Целью данного исследования была разработка основных компонентов модели адаптивной информационной системы прогнозирования продуктивности сельскохозяйственных культур. Методы. Для проведения исследований по установлению основных структурных элементов адаптивной информационной модели прогнозирования продуктивности основных сельскохозяйственных культур использовали метод построения динамических моделей. Результаты. Проведен детальный анализ концептуальных подходов к построению математических сельскохозяйственных моделей и установлены основные преимущества и недостатки современных аналогов. Определено, что адаптивная информационная модель базируется исключительно на потребностях растения и собственно необходимость обеспечить эти потребности доступными ресурсами с целью получения стабильно высокой урожайности с хорошими показателями качества. Программно-аппаратный комплекс должен иметь обратную связь между его основными структурными элементами, ведь за счет этого значительно повышается точность прогнозирования продуктивности растений. Данные полученные на основе работы определенных механизмов или показатели погодных условий и их прогнозы используются для принятия решений, однако, в случае их существенного изменения решение об отдельных элементах технологии пересматриваются. Программный продукт должен быть связан с экономической частью и при создании рекомендаций учитывать конъюнктуру рынка и прогнозные данные. В случае низкой закупочной цены на продукцию рекомендовать применять или не применять определенные агротехнические операции (скажем удобрение по вегетации), кроме того, корректировать их в случае существенного изменения условий выращивания – когда применение этих элементов технологии будет неэффективно за счет негативного воздействия других факторов. Выводы. Адаптивная информационная система прогнозирования продуктивности в технологическом процессе выращивания сельскохозяйственных культур формируется на базе модели состоящей из трех модулей признаков – результирующей и двух компонентных. На каждом следующем этапе реализации модели результирующий признак становится компонентным, причем с максимальным вкладом в результирующий признак следующего модуля. | Purpose of this study was to develop the main components of a model of an adaptive information system for predicting crop productivity. Methods. To conduct research on the establishment of the basic structural elements of an adaptive information model for predicting the productivity of basic crops used the method of constructing dynamic models. Results. A detailed analysis of conceptual approaches to the construction of mathematical agricultural models is carried out and the main advantages and disadvantages of modern analogues are established. It is determined that the adaptive information model is based solely on the needs of the plant and actually on the need to provide these needs with available resources in order to obtain consistently high yields with high quality indicators. The hardware and software complex must have a feedback relationship between its basic structural elements, because it significantly improves the accuracy of predicting plant productivity. Data based on the operation of certain mechanisms or indicators of weather conditions and their forecasts are used for decision making, however, if they are substantially changed, decisions about individual technology elements are reviewed. The software should be related to the economic part and should take into account market conditions and forecast data when making recommendations. In the case of low purchase prices for products, we recommend that certain agrotechnical operations (say vegetation feeding) be applied or not, in the case of significant change in growing conditions - when the application of these agro-measures will be ineffective due to the negative effects of drought, etc. Conclusions. Adaptive information system for forecasting productivity in the technological process of growing crops is formed on the basis of a model consisting of three modules of characteristics – the resultant and two components. At each subsequent stage of implementation of the model, the resulting feature becomes component, with the maximum contribution to the resulting feature of the next module. | Целью данного исследования была разработка основных компонентов модели адаптивной информационной системы прогнозирования продуктивности сельскохозяйственных культур.Методы. Для проведения исследований по установлению основных структурных элементов адаптивной информационной модели прогнозирования продуктивности основных сельскохозяйственных культур использовали метод построения динамических моделей.Результаты. Проведен детальный анализ концептуальных подходов к построению математических сельскохозяйственных моделей и установлены основные преимущества и недостатки современных аналогов. Определено, что адаптивная информационная модель базируется исключительно на потребностях растения и собственно необходимость обеспечить эти потребности доступными ресурсами с целью получения стабильно высокой урожайности с хорошими показателями качества. Программно-аппаратный комплекс должен иметь обратную связь между его основными структурными элементами, ведь за счет этого значительно повышается точность прогнозирования продуктивности растений. Данные полученные на основе работы определенных механизмов или показатели погодных условий и их прогнозы используются для принятия решений, однако, в случае их существенного изменения решение об отдельных элементах технологии пересматриваются. Программный продукт должен быть связан с экономической частью и при создании рекомендаций учитывать конъюнктуру рынка и прогнозные данные. В случае низкой закупочной цены на продукцию рекомендовать применять или не применять определенные агротехнические операции (скажем удобрение по вегетации), кроме того, корректировать их в случае существенного изменения условий выращивания – когда  применение этих элементов технологии будет неэффективно за счет негативного воздействия других факторов.Выводы. Адаптивная информационная система прогнозирования продуктивности в технологическом процессе выращивания сельскохозяйственных культур формируется на базе модели состоящей из трех модулей признаков – результирующей и двух компонентных. На каждом следующем этапе реализации модели результирующий признак становится компонентным, причем с максимальным вкладом в результирующий признак следующего модуля.

Purpose of this study was to develop the main components of a model of an adaptive information system for predicting crop productivity. Methods. To conduct research on the establishment of the basic structural elements of an adaptive information model for predicting the productivity of basic crops used the method of constructing dynamic models. Results. A detailed analysis of conceptual approaches to the construction of mathematical agricultural models is carried out and the main advantages and disadvantages of modern analogues are established. It is determined that the adaptive information model is based solely on the needs of the plant and actually on the need to provide these needs with available resources in order to obtain consistently high yields with high quality indicators. The hardware and software complex must have a feedback relationship between its basic structural elements, because it significantly improves the accuracy of predicting plant productivity. Data based on the operation of certain mechanisms or indicators of weather conditions and their forecasts are used for decision making, however, if they are substantially changed, decisions about individual technology elements are reviewed. The software should be related to the economic part and should take into account market conditions and forecast data when making recommendations. In the case of low purchase prices for products, we recommend that certain agrotechnical operations (say vegetation feeding) be applied or not, in the case of significant change in growing conditions - when the application of these agro-measures will be ineffective due to the negative effects of drought, etc. Conclusions. Adaptive information system for forecasting productivity in the technological process of growing crops is formed on the basis of a model consisting of three modules of characteristics – the resultant and two components. At each subsequent stage of implementation of the model, the resulting feature becomes component, with the maximum contribution to the resulting feature of the next module.