Прогнозирование социально-экономического развития реги-она на основе нейросетевых технологий: теоретический аспект

Прогнозирование социально-экономического развития региона – предвидение будущего состояния экономики, социальной и экологической сферы, составная часть государственного стратегирования и регулирования национальной экономики. Результаты прогнозных расчетов используются органами власти для обоснования региональной политики, способов рационального использования ограниченных природных и производственных ресурсов и т.д.

В основе прогнозирования по средствам нейросетевых технологии находится положение, согласно которому прогноз есть результат эволюции исходного состояния, фиксируемого нейросетевой моделью, на перспективу при задаваемых сценарных условиях. При этом прогнозное состояние является результатом поведения субъектов хозяйствования на горизонте прогнозирования. Экзогенные параметры модели задаются вариантом сценарного развития. Для любого момента времени средствами моделирования гарантируется сохранение соотношений между параметрами в соответствии с моделью. В основу формирования прогноза входит нейросетевая модель, которая включает в себя отражение реальной социально-экономической системы региона.

Непосредственный процесс проведения расчетов состоит из нескольких этапов (рис. 1).

Рисунок 1. Общая схема сценарного прогнозирования социально-экономического развития региона

На первом этапе из статистической отчетности отбирается необходимая исходная информация – экономические, социальные и экологические показатели, которые будут рассчитываться на перспективу. На этой основе формируются региональная база данных. Параллельно анализируется прогнозный фон, оцениваются макроэкономические условия прогноза.

На втором этапе с помощью форсайт методов строятся гипотезы относительно будущего развития, оцениваются и задаются вероятностные значения управляющих переменных, изменение которых меняет ход и направление всех процессов в регионе. Затем посредством нейронной сети осуществляется вероятностный прогноз развития региона, отвечающий заданному сценарному варианту. Полученные прогнозные расчеты обрабатываются, подвергаются дискуссии, обоснованию логическим путем, проводится верификация эмпирических закономерностей и статистических зависимостей. В случае получения неудовлетворительных результатов, вследствие ошибочности сценарных посылок, прогнозные работы возвращаются на первую стадию, на которой производится экспертная корректировка сценарных решений (рис. 2).

Рисунок 2. Алгоритм прогнозных расчетов

Основные параметры модели: C – количество показателей по региону (экзогенных и эндогенных) (C = A+B; с = (1,2, ... ,С); A – количество управляющих (экзогенных) параметров a = (1,2, … ,A); B – количество эндогенных параметров отраслевого уровня b = (1,2, ... ,B); T – общее количество периодов данных T= F + Z; t = (1,2, ... ,T); F – периоды горизонта прогнозирования f = (1,2, ... ,F); Z – количество вводимых ретроспективных периодов данных z = (1,2, ... ,Z); N[T,C] = {

} – объединенная база данных входных параметров (эндогенных и экзогенных) регионального уровня; K[F,A] = {

} – база данных прогнозных оценок по эндогенным параметрам регионального уровня.

В результате входные данные, собранные на первом этапе, циклично проходят последующие расчеты в модели до тех пор, пока не будут достигнуты приемлемые результаты. В процессе прогнозирования выполняется циклическое обучение NNM модели на глубину прогнозируемого периода по заданному сценарию и выдаются результаты прогнозирования в виде баз данных формата Excel, по всем показателям социально-экономического развития.

Таким образом, используя общепринятую классификацию видов прогноза по различным признакам М.Б. Перова, можно заключить, что расчеты по представленной модели:

с точки зрения поставленной цели, являются комплексными, поскольку содержат элементы поискового и нормативного прогнозов;
по характеру отражаемых свойств – прогноз количественный, т.к. базируется на количественных показателях;
по дискретности представления результата, прогноз интервальный, поскольку представлен в виде доверительного интервала характеристики объекта прогнозирования для заданной вероятности осуществления прогноза;
по периоду упреждения – среднесрочный (от 1 года до 3 лет);
по количеству прогнозируемых характеристик – многомерный, поскольку при построении прогноза участвует более одной характеристики объекта прогнозирования.

Литература:

1. Хайкин, С. Нейронные сети: полный курс [Текст] / С. Хайкин. – М.: Вильямс, 2006. – 458 с.

2. Галушкин, А И. Теория нейронных сетей. Кн. 1: Учебное пособие для вузов [Текст] / Общая ред. А.И. Галушкина. – М.: ИПРЖР, 2000. – 416 с.

3. Круглов, В.В. Искусственные нейронные сети. Теория и практика [Текст] / В.В. Круглов, В.В. Борисов. – М.: Горячая линия – Телеком, 2002. – 382 с.