Разработка типологии крестьянских (фермерских) хозяйств с применением методов машинного обучения

Уколова А.В.1, Ульянкин А.Е.1, Быков Д.В.1
1 ФГБОУ ВО РГАУ-МСХА имени К.А. Тимирязева, ,

Купить PDF | Цитирований: 3

Статья в журнале

Экономика сельскохозяйственных и перерабатывающих предприятий (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 99, Номер 12 (Декабрь 2024)

Цитировать эту статью:

Уколова, А. В. Разработка типологии крестьянских (фермерских) хозяйств с применением методов машинного обучения / А. В. Уколова, А. Е. Ульянкин, Д. В. Быков // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2024. – Т. 99, № 12. – С. 55-61. – DOI 10.31442/0235-2494-2024-0-12-55-61. – EDN TTENJL.
Ukolova, A. V., Ulyankin, A. E., Bykov, D. V. (2024). Development of a typology of peasant farms using machine learning methods. Economy of agricultural and processing enterprises, 99(12), 55-61. https://doi.org/10.31442/0235-2494-2024-0-12-55-61

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=77868538
Цитирований: 3

Аннотация:
Для получения достоверных характеристик состояния сельскохозяйственного производства в крестьянских (фермерских) хозяйствах (К(Ф)Х) по данным их формы отчетности № 1-КФХ «Информация о производственной деятельности глав крестьянских (фермерских) хозяйств - индивидуальных предпринимателей за 2021 год» авторами предложена типология крестьянских (фермерских) хозяйств на основе методов кластерного анализа и машинного обучения. Это позволит определить более четкие границы типов, а органам государственного управления - повысить эффективность мер государственного регулирования и поддержки. Методика была апробирована на данных Орловской области, представляющей среднюю группу регионов по уровню развития сельскохозяйственного производства в К(Ф)Х. Типизация регионов была проведена по авторской методике оценки уровня развития К(Ф)Х в регионе на основе показателей количества К(Ф)Х в регионе, стоимости и удельного веса их валовой продукции сельского хозяйства в общем объеме производства по региону, были выделены группы регионов с высоким, средним и слабым уровнем развития фермерства. Результаты исследования могут использоваться для повышения качества информационного обеспечения принятия управленческих решений в области сельского хозяйства на региональном уровне.

Ключевые слова: сельское хозяйство, крестьянские (фермерские) хозяйства, типология, машинное обучение, кластерный анализ

JATS XML

Страница обновлена: 23.06.2026 в 20:27:23

 
 

BYU PDF | Citations: 3

Development of a typology of peasant farms using machine learning methods

Ukolova A.V., Ulyankin A.E., Bykov D.V.

Journal paper

Economy of agricultural and processing enterprises
Volume 99, Number 12 (december 2024)

Citation:

Ukolova, A. V., Ulyankin, A. E., & Bykov, D. V. (2024). Development of a typology of peasant farms using machine learning methods. Economy of agricultural and processing enterprises, 99(12), 55-61. https://doi.org/10.31442/0235-2494-2024-0-12-55-61

Abstract:
To obtain reliable characteristics of the state of agricultural production of farms based on the results of data from the reporting form № 1-KFH «Information on the production activities of heads of farms - individual entrepreneurs for 2021», the authors proposed a typology of farms based on cluster analysis and machine learning methods. This will make it possible to define clearer boundaries of types, and for public authorities to increase the effectiveness of government regulation and support measures. The methodology was tested on data from the Orel region, which represents the average group of regions in terms of the level of development of agricultural production in farms. The typification of regions was carried out according to the author’s methodology for assessing the level of development of farms in the region based on indicators of the number of farms in the region, the cost and proportion of their gross agricultural output farms in the total volume of production in the region; groups of regions with high, medium and low levels of farming development were identified. The results of the study can be used to improve the quality of information support for management decision-making in the field of agriculture at the regional level.

Keywords: Agriculture, Peasant (Farm) Farms, typology, Machine Learning, Cluster Analysis