Публикации автора

Цель статьи - описание многоуровневого прогнозирования урожайности сельскохозяйственных культур на основе разработанных многоуровневых моделей для динамико-стохастических, случайных временных рядов и вероятностной оценки благоприятных и неблагоприятных событий. Территорией исследования выбран Юго-Восточный агроландшафтный район Иркутской области, в который входят Иркутский, Усольский и Черемховский районы с развитым аграрным производством. Приводится описание метеорологических факторов, в значительной степени влияющих на биопродуктивность сельскохозяйственных культур. Рассматривается алгоритм построения многоуровневых трендов и уровней случайного ряда для получения многолетних прогнозов. При прогнозировании учитывались тенденции всего временного ряда, локальных минимумов и локальных максимумов. Для моделирования уровней использовались следующие функции: линейная, степенная, логарифмическая, экспоненциальная, логистическая и асимптотическая. Предложен комплексный прогноз. Во-первых, по трендам локальных минимумов и локальных максимумов определялись будущие значения для неблагоприятных и благоприятных условий, с помощью которых оценивался интервал прогноза. При этом установлена вероятность попадания прогнозируемого значения в интервал. Во-вторых, рассчитаны вероятности благоприятных и неблагоприятных событий с использованием закона распределения вероятностей. В-третьих, приводится алгоритм прогноза на основе учета циклов между локальными минимумами и локальными максимумами как исходными точками отсчета. Для оценки точности многолетнего прогноза согласно многоуровневому моделированию применялся ретроспективный прогноз. По данным за 1996-2021 годы по урожайности зерновых культур трех муниципальных районов Юго-Восточного агроландшафтного района построены многоуровневые трендовые и вероятностные модели. Затем спрогнозированы их значения с учетом расчетных интервалов и циклов. Результатом прогнозирования являются расчетные уровни урожайности пшеницы, ячменя и овса на 2022-2024 годы. Полученные прогнозы и их сравнение с фактическими данными показывают возможности использования предложенной методики.

Статья посвящена оценке редких событий на основе использования многоуровневых трендов, описывающих ряды урожайности сельскохозяйственных культур. Применение многоуровневого моделирования позволяет оценить вероятные потери характеристики биопродуктивности. Предложен алгоритм решения задачи определения очень неблагоприятных ситуаций или редких событий при ведении сельскохозяйственного производства. Результатом алгоритма является определение количества событий как значений низких урожайностей сельскохозяйственных культур, расположенных ниже тренда последовательности локальных минимумов исходных рядов. Кроме того, на основе сформулированных рядов разностей фактических данных и значений биопродуктивности трендов локальных минимумов оценены вероятности редких событий, представляющих собой наибольшие потери исследуемой характеристики. Для этого использовано распределение Пирсона III типа. Алгоритм реализован для трех районов Усть-Ордынского Бурятского округа, которые входят в разные агроландшафтные районы. Помимо оценки редких неблагоприятных событий с использованием значимых трендов в некоторых случаях применен статистический критерий определения событий рядов урожайности сельскохозяйственных культур, представляющих собой случайные выборки. Вначале определялись статистические параметры выборок биопродуктивности – средние значения, коэффициенты вариации, асимметрии и первый коэффициент автокорреляции. На основе этих значений построены законы распределения вероятностей. Помимо распределения Пирсона III типа использована функция трехпараметрического степенного гамма-распределения. Число событий в этом случае определялось по значениям ряда, не превысившим 0.8 от среднего значения многолетнего ряда. При использовании многоуровневого тренда наибольшие потери не всегда наблюдались в годы наименьших значений урожайности сельскохозяйственных культур. Полученные результаты применимы для управления производством продукции в условиях рисков.

В работе приводится анализ временных рядов характеристик с динамико-стохастическими свойствами, связанных с производственными процессами – волнообразным изменением уровней со значимой тенденцией роста или спада. К таким характеристикам относится урожайность сельскохозяйственных культур. Помимо биопродуктивности рассмотрены другие характеристики по отраслевому принципу – животноводство, растениеводство, вылов рыбы и добыча водных биоресурсов и заготовка пищевых дикорастущих ресурсов. Поскольку производство аграрной продукции осуществляется разными категориями хозяйств, затронуты вопросы моделирования временных рядов характеристик, отражающих деятельность всех категорий хозяйств, сельскохозяйственных организаций и крестьянских (фермерских) хозяйств. Оценка статистических свойств исследуемых характеристик позволила определить адекватные модели для описания изменчивости временных рядов. Характеристики животноводства, описывающие динамику поголовья животных и их продуктивность, как правило, изменяются без флуктуаций и могут быть описаны на разных временных отрезках трендами роста или падения. Тем не менее, встречаются примеры динамико-стохастической изменчивости, что показано на примере хронологии поголовья свиней в России. Вылов рыбы и добыча водных биоресурсов в России за многолетний период характеризуется волнообразной тенденцией роста и может быть описана с помощью многоуровневых трендов. Заготовка дикоросов, в частности, ягод имеет тенденцию роста в годы высоких урожаев. Из климатических характеристик с помощью многоуровневых трендов можно описать продолжительность безморозного периода и температуры воздуха. В частности, абсолютная зимняя минимальная температура в Иркутске может рассматриваться в виде динамико-стохастической характеристики, локальные минимумы и максимумы которой описываются линейными трендами. Таким образом, производственные и климатические характеристики, связанные с производством продовольственной продукции, можно разделить на две группы. К одной из них относятся временные ряды характеристик с динамико-стохастическими свойствами, а к другой – динамические ряды без случайных флуктуаций.