АЙЫЛ ЧАРБАСЫНЫН ТУРУКТУУ ӨНҮГҮҮСҮН ЭКОНОМИКАЛЫК-МАТЕМАТИКАЛЫК МОДЕЛДӨӨ ЖАНА ЖАСАЛМА ИНТЕЛЛЕКТТИ КОЛДОНУУ

Эсенбек Белек уулу, Айнура Дыйканова, Тургунбек Жумалиев, Самыйбек Бегалиев, Рахат Сагындыкова, Тологон Керимов
Кабыл алынган убакыт: 11.01.2026
Түзөтүлгөн: 05.06.2026
Кабыл алынган: 01.07.2026
Барактар: 169 –193
Алуу булагы: Том 4, № 2, 2026
Макаланы жүктөө
Макаланы жүктөө

Аннотация

Бул макала агроөнөр жай комплексинин туруктуу өнүгүүсүн экономикалык-математикалык моделдөө ыкмаларын жасалма интеллект технологияларын колдонуу аркылуу изилдөөгө арналган. Глобалдык климаттык өзгөрүүлөрдүн шартында жана азык-түлүк коопсуздугун камсыз кылуу зарылдыгынын өсүшү салттуу пландаштыруу ыкмаларын адаптивдүү алгоритмдер менен толуктоону талап кылат. Изилдөөдө агрардык системалардын абалын божомолдоо үчүн нейрондук тармактарды жана терең үйрөнүү ыкмаларын колдонуу каралган. Негизги көңүл экономикалык, экологиялык жана социалдык көрсөткүчтөрдү бирдиктүү моделдин алкагында интеграциялоого бурулган. Статистикалык талдоону жана жасалма интеллектти айкалыштырган гибриддик технологияларды колдонуу божомолдордун тактыгын жана башкаруучулук чечимдердин натыйжалуулугун кыйла жогорулатарын көрсөттү. Изилдөөнүн жыйынтыктары айыл чарба өндүрүшүн оптималдаштырууда жана региондордун узак мөөнөттүү туруктуу өнүгүү стратегияларын иштеп чыгууда колдонулат.

Негизги сөздөр

туруктуу өнүгүү, жасалма интеллект, математикалык моделдөө, нейрондук тармактар, агроөнөр жай комплекси, климатка ылайыкташкан айыл чарба

Цитаталоо

Belek uulu, E., Dyikanova, А., Zhumaliev, T., Begaliev, S., Sagyndykova, R., & Kerimov, Т. (2026). ECONOMIC AND MATHEMATICAL MODELING OF SUSTAINABLE AGRICULTURAL DEVELOPMENT USING ARTIFICIAL INTELLIGENCE. Global Scholars’ Space, 4(2), 169-193.

Колдонулган булактар

  1. Bhagat, P., Naz, F., & Magda, R. (2022). Artificial intelligence solutions enabling sustainable agriculture: A bibliometric analysis. Sustainable Futures, 4, 100078. https://doi.org/10.1016/j.sftr.2022.100078
  2. Churikanova, O. A., & Lysenko, E. G. (2021). Neural network modeling of sustainable regional development. IOP Conference Series: Earth and Environmental Science, 677, 042064. https://doi.org/10.1088/1755-1315/677/4/042064
  3. Gryshova, I., et al. (2024). Climate-smart agriculture and AI integration. Agricultural Systems, 213, 103800. https://doi.org/10.1016/j.agsy.2023.103800
  4. Kamyshova, G. (2020). Risk management in irrigated agriculture using neural networks. Water Resources, 47(5), 809–816. https://doi.org/10.1134/S0097807820050085
  5. Puoetsile, K., et al. (2024). Modeling agricultural sustainability using hybrid approaches. Ecological Modelling, 495, 110789. https://doi.org/10.1016/j.ecolmodel.2023.110789
  6. Rogachev, A. F., & Melikhova, E. V. (2020). Neural network forecasting in agriculture. Journal of Physics: Conference Series, 1679, 032045. https://doi.org/10.1088/1742-6596/1679/3/032045
  7. Rudoy, D., et al. (2023). Mathematical modeling of agricultural systems. Agronomy, 13(5), 1452. https://doi.org/10.3390/agronomy13051452
  8. Shaimerdenova, A., et al. (2023). Optimization of crop production under climate risks. Sustainability, 15(9), 7201. https://doi.org/10.3390/su15097201
  9. Shi, W., et al. (2025). Hybrid AI models in agriculture. Computers and Electronics in Agriculture, 220, 108209. https://doi.org/10.1016/j.compag.2024.108209
  10. Skliar, O., et al. (2020). Machine learning in agricultural systems. Procedia Computer Science, 178, 302–310. https://doi.org/10.1016/j.procs.2020.11.031
  11. Sudarsono, H., & Wandebori, H. (2024). Predictive modeling for sustainable agriculture. Heliyon, 10(1), e24567. https://doi.org/10.1016/j.heliyon.2024.e24567
  12. Vahrameev, V., et al. (2020). Neural networks in agricultural forecasting. E3S Web of Conferences, 222, 03017. https://doi.org/10.1051/e3sconf/202022203017
  13. FAO. (2021). The state of food and agriculture. https://doi.org/10.4060/cb4476en
  14. World Bank. (2022). Agriculture and climate change. https://doi.org/10.1596/978-1-4648-1816-1
  15. Zhang, Y., et al. (2023). Deep learning for crop yield prediction. Remote Sensing, 15(4), 1023. https://doi.org/10.3390/rs15041023
  16. Li, X., et al. (2022). AI-driven irrigation systems. Agricultural Water Management, 263, 107467. https://doi.org/10.1016/j.agwat.2021.107467
  17. Wolfert, S., et al. (2017). Big data in smart farming. Agricultural Systems, 153, 69–80. https://doi.org/10.1016/j.agsy.2017.01.023
  18. Klerkx, L., et al. (2019). Digital agriculture transformation. NJAS, 90–91, 100315. https://doi.org/10.1016/j.njas.2019.100315
  19. Tzounis, A., et al. (2017). Internet of Things in agriculture. Computers and Electronics in Agriculture, 140, 1–12. https://doi.org/10.1016/j.compag.2017.05.037
  20. Lobell, D. B., et al. (2015). Climate trends and global crop production. Science, 333(6042), 616–620. https://doi.org/10.1126/science.1204531
  21. Ray, D. K., et al. (2019). Climate change impacts on agriculture. Nature Climate Change, 9, 789–798. https://doi.org/10.1038/s41558-019-0600-1
  22. Jeong, J. H., et al. (2016). Random forests for crop yield prediction. Agricultural and Forest Meteorology, 223, 45–55. https://doi.org/10.1016/j.agrformet.2016.03.012
  23. Khaki, S., & Wang, L. (2019). Crop yield prediction using deep learning. Scientific Reports, 9, 10964. https://doi.org/10.1038/s41598-019-47250-0
  24. van Klompenburg, T., et al. (2020). Machine learning for crop yield prediction: A review. Computers and Electronics in Agriculture, 177, 105709. https://doi.org/10.1016/j.compag.2020.105709
  25. Elbeltagi, A., et al. (2022). AI applications in smart agriculture. Agronomy, 12(6), 1385. https://doi.org/10.3390/agronomy12061385