Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних
In this article, the future values of indicators were forecasted for production of grains and legumes on farms in Cherkasy region based on the time series expressed in physical units. Time series analysis as one of the data mining techniques was used during the research in order to make a forecast o...
Збережено в:
| Дата: | 2021 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2021
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/214965 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| id |
journaliasakpiua-article-214965 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-2149652021-07-13T11:01:37Z Forecasting of agricultural production volumes using methods of data mining Прогнозирование объемов производства сельскохозяйственной продукции с помощью методов интеллектуального анализа данных Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних Kontseba, Serhii Lishchuk, Roman Skurtol, Svitlana Rodashchuk, Halyna Vasylchenko, Ivan интеллектуальный анализ данных временной ряд прогнозирование тренд сельскохозяйственное предприятие модель data mining time series forecasting trend agricultural enterprise model інтелектуальний аналіз даних часовий ряд прогнозування тренд сільськогосподарське підприємство модель In this article, the future values of indicators were forecasted for production of grains and legumes on farms in Cherkasy region based on the time series expressed in physical units. Time series analysis as one of the data mining techniques was used during the research in order to make a forecast of production using the data (based on the model of dynamic series) from past years to predict the future production volumes. This method contains the following steps: a graphical analysis (allows you to choose the model equation in the best way), separation and analysis of deterministic components of the series, smoothing and filtering of time series, study of random components, construction and testing for the adequacy of the time series model, forecasting the behavior of the time series based on the conducted research. Спрогнозированы будущие значения показателей производства зерновых и зернобобовых культур в сельскохозяйственных предприятиях Черкасской области на основе временных рядов динамики, уровни которых выражены в натуральных единицах измерения. При исследовании использовалась одна из методик интеллектуального анализа данных — анализ временных рядов, что позволяет на основе модели ряда динамики, построенной на базе фактических значений показателей прошлых лет, спрогнозировать производство на будущие годы. Методика содержит следующие этапы: графический анализ (для подбора подходящего уравнения модели), выделение и анализ детерминированных составляющих ряда, сглаживание и фильтрация временного ряда, исследования случайной компоненты, построение и проверка на адекватность модели временного ряда, прогнозирование поведения временного ряда на основе проведенных исследований. Спрогнозовано майбутні значення показників виробництва зернових і зернобобових культур у сільськогосподарських підприємствах Черкаської області на основі часових рядів динаміки, рівні яких виражено в натуральних одиницях вимірювання. Під час дослідження використано одну з методик інтелектуального аналізу даних — аналіз часових рядів, що дозволяє на основі моделі ряду динаміки, побудованої на базі фактичних значень попередніх показників минулих років, спрогнозувати виробництво на наступні роки. Методика містить такі етапи: графічний аналіз (для підбору відповідного рівняння моделі), виділення і аналіз детермінованих складових ряду, згладжування і фільтрація часового ряду, дослідження випадкової компоненти, побудова і перевірка на адекватність моделі часового ряду, прогнозування поведінки часового ряду на підставі проведених досліджень. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2021-07-13 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/214965 10.20535/SRIT.2308-8893.2021.1.07 System research and information technologies; No. 1 (2021); 87-97 Системные исследования и информационные технологии; № 1 (2021); 87-97 Системні дослідження та інформаційні технології; № 1 (2021); 87-97 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/214965/235354 |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
Ukrainian |
| topic |
интеллектуальный анализ данных временной ряд прогнозирование тренд сельскохозяйственное предприятие модель data mining time series forecasting trend agricultural enterprise model інтелектуальний аналіз даних часовий ряд прогнозування тренд сільськогосподарське підприємство модель |
| spellingShingle |
интеллектуальный анализ данных временной ряд прогнозирование тренд сельскохозяйственное предприятие модель data mining time series forecasting trend agricultural enterprise model інтелектуальний аналіз даних часовий ряд прогнозування тренд сільськогосподарське підприємство модель Kontseba, Serhii Lishchuk, Roman Skurtol, Svitlana Rodashchuk, Halyna Vasylchenko, Ivan Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних |
| topic_facet |
интеллектуальный анализ данных временной ряд прогнозирование тренд сельскохозяйственное предприятие модель data mining time series forecasting trend agricultural enterprise model інтелектуальний аналіз даних часовий ряд прогнозування тренд сільськогосподарське підприємство модель |
| format |
Article |
| author |
Kontseba, Serhii Lishchuk, Roman Skurtol, Svitlana Rodashchuk, Halyna Vasylchenko, Ivan |
| author_facet |
Kontseba, Serhii Lishchuk, Roman Skurtol, Svitlana Rodashchuk, Halyna Vasylchenko, Ivan |
| author_sort |
Kontseba, Serhii |
| title |
Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних |
| title_short |
Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних |
| title_full |
Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних |
| title_fullStr |
Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних |
| title_full_unstemmed |
Прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних |
| title_sort |
прогнозування обсягів виробництва сільськогосподарської продукції за допомогою методів інтелектуального аналізу даних |
| title_alt |
Forecasting of agricultural production volumes using methods of data mining Прогнозирование объемов производства сельскохозяйственной продукции с помощью методов интеллектуального анализа данных |
| description |
In this article, the future values of indicators were forecasted for production of grains and legumes on farms in Cherkasy region based on the time series expressed in physical units. Time series analysis as one of the data mining techniques was used during the research in order to make a forecast of production using the data (based on the model of dynamic series) from past years to predict the future production volumes. This method contains the following steps: a graphical analysis (allows you to choose the model equation in the best way), separation and analysis of deterministic components of the series, smoothing and filtering of time series, study of random components, construction and testing for the adequacy of the time series model, forecasting the behavior of the time series based on the conducted research. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2021 |
| url |
http://journal.iasa.kpi.ua/article/view/214965 |
| work_keys_str_mv |
AT kontsebaserhii forecastingofagriculturalproductionvolumesusingmethodsofdatamining AT lishchukroman forecastingofagriculturalproductionvolumesusingmethodsofdatamining AT skurtolsvitlana forecastingofagriculturalproductionvolumesusingmethodsofdatamining AT rodashchukhalyna forecastingofagriculturalproductionvolumesusingmethodsofdatamining AT vasylchenkoivan forecastingofagriculturalproductionvolumesusingmethodsofdatamining AT kontsebaserhii prognozirovanieobʺemovproizvodstvaselʹskohozâjstvennojprodukciispomoŝʹûmetodovintellektualʹnogoanalizadannyh AT lishchukroman prognozirovanieobʺemovproizvodstvaselʹskohozâjstvennojprodukciispomoŝʹûmetodovintellektualʹnogoanalizadannyh AT skurtolsvitlana prognozirovanieobʺemovproizvodstvaselʹskohozâjstvennojprodukciispomoŝʹûmetodovintellektualʹnogoanalizadannyh AT rodashchukhalyna prognozirovanieobʺemovproizvodstvaselʹskohozâjstvennojprodukciispomoŝʹûmetodovintellektualʹnogoanalizadannyh AT vasylchenkoivan prognozirovanieobʺemovproizvodstvaselʹskohozâjstvennojprodukciispomoŝʹûmetodovintellektualʹnogoanalizadannyh AT kontsebaserhii prognozuvannâobsâgívvirobnictvasílʹsʹkogospodarsʹkoíprodukcíízadopomogoûmetodívíntelektualʹnogoanalízudanih AT lishchukroman prognozuvannâobsâgívvirobnictvasílʹsʹkogospodarsʹkoíprodukcíízadopomogoûmetodívíntelektualʹnogoanalízudanih AT skurtolsvitlana prognozuvannâobsâgívvirobnictvasílʹsʹkogospodarsʹkoíprodukcíízadopomogoûmetodívíntelektualʹnogoanalízudanih AT rodashchukhalyna prognozuvannâobsâgívvirobnictvasílʹsʹkogospodarsʹkoíprodukcíízadopomogoûmetodívíntelektualʹnogoanalízudanih AT vasylchenkoivan prognozuvannâobsâgívvirobnictvasílʹsʹkogospodarsʹkoíprodukcíízadopomogoûmetodívíntelektualʹnogoanalízudanih |
| first_indexed |
2024-04-08T15:07:40Z |
| last_indexed |
2024-04-08T15:07:40Z |
| _version_ |
1795779577529761792 |