Аннотация. Цель – обоснование применимости использования искусственных нейронных сетей к прогнозированию агропродовольственных экономических систем. Методы. Исследование основано на использовании элементов интерпретативного метода в сочетании генетического, структурного, функционального, комплексного, системного и эмпирического подходов. Научная новизна заключается в систематизации алгоритмов реализации искусственных нейронных сетей и обосновании их применимости для прогнозирования агропродовольственных экономических систем, разработке алгоритма и архитектуры построения нейронной сети на основе множественных данных о рынках сельскохозяйственной продукции, обосновании направлений совершенствования информационной инфраструктуры на уровне фирмы. Результаты. Авторами систематизированы интуитивные и формализованные методы прогнозирования, обосновано в этой системе место методов, построенных на машинном обучении. Подробно рассмотрены преимущества и недостатки использования искусственных нейронных сетей для прогнозирования агропродовольственных экономических систем, обоснована целесообразность их использования с точки зрения соответствия принципам прогнозирования. Анализ основных видов искусственных нейронных сетей позволил сделать вывод, что наиболее перспективными для реализации задач прогнозирования являются реккурентные нейронные сети с алгоритмом обратного распространения (LSTM и GRU). Сформулированы основные цели построения моделей на основе нейронных сетей для использования в прогнозировании экономических систем, разработаны базовые положения последовательности и методики развертывания нейронных сетей в процессе прогнозирования на агропродовольственном рынке, ключевые элементы организации процесса прогнозирования в отдельных экономических субъектах, рассмотрены практические аспекты возможности использования математического алгоритма для моделирования агропродовольственных систем, а также условия совершенствования информационной инфраструктуры на уровне фирмы в целях обеспечения доступности источников данных, и технологий их обработки.
Abstract. The purpose of the study was to substantiate the applicability of the use of artificial neural networks to the forecasting of agro-food economic systems. Methods. The research is based on the use of elements of the interpretative method in a combination of genetic, structural, functional, complex, systemic, and empirical approaches. The scientific novelty it consists in systematization of algorithms for the implementation of artificial neural networks and substantiation of their applicability for forecasting agro-food economic systems, development of an algorithm and architecture for building a neural network based on multiple data on agricultural markets, substantiation of directions for improving information infrastructure at the firm level. Results. The authors systematized intuitive and formalized forecasting methods, justified the place of methods based on machine learning in this system. The advantages and disadvantages of using artificial neural networks for forecasting agri-food economic systems are considered in detail, the expediency of their use from the point of view of compliance with the principles of forecasting is justified. The analysis of the main types of artificial neural networks allowed us to conclude that the most promising for the implementation of forecasting tasks are competitive neural networks with a back propagation algorithm (LSTM and GRU). The main objectives of building models based on neural networks for use in forecasting economic systems are formulated, the basic provisions of the sequence and methods of deploying neural networks in the forecasting process in the agri-food market are developed, the key elements of the organization of the forecasting process in individual economic entities are considered, practical aspects of the possibility of using a mathematical algorithm for modeling agri-food systems are considered, as well as the conditions for improving the information infrastructure at the firm level in order to ensure the availability of data sources and technologies for their processing.