Abstract
Оценка инвестиционных рисков в агропромышленном ком-плексе осуществляется в условиях структурной неопределенности, обуслов-ленной изменчивостью климата. Существующие подходы — эконометрические модели, классификаторы машинного обучения и статические нечетко-логиче-ские модели — каждый из которых жертвует либо интерпретируемостью, либо адаптивностью. В данном исследовании предлагается трехуровневая архитек-тура 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 перекрестной проверки по схеме leave-one-out показывают, что обе сравнивае-мые модели правильно классифицируют четыре засушливых года как годы высо-кого риска. Адаптивная калибровка изменила форму функций принадлежности и значения непрерывной оценки риска, однако не привела к изменению итоговой классификации годов по сравнению с базовой моделью.