Previziunea prețurilor pentru terenurile agricole din Ucraina cu ajutorul rețelelor neuronale profunde LSTM.

Scop.

Scopul acestui studiu este dezvoltarea unei abordări metodologice pentru prognozarea dinamicii prețurilor terenurilor cu destinație agricolă din Ucraina, pe baza rețelelor neuronale profunde de tip LSTM, precum și realizarea unei analize comparative a acestor rețele.

Studiul a presupus analiza seriilor temporale ale prețurilor terenurilor agricole pentru perioada 2021–2024, dezvoltarea și compararea a trei arhitecturi de rețele neuronale LSTM, evaluarea eficienței acestora și elaborarea unei prognoze pentru anul 2025.

Metodologie / metodă / abordare.

În cercetare au fost utilizate serii temporale ale prețurilor, bazate pe tranzacțiile de cumpărare/vânzare a drepturilor de proprietate asupra terenurilor cu destinație agricolă în Ucraina, pentru perioada iulie 2021 – august 2024.

Au fost aplicate trei arhitecturi de rețele neuronale LSTM (una de bază, una cu Dropout și una profundă), implementate în limbajul Python cu utilizarea bibliotecilor Pandas, Sklearn și Keras.

Eficiența modelelor a fost evaluată prin intermediul metricilor RMSE, MAE, MSE și MAPE.

A fost realizată o analiză de corelație a relațiilor dintre preț, suprafața terenului și caracteristicile temporale (anul și luna observației).

Rezultate.

Modelul LSTM profund a demonstrat cea mai mare acuratețe a prognozei, având cea mai mică valoare RMSE — 2375,90.

Au fost identificate corelații semnificative între preț și suprafața terenului (-0,48), precum și corelații pozitive slabe cu anul și luna observației (0,17).

Prognoza pentru anul 2025 indică o tendință de scădere a prețurilor în echivalent dolar american — de la 805–810 la 724–725 USD pe hectar.

Rezultatele obținute sunt orientate spre creșterea preciziei prognozei și fundamentarea deciziilor manageriale în domeniul relațiilor funciare.

Originalitate / noutate științifică.

Pentru prima dată pe piața ucraineană a terenurilor agricole au fost aplicate și comparate diverse arhitecturi ale rețelelor neuronale LSTM pentru prognoza prețurilor, ceea ce a permis identificarea celui mai eficient model.

A fost realizată o analiză complexă a seriilor temporale, inclusiv o decompoziție sezonieră, pentru a lua în considerare fluctuațiile sezoniere și tendințele pe termen lung.

Valoare practică / relevanță.

Modelele și metodologia dezvoltate oferă un instrumentar pentru creșterea preciziei prognozei prețurilor terenurilor agricole, care poate fi utilizat de participanții la piață, investitori și dezvoltatori de politici agricole în vederea luării unor decizii bine fundamentate în domeniul relațiilor funciare..