Применение технологий машинного обучения для прогнозирования временных рядов с учетом влияния внешних факторов в агропромышленной сфере.

Аннотация

Работа посвящена разработке и применению методов прогнозирования временных рядов в АПК с учетом внешних факторов. Анализируются современные подходы, основанные на глубоком обучении (NeuralProphet) и градиентном бустинге (CatBoost), для повы-шения точности прогнозирования цен на сельскохозяйственную продукцию. Исследование включает в себя анализ влияния различных факторов, таких как стоимость кормов, правительственные регулирования, новости и сезонность, а также разработку стратегии кодирования категориальных признаков (One-Hot Encoding, Ordinal Encoding). Результаты демонстрируют существенное улучшение точности прогнозов по сравнению с традиционными методами, подчеркивая важность интеграции внешних данных для принятия эффективных управленческих решений в АПК. doi 10.54708/19926502_2024_28410644