Производство зерновой продукции всецело зависит от производства зерноуборочных комбайнов и покупательной способности, которые все больше зависят от климатических, политических и экономических изменений в мире. Все это требует от разработчика умения оперативно перестраивать свою работу, быстро и эффективно менять направления производства, модернизации и разработки новых зерноуборочных комбайнов, обеспечивая максимальные показатели их качества и эффективности. Рассматривается математическая модель зерноуборочного комбайна, как реакция на входные внешние факторы и управляющие воздействия. Общая задача обоснования выбора основных конструктивных параметров зерноуборочных комбайнов формулируется как многокритериальная задача математического программирования, которая для ее решения делится на этапы. По результатам официальных испытаний строятся регрессионные модели технологических процессов комбайнов, которые моделируются в ограниченных условиях культуры и зоны с построением условий качества и эффективности. По результатам моделирования формируется информационное поле основных конструктивных параметров зерноуборочных комбайнов, на основании которого строится регрессионная модель основных конструктивных параметров. Решая задачи оптимизации по математическим моделям основных конструктивных параметров, обосновываются сами значения конструктивных параметров из условий происходящих изменений

В статье представлены результаты исследования переработки сельскохозяйственных отходов, актуальность которого обусловлена ростом их объёмов и негативным воздействием на окружающую среду. Разработана классификация отходов по происхождению и составу, включая смешанные (растительные, животные и неприродные компоненты). Показано, что наиболее эффективны термохимические методы — пиролиз, газификация и активация угля. Лабораторные испытания подтвердили возможность получения до 30% биоугля из смеси, содержащей 80% агропромышленных отходов (костра льна, лузга подсолнечника) и 20% упаковочной бумаги. Полученный биоуголь обладает высокой пористостью и прочностью, что позволяет использовать его как почвоулучшитель, адсорбент или топливо. Разработана непрерывно действующая установка с системой рекуперации тепла, снижающей энергозатраты. Технология обеспечивает не только утилизацию отходов, но и производство ценных продуктов — биоугля, синтез-газа и жидких фракций, способствуя устойчивому развитию АПК и снижению экологической нагрузки

В настоящее время наблюдается сокращение генетического разнообразия мягкой и твердой пшеницы вследствие селекции, направленной на увеличение продуктивности. Стародавние сорта отличаются повышенной питательной ценностью зерна, включая большее содержание K, P, Mg, Fe и Zn. Ведущие ученые подчеркивают важность ряда элементов (Ca, Mg, K, Na, P, Cr, Co, Cu, Fe, Mn, Mo, Ni, Se, Zn) для человеческого здоровья. Цель работы – изучить видовое разнообразие пшеницы через призму турецких традиций питания, как опыт сохранения стародавних сортов. Методы работы включали анализ научных публикаций и официальных документов по генетическому разнообразию пшеницы. В результате выявлены связи между пшеницей, традиционным питанием и способы сохранения стародавних сортов. На территории современной Турции сохраняются регионы, где культивируются аборигенные сорта зерновых наряду с современными сортами. Это сохраняет традиционную пищевую культуру и модели потребления. Около 10 тыс. лет назад пшеницу впервые одомашнили в Анатолии, что делает ее древнейшую форму частью культурного наследия страны. Исследования Н.И. Вавилова подтверждают роль Турции как центра происхождения и эволюции пшеницы. Современные сорта основаны на исторических популяциях, сохранивших высокое разнообразие благодаря природному отбору и отсутствию интенсивной селекции. Эти аутентичные культуры обеспечивают местные пищевые потребности и сохраняют уникальное наследие турецкого сельского хозяйства и кулинарии. Сорта местной стародавней пшеницы традиционно обозначают термином «родовая пшеница», подчеркивая преемственность поколений через агрокультурную практику. Обсуждается введение термина «родовая пшеница», для обозначения сортов популяции вида Triticum, длительно культивируемых традиционным способом. Следует отметить, что возделывание указанной зерновой культуры в условиях современной Турецкой Республики локализовано главным образом в горных областях, где отмечается преобладание мелкоконтурных хозяйств экстенсивного типа, функционирующих на малоплодородных почвенных субстратах. В работе на основе анализа литературы нам удалось проследить историю сохранения негенетически модифицированных предковых сортов пшеницы, выращиваемых в Турции. Учитывая многогранный характер использования пшеницы в культуре питания Турции, можно увидеть, как через традиции питания, этнические формы удалось сохранить предковые сорта пшеницы. Важно также, что существует служба патентов, которая на государственном уровне охраняет ценные генотипы пшеницы

В статье рассмотрены современные подходы к применению предиктивной аналитики на основе искусственного интеллекта для оптимизации кормового рациона сельскохозяйственных животных. Цель исследования – проанализировать текущее состояние работ в данной области и выявить перспективы использования интеллектуальных систем для повышения эффективности и устойчивости животноводства. В работе использован метод обзорного анализа отечественных и зарубежных научных публикаций последних лет. Показано, что использование алгоритмов машинного обучения и больших данных позволяет точно прогнозировать потребности животных в питательных веществах и оперативно адаптировать рацион, что ведет к снижению затрат на корма и улучшению показателей продуктивности и здоровья животных. Приведены примеры внедрения ИИ-систем на фермах, демонстрирующие рост среднесуточных привесов и молочной продуктивности при одновременном сокращении перерасхода кормов. Отмечено, что интеграция предиктивных моделей в системы поддержки принятия решений даёт возможность персонализированного кормления и строгого контроля качества кормов. Предиктивная аналитика также позволяет учитывать экологические аспекты кормления, снижая отходы и выбросы за счет более рационального использования кормовых ресурсов. Сделан вывод о высокой актуальности данного направления и необходимости дальнейшей разработки методов ИИ для решения комплексных задач кормления с учётом экономических и экологических факторов. Практическая значимость работы заключается в обобщении опыта применения ИИ в кормлении животных, который может послужить основой для внедрения цифровых решений в агропромышленном комплексе

Задачей нашего опыта было изучения влияния различных технологий выращивания озимой пшеницы на чистую продуктивность фотосинтеза (ЧПФ) по годам исследования. ЧПФ является расчетным показателем. В нашем опыте мы прослеживаем его влияние на урожайность при различных технологиях. Нами были выбраны пять различных технологий выращивания пшеницы для создания контрастных условий формирования листостебельных показателей в условиях двухгодичных исследований

В статье представлена оригинальная гибридная модель, разработанная для выявления признаков манипулятивного поведения на финансовых рынках и одновременного прогнозирования краткосрочного направления движения цен. Основу модели составляет синергетическое объединение классических подходов технического анализа с передовыми методами машинного обучения. В качестве ключевых компонентов технического анализа используются методология Volume Spread Analysis (VSA) и индикатор On-Balance Volume (OBV). VSA позволяет интерпретировать взаимосвязь между объёмом торгов и ценовыми движениями, выявляя скрытые сигналы о возможных действиях «умных денег» или крупных участников рынка, тогда как OBV служит для оценки совокупного давления покупателей и продавцов на основе накопленного объёма. С целью повышения точности и надёжности прогнозов эти традиционные инструменты дополняются современными алгоритмами машинного обучения. В архитектуру модели интегрированы как градиентные бустинговые алгоритмы - такие как XGBoost и CatBoost, известные своей высокой эффективностью в задачах классификации и регрессии на структурированных данных, - так и рекуррентные нейронные сети типа GRU (Gated Recurrent Unit), способные улавливать временные зависимости и динамику в последовательностях ценовых и объёмных данных. Кроме того, применяется метод стекинга (stacking), который позволяет комбинировать предсказания нескольких базовых моделей на метауровне, тем самым усиливая обобщающую способность всей системы и снижая риск переобучения. Основная цель модели - не просто предсказать направление цены, но и одновременно выявить аномальные рыночные паттерны, характерные для манипулятивных стратегий