Кандидат физико-математических наук, ведущий научный сотрудник
Новосибирская область, р.п. Краснообск
Peter К. Kutsenogii, Candidate of Science in Physics and Mathematics, Lead Researcher
Krasnoobsk, Novosibirsk Region
Доктор сельскохозяйственных наук, профессор, главный научный сотрудник
630501, Новосибирская область, р.п. Краснообск, а/я 463
Vladimir K. Kalichkin, Doctor of Science in Agriculture, Professor, Head Researcher
PO Box 463, SFSCA RAS, Krasnoobsk, Novosibirsk Region, 630501
Представлен анализ различных подходов к прогнозированию сложных многофакторных систем в условиях неопределенности внешних условий. Данные подходы необходимо развивать с целью создания адекватных моделей сельскохозяйственной деятельности для целей ее эффективного планирования и управления. Отличительная особенность сельскохозяйственного производства – критическая зависимость от факторов внешней среды, которые не поддаются точному прогнозированию. Используемые для решения данной задачи в настоящее время регрессионное моделирование и анализ временных рядов в сложных случаях не дают адекватный прогноз динамики сельскохозяйственного объекта. В качестве подхода предлагается использовать построение «образа» системы. Данный подход относится к «природоподобным», так как моделирует способ принятия решения специалистом на основе накопленного опыта и интуиции. Ключевым параметром этого построения будет корректный выбор метрики (системы координат). Данный подход проиллюстрирован примером создания образа двухмерного явления в одномерной системе координат. В результате под образом понимается изображение реальности в векторном пространстве определенной размерности. Образ в представлении авторов – отображение реальности в искусственно созданной метрике, более доступное пониманию и анализу, но сохраняющее основные (важные) черты и функции исходного объекта. Методы искусственного интеллекта можно рассматривать в качестве инструментов для создания и анализа образов. Важной характеристикой образа является его прогностическая сила, т.е. возможность для использования образа с целью прогнозирования состояния реального объекта в будущем периоде. Образ сохраняет свою прогностическую силу, если прогноз, полученный с использованием данного образа, соответствует данным, полученным при наблюдении за реальным объектом. Образ формируется в подходящей метрике для решения конкретной задачи. Ключевым метрическим параметром образа сельскохозяйственной деятельности, пригодного для целей прогнозирования, является минимальная размерность используемого векторного пространства, при котором сохраняется прогностическая сила образа для решения поставленной задачи.
The analysis of various approaches to forecasting complex multifactorial systems in conditions of uncertainty of external conditions is presented. It is necessary to develop these approaches in order to create adequate models of agricultural activities for their effective planning and management. A distinctive feature of agricultural production is a critical dependence on environmental factors, which cannot be accurately predicted. Regression modeling and analysis of time series used at present to solve this problem in difficult cases do not result in an adequate forecast of the dynamics of an agricultural object. As an approach, it is proposed to use the construction of the "image" of the system. This approach is classified as "nature-like", as it simulates a way of decision-making by a specialist on the basis of accumulated experience and intuition. The key parameter of this construction will be the correct choice of the metric (coordinate system). This approach is illustrated by an example of creating an image of a two-dimensional phenomenon in a one-dimensional coordinate system. As a result, an image is understood as an image of reality in a vector space of a certain dimension. The image in the authors' view is a reflection of reality in an artificially created metric, more suitable for understanding and analysis, but retaining the main (important) features and functions of the original object. Artificial intelligence techniques can be seen as tools for image creation and analysis. An important characteristic of an image is its predictive power, i.e. the ability to use the image in order to predict the state of a real object in the future period. An image retains its predictive power if the forecast obtained using this image corresponds to the data obtained when observing a real object. The image is formed in a suitable metric for solving a specific problem. The key metric parameter of the image of agricultural activity, suitable for forecasting purposes, is the minimum dimension of the vector space used, at which the predictive power of the image is retained to solve the problem.
The authors declare that there are no conflicts of interest present.