RUS  ENG
Полная версия
ЖУРНАЛЫ // Computational nanotechnology // Архив

Comp. nanotechnol., 2025, том 12, выпуск 3, страницы 23–30 (Mi cn566)

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ

Прогнозирование пространственных эффектов и факторов развития региона с использованием методов машинного обучения

С. С. Михайлова, Н. В. Гринева, Ю. А. Кораблев, У. А. Бачаев

Финансовый университет при Правительстве Российской Федерации

Аннотация: При моделировании пространственного развития территории с учетом пространственных эффектов важно иметь в виду, что на текущее развитие территории влияют не только внутренние показатели (экономические, социальные, демографические, инфраструктурные и т.д.), но и процессы, происходящие в соседних районах. При моделировании пространственного развития Российской Федерации необходимо учитывать пространственную неоднородность, большие расстояния, транспортные коридоры и природно-климатические условия. Учет этих сложных составляющих включает в себя моделирование межрегионального и внутри регионального взаимодействия. Целью исследования является оценка влияния социально-экономических факторов на валовой региональный продукт (ВРП) с учетом пространственной взаимосвязи между федеральными округами и временной динамики. Для достижения цели в работе решались следующие задачи: 1) проведен всесторонний анализ подходов к моделированию пространственного развития регионов; 2) разработана адаптированная методология пространственного анализа, включающая: комплексную систему показателей социально-экономического развития, учитывающую специфику сибирских регионов, типологию пространственных эконометрических моделей. Материалы и методы. При моделировании применялся аппарат эконометрического пространственного моделирования. Выводы. Пространственные эконометрические модели обеспечивают более точное описание социально-экономических процессов в федеральных округах по сравнению с традиционными подходами, не учитывающими пространственную структуру данных.

Ключевые слова: пространственное развитие, автокорреляция, панельные данные, прогнозирование, социально-экономические факторы, машинное обучение.

УДК: 519.6

DOI: 10.33693/2313-223X-2025-12-3-23-30



© МИАН, 2026