических и сопоставимых ценах, определены границы доверительных интервалов. С учетом комплекса кризисных явлений 2020 года обсуждены проблемы выбора сценария возможного движения динамики производства. В условиях усиливающийся неопределенности, принятие решений в процессе управления должно базироваться на соответствующей методологической основе.