The research purpose is to test the hypothesis on possibility of building a perennial grasses yield forecast model using the machine learning methods. For agricultural production planning, the yield forecasting is one of the important tasks, and when using information technologies, building forecast models requires significantly less labor inputs while maintaining or even increasing the accuracy and adequacy of the models. Such methods were used as analysis and synthesis of various levels, methods of data preparation for machine learning, machine learning methods implementing a linear regression model and regression using decision trees. The Python machine language and publicly available libraries for data analysis and preparation and building machine learning models were used as the main technology stack for implementing the machine learning methods. The data were prepared for training the model by machine learning methods, and the data were modified without loss so as to represent exclusively numerical values. Linear regression and regression models using decision trees were trained. A metric of model quality confirmed by high values of determination coefficients (0.68 and 0.98, respectively) was calculated, by standard tools from the libraries used. It is concluded that numerical values of contribution of such signs as food regime (0.176935–0.315269), as well as the ratio of the number of irrigations and irrigation norms (0.056576–0.108139), to the model, confirm their significance for the conditions of research areas and database collection. | Цель исследований - проверить гипотезу о возможности построения прогнозной модели урожайности многолетних трав с использованием методов машинного обучения. Для планирования с.-х. производства прогнозирование урожайности является одной из важных задач, а при использовании информационных технологий построение прогнозных моделей требует заметно меньше трудозатрат при сохранении или даже повышении точности и адекватности моделей. В исследовании применяли методы: анализ и синтез различных уровней, методы подготовки данных для машинного обучения, методы машинного обучения, реализующие модель линейной регрессии и регрессии с помощью решающих деревьев. В качестве основного стека технологий для реализации методов машинного обучения использован язык Python и общедоступные библиотеки анализа и подготовки данных и построения моделей машинного обучения. Проведена подготовка данных для тренировки модели методами машинного обучения, при этом данные видоизменены без потерь таким образом, что представляют собой исключительно числовые значения. Проведено обучение моделей линейной регрессии и регрессии с помощью решающих деревьев. С помощью стандартных инструментов используемых библиотек вычислена метрика качества моделей, подтвержденная высокими значениями коэффициентов детерминации (соответственно 0,68 и 0,98). Выводы: численные значения вклада в модель таких признаков, как пищевой режим (0,176935–0,315269), а также соотношение числа поливов и оросительной нормы (0,056576–0,108139), подтверждают их значимость для условий территории проведения исследований и набора базы данных.

The purpose of the research is to develop an algorithm for soil water regime modeling on reclaimed fields of double regulation reclamation systems (drainage-humidification, drainage-irrigation) further to develop information and software tools ensuring rapid soil water management regimes on reclaimed agricultural fields in various regions of the Russian Federation. The methodological and informational basis was formed by methods of collecting and processing information, methods of systematization, regulatory-technical documents, information technology methodology, as well as existing means of information technology support to land reclamation problems. The simulation algorithm includes 3 stages: preparation for simulation, simulation itself, simulation results evaluation. At the modeling stage, the water supply mode to the object (reclaimed field) by the surface method (sprinkling) and (or) by moistening (feeding) with groundwater was set, and then the moisture content at the object was calculated. At the stage of evaluating the modeling results, the terms, discharges and volumes supplied to the object by the surface method and by moistening the soil with groundwater were determined. The data on the results of the modeling were formed. To display the results visually, the main screen form of the water regime modeling program in "Water consumer" control loop was developed. As a result of the research, the water regime modeling algorithm in "Water consumer" control loop (reclaimed field) was developed. The developed algorithm makes it possible to adjust quickly the moisture storage in soil for given crop irrigation regimes due to sprinkling and (or) raising the groundwater level. | Цель исследований - разработка алгоритма моделирования водного режима почв на мелиорируемых полях мелиоративных систем двойного регулирования (осушительно-увлажнительных, осушительно-оросительных) для последующей разработки информационных и программных средств, обеспечивающих возможность оперативного регулирования водных режимов почв на мелиорируемых полях с.-х. культур в различных областях и регионах РФ. Методологическую и информационную основу составили методы сбора и обработки информации, методы систематизации, нормативно-технические документы, положения по разработке информационных технологий, а также существующие средства информационно-технологической поддержки задач в мелиорации. Алгоритм моделирования включает в себя 3 стадии: подготовка к моделированию, непосредственно моделирование, оценка результатов моделирования. На стадии моделирования задавался режим подачи воды на объект (мелиорируемое поле) поверхностным способом (дождевание) и (или) путем увлажнения (подпитки) грунтовыми водами и далее рассчитывались влагозапасы на объекте. На стадии оценки результатов моделирования определялись сроки, расходы и объемы, подаваемые на объект поверхностным способом и путем увлажнения почвы грунтовыми водами, формировались данные о результатах моделирования. Для визуального отображения результатов разработана главная экранная форма программы моделирования водных режимов в контуре регулирования "Водопотребитель". В результате исследований разработан алгоритм моделирования водных режимов в контуре регулирования "Водопотребитель" (мелиорируемое поле). Разработанный алгоритм позволяет оперативно проводить регулирование влагозапасов в почве для заданных режимов орошения культур за счет дождевания и (или) поднятия уровня грунтовых вод.