Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки

16+

Название статьи

ОЦЕНКА ЭКОНОМИЧЕСКОГО ПОТЕНЦИАЛА РЕГИОНОВ РФ НА ОСНОВЕ МЕТОДОЛОГИИ НЕЙРОСЕТЕВОГО КЛАСТЕРНОГО АНАЛИЗА

Тип статьи	научная статья	Коды УДК	332.1:004.
Страницы	38-47	Ключевые слова	регионы России, экономический потенциал, кластерный анализ, нейронные сети, карты Кохонена, программа Deductor

Авторы

Трифонов Ю.В.Сочков А.Л.Соловьёв А.Е.

Место работы

Трифонов Ю.В. Нижегородский государственный университет им. Н.И. Лобачевского
Сочков А.Л. Нижегородский государственный университет им. Н.И. Лобачевского
Соловьёв А.Е. Нижегородский государственный университет им. Н.И. Лобачевского

Аннотация

Целью данной статьи является оценка экономического потенциала регионов Российской Федерации за период 2014-2019 гг. с помощью технологий искусственного интеллекта. Объектом исследования выступали регионы страны, а предметом исследования - их экономический потенциал. Для его оценки использовалась система показателей, которая включает валовый региональный продукт на душу населения, производительность труда, инвестиции в основной капитал на душу населения, поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет, оборот розничной торговли на душу населения. Разработана оригинальная авторская методика нейросетевого кластерного анализа на базе СОК Кохонена, отличающаяся от известных методик тем, что в качестве наилучшего выбирается вариант разбиения с наименьшими суммами максимальных и средних ошибок квантования по кластерам. Синтез СОК Кохонена проводился в программе Deductor. На базе этой методики был проведен анализ экономического потенциала регионов, который показал неравномерность развития территорий страны. Полученные результаты могут быть использованы органами государственной власти федерального и регионального уровня для принятия оперативных управленческих решений. Кроме этого, полученные результаты целесообразно использовать для прогнозирования показателей экономического потенциала регионов.

Загрузить статью

Библиографический список

1 . Шулаева О.В., Есенин М.А., Агекян Э.А. Российский и зарубежный опыт формирования системы показателей для оценки экономического потенциала регионов // Экономика, статистика и информатика. Вестник УМО. 2015. № 3. С. 225-232.
2 . Экономический потенциал Республики Башкортостан: Учебное пособие / Под ред. Р.Р. Ахунова, А.В. Янгирова. Уфа: РИЦ БашГУ, 2015. 336 с.
3 . Стратегия социально-экономического развития Нижегородской области до 2035 года: постановление Правительства Нижегородской области от 21 декабря 2018 года № 889 // Электронный фонд правовой и нормативно-технической документации [Электронный ресурс]. Режим доступа: http://docs.cntd.ru/ document/465587311 (дата обращения: 01.06.2021).
4 . Стратегия социально-экономического развития Ставропольского края до 2035 года // Официальный интернет-сайт Министерства экономического развития Российской Федерации [Электронный ресурс]. Режим доступа: http://docs.cntd.ru/document/56169 2832 (дата обращения: 01.06.2021).
5 . Стратегия социально-экономического развития Самарской области до 2030 года: постановление Правительства Самарской области от 12 июля 2017 года № 441 (с изменениями на 17 сентября 2019 года) // Электронный фонд правовой и нормативно-технической документации [Электронный ресурс]. Режим доступа: http://docs.cntd.ru/document/4502 78243 (дата обращения: 02.06.2021).
6 . Рейтинг социально-экономического положения субъектов РФ. Итоги 2019 года. Режим доступа: https://riarating.ru/infografika/20200602/630170513.html (дата обращения: 01.04.2021).
7 . Перова В.И., Ласточкина Е.И. Нейросетевое моделирование динамики инновационной деятельности в регионах Российской Федерации // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2015. № 3 (39). С. 49-58.
8 . Перова В.И., Папко А.В. Нейросетевой анализ динамики инвестиционной деятельности регионов Российской Федерации // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2019. № 1(53). С. 24-32.
9 . Chen N., Chen L., Ma Y., Chen A. Regional disaster risk assessment of China based on self-organizing map: Clustering, visualization and ranking // International Journal of Disaster Risk Reduction. 2019. 33. Р. 196-206.
10 . Carboni O.A., Russu P. Assessing regional wellbeing in Italy: An application of Malmquist-DEA and self-organizing map neural clustering // Social Indicators Research. 2015. Vol. 122. Iss. 3. Р. 677-700.
11 . Национальная стратегия развития искусственного интеллекта на период до 2030 года: Указ Президента РФ от 10 октября 2019 г. № 490 [Электронный ресурс]. Режим доступа: http://www.krem lin.ru/acts/bank/44731/ (дата обращения: 23.05.2021).
12 . Трифонов Ю.В., Скибин А.Г. Стратегический анализ и оценка уровня конкурентоспособности нефтяных компаний // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2018. № 2 (50). С. 31-39.
13 . Kohonen T. The self-organizing map // Proceedings of the Institute of Electrical and Electronics Engineers. 1990. Vol. 78. № 9. P. 1464-1480.
14 . Kohonen Т., Oja E., Simula O., Visa A.J.E., Kangas J. Engineering applications of the self-organizing map // Proceedings of the Institute of Electrical and Electronics Engineers. 1996. Vol. 84. Iss. 10. P. 1358-1384.
15 . Горбаченко В.И. Сети и карты Кохонена [Электронный ресурс]. Режим доступа: http://gorba chenko.selforganization.ru/articles/Self-organizing_map. pdf (дата обращения: 01.04.2021).
16 . Горбатков С.А., Рашитова О.Б., Солнцев А.М. Интеллектуальное моделирование в задаче принятия решений в рамках налогового управления // Вестник Уфимского государственного авиационного технического университета. 2013. Т. 1. № 1(54). С. 182-187.
17 . Полупанов Д.В., Хайруллина H.A. Интеллектуальное моделирование сегментации торговых центров на основе самоорганизующихся карт Кохонена // Электронное научное издание «Науковедение» [Электронный ресурс]. 2014. № 1(20). Режим доступа: http://naukovedenie.ru/PDF/47EVNl14.pdf (дата обращения: 24.05.2021).
18 . Deductor - продвинутая аналитика без программирования [Электронный ресурс]. Режим доступа: https://basegroup.ru/deductor/description (дата обращения: 23.02.2021).
19 . Никулин А.Н., Чернышев И.В. Аналитическая платформа «Deductor» - применение в информационных системах экономики: Методические указания. Ульяновск: УлГТУ, 2012. 37с.
20 . Фешина Е.В., Овчаров А.П., Лабинцева В.Р. Возможности системы Deductor как инструмента интеллектуального анализа данных // Colloquium-Journal. 2018. № 12-6. С. 49-51.
21 . Федеральная служба государственной статистики [Электронный ресурс]. Режим доступа: https:// rosstat.gov.ru/ (дата обращения: 24.05.2021).
22 . Миролюбова Т.В. Производительность труда в регионах России: пространственные аспекты и взаимосвязь с информационными ресурсами // Вестник Пермского университета. Серия: Экономика. 2016. № 3 (30). С. 120-131.