Грант РФФИ № 18-41-320003
ФГБОУ ВО «БРЯНСКИЙ ГОСУДАРСТВЕННЫЙ ИНЖЕНЕРНО-ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ»
Грант РФФИ № 18-41-320003

Грант РФФИ № 18-41-320003

Грант РФФИ № 18-41-320003 «Математическое моделирование социально-экономического развития региона в системах поддержки принятия решений с использованием адаптивных методов машинного обучения и имитационного моделирования в условиях неопределённости»


Научный руководитель:

Казаков Олег Дмитриевич, канд. экон. наук., доцент


Исполнители:

Рыжикова Елена Геннадьевна, канд. техн. наук., доцент

Азаренко Наталья Юрьевна, канд. экон. наук., доцент

Михеенко Ольга Валерьевна, канд. экон. наук., доцент

Новиков Сергей Павлович, канд. техн. наук., доцент

Андриянов Сергей Викторович, канд. экон. наук., доцент

Яковлев Александр Викторович, канд. техн. наук., доцент


Аннотация к проекту

Актуальность проекта обусловлена необходимостью повышения качества информационно-аналитического обеспечения органов государственного и муниципального управления при стратегическом планировании социально-экономического развития региона.

Научная значимость научных исследований заключается:

1. В разработке методологии моделирования социально-экономического развития региона с использованием адаптивных методов машинного обучения и имитационного моделирования.

2. В совершенствовании алгоритмов машинного обучения, в частности, робастных алгоритмов сезонной корректировки, основанных на фильтрах и алгоритмов экспоненциального сглаживания в форме модели пространства состояний с несколькими источниками ошибок.

Прикладная значимость научных исследований заключается в разработке программных решений и информационно-аналитического обеспечения органов государственного и муниципального управления для принятия стратегических управленческих решений в области развития экономического и человеческого потенциала региона, повышения эффективности государственного управления на основе стратегического, пространственного и территориального планирования.

Научная новизна исследования заключается в формировании системы принципов и способов организации комбинирования методов машинного обучения и имитационного моделирования в системах поддержки принятия решений по социально-экономическому развитию региона в условиях неопределённости.


Ключевые слова

Машинное обучение, имитационное моделирование, системы поддержки принятия решений, социально-экономическое развитие регионов, агентное моделирование.


Проведенные исследования и полученные результаты в рамках проекта в 2018 г.:

1. Таксономия методов машинного обучения.

Разработана интеллект-карта (mind map) машинного обучения. Определены связи по пяти уровням иерархии в контексте следующих критериев: математика машинного обучения; модели машинного обучения; элементы концепции машинного обучения; обработка данных машинного обучения, что позволило выстроить иерархическую систему, систематизирующую методы машинного обучения.

2. Разработка методики интеграции алгоритмов машинного обучения в имитационные модели, построенные на базе агентного подхода.

По своей сути представленный подход основан на предпосылке, что системные знания могут быть частично получены и изучены в автоматическом режиме с помощью моделей машинного обучения, которые постепенно обучаются прогнозировать поведение моделируемой системы. Таким образом, имитационные модели могут научиться изменять свое поведение в соответствии с изменениями в реальной системе.

3. Разработка системной модели развития экономического потенциала Брянской области в контексте лесопромышленного комплекса, комплекса транспортного машиностроения

В основе исследования лежит гибридный подход к моделированию, включающий элементы системной динамики и агентного моделирования. В тоже время был разработан и использован программный модуль на основе прогнозных алгоритмов машинного обучения, который позволил повысить качество модели за счет прогнозирования динамических переменных и параметров состояний моделируемых агентов.

4. Исследование эффективности применения методов сезонной корректировки и экспоненциального сглаживания

В работе проведена оценка эффективности сезонной корректировки и экспоненциального сглаживания ряда прямым и непрямым методом. Качество корректировки и сглаживания оценивалось по отклонению скорректированного ряда от заданного тренда в выбранной метрике. Даны рекомендации по применению наиболее распространенных алгоритмов сезонной корректировки (Х-12-ARIMA, TRAMO/SEATS и Adjust Z5) в различных ситуациях и для различных случаев стационарных и нестационарных временных рядов c различными типами трендов.

Согласно результатам проведенного исследования алгоритмы TRAMO/SEATS и Adjust Z5 в наибольшей степени приспособлены к количественному анализу процессов в нестационарных экономических рядах с элементами кризисных явлений.

5. Разработка системной модели развития экономического потенциала Брянской области.

Использованы возможности машинного обучения для решения проблемы растущей сложности и многомерности эмпирических данных в рамках системного моделирования. Это позволило разработать модели строительного комплекса и агропромышленного комплекса Брянской области, максимально точно и полно отражающие все факторы, влияющие на развитие экономического потенциала региона

6. Совершенствование метода сезонной трансформации с помощью LOESS.

Доказано, что при построении регрессионной кривой LOESS использование функции второй и четвертой степени повышает качество LОESS-моделей. Предлагаемый подход на основе скользящего окна подразумевает, что коэффициент сглаживания выбирается исследователем исходя из особенностей полученных данных. Коэффициенты прогнозной функции вычисляются по точкам, принадлежащим кривой LOESS, и находящимся только в выбранном окне, с использованием метода наименьших квадратов

7. Машинное обучение моделей прогнозирования социально-экономических тенденций.

Результатом авторских исследований в этом направлении является программная реализация рассматриваемых алгоритмов машинного обучения на языке программирования C++ и их применение в рамках системного моделирования лесопромышленного комплекса, транспортно-логистического комплекса, строительного комплекса, комплекса транспортного машиностроения, агропромышленного Брянской области


Библиографический список по проекту за 2018 г.

Монографии

Казаков О.Д.  Методы машинного обучения в моделировании социально-экономического развития Брянской области: монография / О.Д. Казаков, А.В. Яковлев, С.П. Новиков, Н.Ю. Азаренко, О.В.  Михеенко.  – Брянск: Новый проект, 2019.  – 172 с.


Статьи, индексируемые в базе Scopus

Kazakov O.D. Development of the Concept of Management of Economic Systems Processes through Construction and Calling of Machine Learning Models / O.D. Kazakov, S.P. Novikov, N.A. Kulagina, S.N. Shlapakova //2018 IEEE International Conference: Quality Management, Transport and Information Security, Information Technologies. - DOI: 10.1109/ITMQIS.2018.8524985

Novikov S.P. Organization of data collection and preparation on the basis of blockchain for a decision support system in the field of human capital development in the region. / S.P. Novikov, O.D. Kazakov, N.A. Kulagina, M.V. Ivanov // DTMIS-2018: International Scientific Conference: Digital Transformation on Manufacturing, Infrastructure and Service 21-22 November 2018, St. Petersburg, Russia

Novikov S.P. Blockchain and smart contracts in a decentralized health infrastructure/ S.P. Novikov, O.D. Kazakov, N.A. Kulagina, N.Yu. Azarenko //2018 IEEE International Conference: Quality Management, Transport and Information Security, Information Technologies. - DOI: 10.1109/ITMQIS.2018.8524970


Статьи, индексируемые в базе РИНЦ

Казаков О.Д. Разработка теоретических основ и методов теории управления и принятия решений в условиях цифровой трансформации экономических систем и комплексов региона / О.Д. Казаков, О.Н. Юркова // Цифровой регион: опыт, компетенции, проекты: сборник статей Международной научно-практической конференции (г. Брянск, 30 ноября 2018 г.) [Электронный ресурс]. – Брянск: Брян. гос. инженерно-технол. ун-т., 2018. – 557 с.