Модели прогнозирования с применением искусственного интеллекта в отраслевой экономике

Инструменты экономического регулирования оказывают значительное влияние в управлении социальным уровнем жизни в стране и в мировом сообществе. Одним из приоритетных направлений экономического менеджмента является отраслевая экономика. На сегодняшний день существует достаточно большое количество методов прогнозирования в экономике и, в частности, в отраслевой экономике. Методы варьируются согласно целям прогнозирования и входным данным. Наиболее популярными считаются статистически-эконометрические методы и методы искусственного интеллекта. Данная статья посвящена прогнозированию в сельскохозяйственной отрасли экономики с применением методов искусственного интеллекта. Рассматриваются несколько подходов, состоящих из прогнозного блока и комбинации эмпирического и прогнозного блоков. В качестве эмпирического блока используется система имитационного моделирования продукционного процесса сельскохозяйственного посева AGROTOOL. В прогнозном блоке используются три метода машинного обучения: Алгоритм случайного леса (Random Forest algorithm), Гребневая регрессия (Ridge Regression method) и Лассо-регрессия (Lasso Regression method). Данные методы машинного обучения были выбраны в связи с мультиколлинеарностью данных. Соответственно, алгоритм случайного леса рассматривался в двух вариациях: с использованием метода главных компонент (Principal Component Analysis) и без метода главных компонент. В данной работе помимо анализа прогнозных моделей также был проведен анализ по подбору ключевых параметров методов Random Forest PCA и Ridge Regression – n_components и α соответственно. По итогам численных экспериментов можно сделать вывод о том, что в зависимости от подаваемых на вход прогнозного блока данных, которыми могут быть значения природных факторов (влагозапас почвы, температура, солнечная радиация, среднесуточная удельная влажность воздуха, удельная влажность насыщения листа и др.), либо результаты формульных вычислений, наиболее эффективными методами машинного обучения являются Random Forest и Ridge Regression. Таким образом, применение метода Ridge Regression наиболее эффективно с данными, пред обработанными AGROTOOL, тогда как с помощью метода Random Forest маленькая доля погрешности была получена при прогнозировании без применения AGROTOOL и с объединенными данными.