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

Әйгерім Омуртаева; Улжан Махажанова; Акнур Адилова; Шынар Ележанова; Ярослав Култан

doi:10.54309/IJICT.2026.27.3.023

ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ

АГРОӨНЕРКӘСІПТІК КЕШЕНДЕГІ ИНВЕСТИЦИЯЛЫҚ ТӘУЕКЕЛДЕРДІ БАҒАЛАУҒА АРНАЛҒАН БЕЙІМДЕЛГІШ НЕЙРОНДЫҚ-БҰЛДЫР МОДЕЛЬ: МАШИНАЛЫҚ ОҚЫТУДЫ ИНТЕГРАЦИЯЛАУ АРҚЫЛЫ ШЕШІМ ҚАБЫЛДАУДЫ ҚОЛДАУ СӘУЛЕТІН ЖАҢҒЫРТУ

Авторлар

Әйгерім Омуртаева L.N.Gumilyov Eurasian National University
Улжан Махажанова ЕНУ имени Л.Н.Гумилева
A.K.Adilova М.Х. Дулати атындағы Тараз университеті
Шынар Ележанова
Ярослав Култан Department of Applied Informatics, University of Economics Bratislava, Bratislava, Slovakia

##plugins.pubIds.doi.readerDisplayName##:

https://doi.org/10.54309/IJICT.2026.27.3.023

Кілт сөздер:

adaptive neuro-fuzzy inference system, ANFIS, investment risk assessment, agro-industrial complex, fuzzy-SAW, AHP, membership function calibration, Agri-Food 4.0, Kazakhstan

Аңдатпа

Агроөнеркәсіптік кешендегі инвестициялық тәуекелдерді бағалау климаттың құбылмалылығына байланысты құрылымдық белгісіздік жағдайында жұмыс істейді. Қолданыстағы тәсілдер — эконометриялық модельдер, машиналық оқыту классификаторлары және статикалық анық емес логикалық құрылымдар — әрқайсысы түсіндіру немесе бейімделу мүмкіндігін құрбан етеді. Бұл зерттеу екінші деңгейлі анық емес модуль бейімделгіш нейро-анық емес қорытынды жүйесімен (ANFIS) ауыстырылатын үш деңгейлі шешімді қолдау архитектурасын ұсынады. ANFIS өзегі 2010-2023 жылдар аралығындағы Қазақстан үшін физикалық шығыс индексі мен агроөнеркәсіп саласының байланысты көрсеткіштеріне негізделген, бұл кезеңде төрт расталған құрғақшылық жылдары бар. Жалпыланған Bell мүшелік функциялары гибридті оқыту арқылы калибрленеді: кейінгі параметрлер үшін алға өтудегі ең кіші квадраттарды бағалау және алдыңғы параметрлер үшін кері өтудегі градиенттік төмендеу.

Біреуін қалдыратын айқаспалы валидация экспериментінің нәтижелері ANFIS калибрленген мүшелік функциялары барлық төрт құрғақшылық жылын «Жоғары тәуекел» ретінде дұрыс жіктейтінін және ресми статистикаға қатысты екі-үш айға дейінгі уақытша алға жылжуды қамтамасыз ететінін көрсетеді. Калибрленген функциялар ТШИ қанығу әсерін және сызықтық емес жауын-шашын шегін көрсетеді, олардың екеуін де базалық симметриялы үшбұрышты функциялар анықтай алмайды. AHP салмақтарымен Fuzzy-SAW агрегациясы 3-деңгейде сақталады, бұл инвесторлар мен реттеуші органдар үшін соңғы тәуекел ұпайының түсіндірілуін сақтайды. Ұсынылған құрылым Agri-Food 4.0 парадигмасындағы ауылшаруашылық цифрлық егізінің аналитикалық өзегі ретінде орналастырылған.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Автор өмірбаяндары

Әйгерім Омуртаева, L.N.Gumilyov Eurasian National University

докторант, Л.Н. Гумилев атындағы Еуразия ұлттық университеті, Ақпараттық жүйелер кафедрасы, Қазақстан

A.K.Adilova, М.Х. Дулати атындағы Тараз университеті

магистр, аға оқытушы, М.Х. Дулати атындағы Тараз университеті, Ақпараттық жүйелер кафедрасы, Қазақстан

Шынар Ележанова

физика-математика ғылымдарының кандидаты, «Бағдарламалық инженерия» кафедрасының профессоры

Ярослав Култан, Department of Applied Informatics, University of Economics Bratislava, Bratislava, Slovakia

PhD, қауымдастырылған профессор, Братислава экономика университеті, Қолданбалы информатика кафедрасы

Жарияланды

2026-09-15

Дәйексөзді қалай келтіруге болады

Омуртаева, Ә., Махажанова, У., Адилова, А., Ележанова, Ш., & Култан, Я. (2026). АГРОӨНЕРКӘСІПТІК КЕШЕНДЕГІ ИНВЕСТИЦИЯЛЫҚ ТӘУЕКЕЛДЕРДІ БАҒАЛАУҒА АРНАЛҒАН БЕЙІМДЕЛГІШ НЕЙРОНДЫҚ-БҰЛДЫР МОДЕЛЬ: МАШИНАЛЫҚ ОҚЫТУДЫ ИНТЕГРАЦИЯЛАУ АРҚЫЛЫ ШЕШІМ ҚАБЫЛДАУДЫ ҚОЛДАУ СӘУЛЕТІН ЖАҢҒЫРТУ. ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ, 7(3). https://doi.org/10.54309/IJICT.2026.27.3.023