В статье рассмотрены особенности нейросетевого моделирования динамики многолетних временных рядов (ВР) урожайности зерновых культур в условиях региона Нижнего Поволжья с целью повышения обоснованности выбора параметров моделей в виде искусственных нейронных сетей. Проанализированы особенности статистических характеристик, в частности, автокорреляционной функции, распределения многолетних уровней урожайностей зерновых культур, которые необходимо учитывать при построении нейросетевых моделей. На основе предпрогнозного статистического анализа установлены пики, соответствующие временным лагам автокорреляционной функции, определенным для различных групп зерновых культур. Полученные значения рекомендовано учитывать при задании величины временных окон при формировании нейросетевых моделей урожайности, что легло в основу предлагаемой информационной технологии, реализованной в среде SNN v4.0.

The article describes the features of neural network modeling of the dynamics of long-term time series (BP) grain yields in the region of the Lower Volga region in order to increase the validity of the choice of model parameters such as artificial neural networks. The features of the statistical characteristics, in particular the autocorrelation function, the distribution of long-term level of productivity of crops that need to be taken into account when constructing the neural network models. Based on statistical analysis established predprognoznogo peaks corresponding to the time lag of the autocorrelation function defined for different groups of crops. The resulting value is recommended to take into account when setting the amount of time windows during the formation of neural network models yield, which formed the basis for the proposed information technology implemented in the medium SNN v4.0.