FORECASTING AUTOMATION OF THE AGRICULTURAL ENTERPRISES BASIC INDICATORS

Abstract

В современных экономических условиях прогнозирование является мощным инструментом целевого управления сельским хозяйством. Аграрный сектор является одним из самых сложных объектов прогнозирования. На него оказывают влияние ряд факторов (объективные и субъективные), обеспечивающие его нормальное функционирование и развитие. Мониторинг изменений погодных условий необходим, особенно в тех районах, которые специализируются на выращивании зерновых культур. Причиной этого является нестабильный климат [1]. Снижение сельскохозяйственных рисков в сельском хозяйстве невозможно без создания новых прогнозов. Цель прогнозирования - объединить создание математических технологий и современных технологий, способных повысить продуктивность исследователей и точность ожидаемых результатов прогнозов. Существующие методы прогнозирования урожайности зерна не отвечают требованиям современного развития общества. Они основаны на использовании устаревших технологий, целью которых является использование средних значений, взятых из разных баз данных, часто конфликтующих между собой. Поэтому разработка автоматизированной системы, содержащей инновационные технологии сбора данных с полей и построения гибких сценариев прогноза урожаев, является актуальной задачей. Ключевые слова: прогнозирование, урожайность зерновых культур, тренд, циклические закономерности, экономические показатели предприятий АПК. Forecasting is a powerful tool for targeted agricultural management. The agricultural sector is one of the most difficult forecasting objects because of number of objective and subjective factors that ensure its normal functioning and development. Monitoring of unstable climate changes must be done in the areas growing grain crops. The forecasting goal is to combine the creation of mathematical and modern technologies which can increase the productivity of researchers and the accuracy of the expected forecast results. It is based on outdated technologies and use different databases averages, which often conflict with each other. Grain yield forecasting methods do not meet the requirements of modern society. Therefore, the development of an automated system containing innovative technologies for collecting data from fields and constructing flexible yield forecast scenarios is an urgent task.