Исследованы возможности применения Байесовской сети доверия (БСД) и мультиномиальной логистической регрессии (МНЛР) для прогнозирования степени засоренности земель сельскохозяйственного назначения. Рассчитана вероятность превышения экономического порога вредоносности (ЭПВ) при участии обеих моделей. Выполнено моделирование влияния природных и антропогенных факторов с использованием БСД, а также осуществлен прогноз превышения ЭПВ по категориям с помощью МНЛР. Для обучения моделей использованы данные длительного многофакторного полевого опыта Кемеровского НИИСХ – филиала СФНЦА РАН. Учитывая особенности статистической выборки, определены основные предикторы моделей, влияющие на засоренность земель. Выбранными предикторами были агротехнические приемы (системы обработки почвы, предшественники) и агрометеорологические ресурсы (суммы активных температур воздуха, осадки). Объясненная часть дисперсии по мере Нэйджелкерка, составляет 80,9 %, что говорит о высоких прогностических возможностях применения МНЛР. Прогнозные результаты обеих моделей совпали в 79 % случаев, что указывает на достижение высоких показателей меры близости прогнозов по БСД и МНЛР. Обе модели показали достаточно высокую достоверность при верификации на эмпирических данных за прошлые годы и могут быть использованы в качестве инструмента для прогноза. Следующим этапом работы станет совместное использование БСД и МЛНР, которое может способствовать усилению достоинств обоих подходов и устранению недостатков отдельных из них.
The possibilities of using the Bayesian Network of Trust (BSD) and multinomial logistic regression (MNLR) to predict the degree of contamination of agricultural land are investigated. The probability of exceeding the economic threshold of harmfulness (ETH) with the participation of both models is calculated. Modeling of the influence of natural and anthropogenic factors using BSD was carried out, and the forecast of the excess of ETH by category was carried out using MNLR. To train the models, data from a long–term multifactorial field experience of the Kemerovo Research Institute of Agricultural Sciences - branch of the SFSCA RAS were used. Taking into account the features of the statistical sample, the main predictors of the models affecting land contamination are determined. The selected predictors were agrotechnical techniques (tillage systems, precursors) and agrometeorological resources (sums of active air temperatures, precipitation). The explained part of the variance with the Nagelkerk measure is 80.9%, which indicates high prognostic possibilities of using MNLR. The forecast results of both models coincided in 79% of cases, which indicates the achievement of high indicators of the measure of proximity of forecasts for BSD and MNLR. Both models have shown sufficiently high reliability when verified on empirical data from previous years and can be used as a tool for forecasting. The next stage of the work will be the joint use of BSD and MDR, which can contribute to strengthening the advantages of both approaches and eliminating the shortcomings of some of them.