Аннотация

Темпы роста сельского хозяйства напрямую отражаются на определенных экономических показателях, а также влияют на макроэкономическую и социальную стабильность в стране. С развитием компьютерных технологий моделирование сложных процессов, в том числе экономических, набирает популярность, поскольку позволяет сократить время на расчеты и повысить точность получения результатов. В данной статье приводятся некоторые модели и подходы, в том числе с применением машинного обучения, позволяющие прогнозировать динамику темпов роста сельского хозяйства

Ключевые слова

математические модели; прогнозирование; сельское хозяйство; машинное обучение; регрессионный анализ

Использованные источники

  1. Economic growth in agriculture. (n.d.). Retrieved from https://spravochnick.ru/ekonomika/struktura_ekonomicheskogo_rosta/ekonomicheskiy_rost_v_selskom_hozyaystve/.
  2. IMF Library. (n.d.). Retrieved from http://www.imf.org.
  3. Myrzakulova, K.M. (2023). Artificial intelligence technologies for mathematical computations. Bulletin of J. Balasagyn KNU, 4, 174-178.
  4. What is a neural network? (n.d.). Retrieved from https://aws.amazon.com/ru/what-is/neural-network/.
  5. Machine learning. (n.d.). Retrieved from https://ru.wikipedia.org/wiki/Машинное_обучение.
  6. Rammer, W., & Seidl, R. (2021). Deep learning in ecology. Retrieved from https://habr.com/ru/articles/537132/.
  7. Giannone, D., Reichling, L., & Small, D. (2008). Nowcasting: The real-time informational content of macroeconomic data. Journal of Monetary Economics, 55(4), 665-676.
  8. Seasonal adjustment. (n.d.). In EViews 12 Users Guide I (p. 487).
  9. Usenov, I.A., & Zhaparova, Z.A. (2023). Mathematical modeling of green economy development processes. Bulletin of KNU, Special issue, 357-362.