Abstract
Современное сельское хозяйство сталкивается с проблемой повышения эффективности производства в условиях ограниченности ресурсов и изменения климатических условий. В данной статье представлен подход к оценке влияния различных факторов на агропромышленные показатели с использованием методов машинного обучения. Анализ проводился на основе производственных, климатических и экономических показателей агропромышленных предприятий Северо-Казахстанской области за период 2020–2022 гг. В ходе исследования выявлено, что наиболее значимыми факторами являются посевные площади, средняя масса урожая и количество осадков, которые показывают корреляцию до 93 % с ростом урожайности. Ис-пользование предложенных методов позволило снизить неопределенность про-гноза на 28 % и повысить точность прогноза ключевых показателей на 15–20 %. Результаты анализа, визуализированные в виде корреляционных матриц и карт важных признаков, подтверждают, что предложенный подход может быть использован для оптимизации управления агропромышленным производством. Использование разработанной методологии способствует разработке стратегий, направленных на устойчивое развитие агропромышленного комплекса. Кроме того, результаты исследования свидетельствуют о важности автоматизации тех-нологических процессов в сельском хозяйстве.