AN ADAPTIVE NEURAL-FUZZY MODEL FOR ASSESSING INVESTMENT RISKS IN THE AGRI-INDUSTRIAL COMPLEX: MODERNISATION OF THE DECISION-SUPPORT ARCHITECTURE THROUGH THE INTEGRATION OF MACHINE LEARNING

Аннотация

Оценка инвестиционных рисков в агропромышленном комплексе осуществляется в условиях структурной неопределенности, обусловленной изменчивостью климата. Существующие подходы — эконометрические модели, классификаторы машинного обучения и статические нечетко-логические модели — каждый из которых жертвует либо интерпретируемостью, либо адаптивностью. В данном исследовании предлагается трехуровневая архитектура поддержки принятия решений, в которой модуль фаззификации второго уровня заменен адаптивной нейро-нечеткой системой вывода (ANFIS). Ядро ANFIS обучается на основе Индекса физического производства и связанных с ним показателей агропромышленности Казахстана за период 2010–2023 годов, включающего четыре подтвержденных засушливых года. Обобщенные функции принадлежности Белла калибруются с помощью гибридного обучения: оценка методом наименьших квадратов в прямом проходе для параметров следствия и градиентный спуск в обратном проходе для параметров антецедента.

Результаты эксперимента с перекрестной проверкой методом «исключения одного элемента» показывают, что откалиброванные с помощью ANFIS функции принадлежности правильно классифицируют все четыре засушливых года как «высокорискованные» и обеспечивают временное опережение на два-три месяца по сравнению с официальной статистикой. Откалиброванные функции выявляют эффект насыщения ПИИ и нелинейный порог осадков, которые базовые симметричные треугольные функции не могут уловить. Агрегация Fuzzy-SAW с весами AHP сохраняется на уровне 3, что обеспечивает интерпретируемость итоговой оценки риска для инвесторов и регулирующих органов. Предложенная структура позиционируется как аналитическое ядро ​​цифрового двойника сельского хозяйства в рамках парадигмы «Agri-Food 4.0».