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

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 статье представлены результаты исследований по оценке влияния спектрального состава света на биометрические показатели прироста надземной части и корневой системы растений-регенерантов подвоев косточковых культур на этапе адаптации ex vitro в технологии микроклонального размножения. Работу выполняли в 2024-2025 гг. в Научно-производственном центре питомниководства плодово-ягодных культур на базе ФГБОУ ВО «Ставропольский государственный аграрный университет». Изучалась эффективность применения светодиодных светильников с различными сочетаниями красного, оранжевого, синего и зеленого световых спектров по сравнению с контролем (люминисцентной лампой холодного света). В результате проведенных учетов и наблюдений, показано, что в среднем по размножаемым подвоям, применение всех изучаемых типов светодиодных ламп обеспечивало существенное увеличение всех анализируемых критериев при развитии растений-регенерантов относительно соответствующих контрольных показателей. Наибольшую эффективность обеспечило применение варианта светодиодных ламп со спектральным режимом освещения 650-660 нм (40%) + 600-610 нм (40%) + 440-450 нм (20%), позволившего существенно увеличить интенсивность ризогенеза и обеспечившего увеличение вегетативной массы растений-регенерантов относительно контроля и остальных вариантов светодиодных ламп по опыту на 29,8 и 2,4-21,7 мг. Для получения максимального выхода качественного посадочного материала при выращивании безвирусных подвоев косточковых культур на этапе адаптации рекомендуется использование светодиодных ламп с указанным спектральным режимом освещения

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 ходе эксперимента исследовалось влияние различных приемов подготовки почвы на ее плотность и агрегатный состав в условиях полевого опыта. Целью работы было определить, как методы обработки влияют на агрофизические свойства и полевую всхожесть семян озимой пшеницы разных сортов в условиях Западного Предкавказья. В центральной зоне Краснодарского края был заложен стационарный трехфакторный опыт. В результате проведённых исследований зафиксированы изменения плотности почвы и структуры агрегатов в зависимости от способов обработки на разных горизонтах пахотного слоя. Выявлены также доли взаимодействия изучаемых факторов на данные показатели. Дополнительно установлено, что приемы подготовки почвы оказывают влияние на полевую всхожесть семян различных сортов озимой пшеницы, а также определены долевые эффекты факторов, влияющих на этот процесс

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