Научный архив: статьи

В представленном исследовании рассматриваются проблемы развития отраслевой экономики России в современных условиях. В связи с введением против России санкций, уходом зарубежных компаний и сокращением импорта отечественные производители попали в сложную ситуацию. Особенно остро проблема импортозамещения и восстановления производства коснулась автомобильной отрасли. Параллельный импорт, китайские производители и отечественный автопром помогли восстановить автомобильный бизнес. В короткие сроки нужно было решить вопрос с обеспечением страны транспортными средствами собственного производства. В статье определены проблемы, возникающие в сфере автомобилестроения, факторы, влияющие на рост цен на автомобильные запчасти. Ранее государство возмещало дилерам утиль сбор в виде субсидий в зависимости от локализации производства, в настоящее время предполагают, что невозмещаемую стоимость продавцы будут включать в стоимость автомобиля. В ближайшее время не стоит ожидать снижения цен в автомобильной отрасли. Авторами проведено исследование Постановления Правительства и сделан расчет изменения утилизационного сбора и его влияния на рост цен на автомобили в будущем. В статье рассмотрены проблемы автомобильной отрасли в России в 2024 г., а также даны прогнозы на 2025 г.

Алгоритмы машинного обучения предоставляют широкий спектр возможностей для предиктивного анализа работы технологического оборудования. Они позволяют выявлять скрытые закономерности и прогнозировать будущие события на основе имеющихся данных. Целью данного исследования является анализ и сравнение методов машинного обучения для реализации задач прогнозирования состояния вибрации компрессорной установки. Каждый из методов имеет свои преимущества и ограничения, поэтому выбор конкретного алгоритма зависит от решаемой задачи применительно к характеристикам оборудования и данных. В данной работе исследованы методы машинного обучения для решения задачи регрессии: в случае прогнозирования одномерных рядов использованы методы авторегрессии и авторегрессии со скользящей средней; для прогнозирования многомерных рядов использованы методы линейной регрессии, деревьев решений, случайный лес и градиентный бустинг. Проведен сравнительный анализ методов машинного обучения. Из результатов анализа видно, что для задачи регрессии наилучшими методами являются ансамблевые методы, такие как случайный лес и XGBoost. Применение XGBoost значительно улучшает качество прогнозов, особенно при работе с большим объемом данных. Для моделей AutoReg и ARIMA необходим стационарный временной ряд для получения точных и интерпретируемых результатов. Важно экспериментировать и настраивать параметры для каждого конкретного временного ряда, учитывая такие факторы, как наличие сезонности, тренда и выбросов в данных. При выборе метода прогнозирования необходимо учитывать не только его математические характеристики, но и особенности конкретных данных, на которых он будет применен.

Цель исследовательской работы - автоматизация расчета практической работы студентов, обучающихся в Уфимском государственном нефтяном техническом университете по направлению «Техносферная безопасность», а именно масштаба и последствий радиоактивного заражения. Для достижения поставленной цели проведен сравнительный анализ методик оценки промышленной безопасности радиационно опасных объектов, рассмотрена предметная область (оценка радиоактивного заражения территории), составлены алгоритмы для оценки радиационной обстановки по нормативной документации, проведен анализ существующих решений. Выбраны средства проектирования и инструменты разработки геоинформационной системы, позволяющей оценивать масштаб и последствия аварии на опасном производственном объекте. Приведено функциональное моделирование программного средства, включающее контекстную диаграмму верхнего уровня, а также ее декомпозицию. В результате разработано программное средство, реализующее оценку радиационной обстановки. Разработанный программный комплекс позволяет существенно уменьшить время, необходимое для расчета и графического отображения масштаба, последствий инцидента или аварии, сопровождающихся радиационным заражением местности, прилежащей к опасному объекту. Разработанная геоинформационная система может использоваться для определения размеров зон заражения радиоактивными элементами, последствий облучения персонала и территории, прилежащей к рассматриваемому объекту. Программное средство может быть применено как при составлении плана ликвидации аварии на радиационно опасном объекте, так и в процессе обучения студентов вузов (направление - «Техносферная безопасность»).

Целью статьи является синтез иерархии моделей предиктивной аналитики, реализуемых для объектов и субъектов, функционирующих в ОАО «РЖД». Выполнен синтез семантической сети моделей, вершиной которой является метаонтология на основе онтологий предметных областей и прикладных онтологий, применимых к железнодорожному транспорту. Приведены примеры, подтверждающих реализуемость предложенных иерархий.

Разрабатываются эконометрические модели временной динамики изменения на примере трех показателей экономической безопасности и устойчивого развития Калининградской области, эконометрических моделей, устанавливающих взаимосвязь базового показателя с двумя факторными показателями, а также сравнительной оценки этих моделей по точности прогнозирования будущих значений. Анализируются числовые значения временного ряда рассматриваемых экономических показателей. Проводится сравнительная оценка целесообразности использования для прогнозирования будущих значений оцениваемых параметров ВРП с ожидаемой продолжительностью жизни и параметров ВРП с коэффициентом Джини по анализируемым регрессионным зависимостям. Основываясь на полученной оценке, приведены графики зависимости оцениваемых параметров c прогнозируемыми значениями и их фактические значения на различных временных интервалах. Обосновывается выбор наиболее приемлемого уравнения для прогнозирования оцениваемых параметров на следующий год. Проводится оценка возможности использования для прогнозирования валового регионального продукта на душу населения аддитивных и мультипликативных двухфакторных моделей взаимосвязи его значений с прогнозируемыми значениями средней продолжительности жизни и коэффициента Джини.

Умный город должен обеспечивать комфорт, удобство и безопасность горожан. Одно из основных направлений развития умного города - транспортная инфраструктура. В области исследований транспортной инфраструктуры городов за последние годы сформировался тренд на внедрение умного электрического транспорта. Однако, помимо ряда преимуществ, такое внедрение несет в себе также и ряд вызовов для городской среды. Целью работы является определение темпов развития электротранспорта в России и мире, выявление тенденции и прогноз на основе существующей статистики. В статье проведен анализ существующих проблем внедрения умного электротранспорта в городскую инфраструктуру, а также развития электротранспорта в умном городе. Осуществлено прогнозирование роста количества электромобилей в России на основе статистики роста за последние 5 лет. На основе прогноза приблизительно оценена доля присутствия электрических транспортных средств (ЭТС) к 2030 г. На данный момент ЭТС составляют не более 0,1 % общего числа транспортных средств на дорогах России, однако при сохранении тенденций к росту спроса на них, сформировавшегося за последние 5 лет, ЭТС начнут вытеснять транспортные средства с другими типами двигателей уже к 2030 г. В связи с этим меры по решению проблем внедрения ЭТС в транспортную инфраструктуру города необходимо предпринимать заранее.

Работа посвящена развитию метода рандомизированного машинного обучения в направлении оценивания динамических моделей связанных процессов с использованием реальных данных, один из которых рассматривается в качестве основного, а другой в качестве зависимого. Модель основного процесса в этой концепции реализуется динамической моделью на основе дифференциальных уравнений с параметрами, которые в свою очередь реализуются статической моделью в другой временной шкале. Рандомизированное машинное обучение - новая теория, находящаяся на стыке науки о данных, машинного обучения и интеллектуального анализа данных, основанная на использовании концепции энтропии для оценивания вероятностных характеристик параметров моделей. Такими характеристиками являются распределения вероятностей соответствующих объектов, оценками которых являются распределения, реализованные функциями плотности распределения вероятностей или дискретными распределениями. Достижение этой цели становится возможным благодаря идее перехода от моделей с детерминированными параметрами к моделями со случайными параметрами и, дополнительно, измеряемыми на выходе со случайным шумом, чем достигается учёт стохастической природы, которая, очевидно, присутствует в любом природном феномене. В качестве демонстрации предлагаемого в работе метода рассматривается задача прогнозирования общего количества инфицированных, основанная на динамической эпидемиологической модели SIR, в которой один из параметров рассматривается в качестве состояния связанного процесса, реализуемого статической моделью. Её оценивание производится по наблюдениям основного процесса, а прогнозирование осуществляется с помощью модели связанного процесса. Проведённый эксперимент с использованием реальных данных о случаях заболевания COVID-19 в Германии показывает работоспособность предлагаемого подхода. Прогноз, полученный классическим методом наименьших квадратов, приводит к недооценке выхода модели по сравнению с реальными наблюдаемыми данными, в то время как предлагаемый в работе подход обладает большей гибкостью и потенциально позволяет получать более адекватные реальным данным прогнозы, чем подтверждается его эффективность и адекватность в условиях малого количества данных с высоким уровнем неопределённости.

В статье рассматривается актуальность прогнозирования площадей сельскохозяйственных угодий в России и в регионах как объективного фактора, влияющего на объемы сельскохозяйственного производства и как элемента системы эффективного использования сельскохозяйственных угодий. Уточнены ролевые функции элементов системы использования сельскохозяйственных угодий в условиях возрастающих внешних и внутренних вызовов. Среди влияющих факторов актуализирована значимость климатической повестки, которая создает сложности в виде низкой предсказуемости прогнозных результатов.

Рассмотрены объективные основы составления прогнозов площадей сельскохозяйственных угодий - анализ динамики и структуры посевных площадей, угодий, урожайности сельскохозяйственных культур - на уровне РФ и Удмуртской Республики. Обобщены важнейшие современные методы прогнозирования площадей сельскохозяйственных угодий.

Методом экстраполяции составлен прогноз наиболее изменяющихся площадей пашни, сенокосов, пастбищ на примере Удмуртской Республики, который показал снижение площадей данных угодий до 2030 г.

Сделаны рекомендации о необходимости интенсификации сельскохозяйственного производства за счет внедрения агротехнических и управленческих инноваций в сельскохозяйственную деятельность, основанных, в том числе, на искусственном интеллекте, поддержка которых становится главной заботой государства.

В статье сформулированы долгосрочные эффекты внедрения цифровых технологий в соответствии с положениями национальной программы «Цифровая экономика Российской Федерации». Обоснована значимость цифровой трансформации деятельности научных коллективов, а также актуальность исследования вопросов повышения результативности научных исследований посредством внедрения перспективных цифровых технологий. Приводятся результаты прогнозирования динамики внедрения цифровых технологий научно-исследовательскими организациями с использованием экспоненциального многофакторного уравнения регрессии, позволяющего исследовать зависимость между результирующим показателем (общим числом научно-исследовательских организаций, использующих цифровые технологии) и специальными вводными переменными, в качестве которых используются показатели числа сотрудников научных организаций, осуществляющих исследовательскую деятельность с применением цифровых сервисов и технологий, а также показатель внутренних затрат организаций научно-исследовательского сектора, приходящихся на их внедрение. Обозначены ключевые тенденции внедрения технологий искусственного интеллекта организациями, относящимися к научно-исследовательской сфере. Проводится анализ целей внедрения технологий искусственного интеллекта в научно-исследо-вательской деятельности. Разработан перечень управленческих рекомендаций, способствующих эффективному внедрению цифровых технологий в деятельность научных организаций.

В данной статье рассматривается актуальная проблема прогнозирования финансово-хозяйственной деятельности учреждения высшего образования автономного типа и разработки направлений ее совершенствования. Автономные учреждения играют важную роль в экономике России, выполняя социальные и государственные функции, что требует от них эффективного использования бюджетных средств и соблюдения принципов финансовой устойчивости. В условиях ограниченных ресурсов и необходимости повышения эффективности их использования важной задачей является разработка методологии, которая позволит спрогнозировать основные показатели деятельности учреждения и определить пути их оптимизации.

Целью исследования является выявление факторов, влияющих на показатели финансово-хозяйственной деятельности автономных учреждений, а также разработка эффективных методов и инструментов для их прогнозирования. В ходе исследования проведен анализ методологических подходов к прогнозированию деятельности автономных учреждений с учетом специфики их функционирования. На основе анализа статистических данных и применения экономико-математических методов, предложен комплексный подход, включающий оценку текущего состояния финансовых показателей учреждения, анализ динамики показателей деятельности, а также моделирование их изменений в перспективе.

Особое внимание в статье уделяется разработке направлений совершенствования финансово-хозяйственной деятельности образовательного учреждения. Предлагаются конкретные меры, направленные на оптимизацию использования бюджетных средств, повышение эффективности управления ресурсами и минимизацию финансовых рисков. Также рассмотрены вопросы внедрения цифровых инструментов планирования и учета в университете, что позволит повысить прозрачность и подотчетность учреждения и более эффективно использовать свои финансовые ресурсы.

Практическая значимость работы заключается в возможности использования предложенных методик и рекомендаций для повышения эффективности управления автономными учреждениями в различных отраслях.

Применение методов статистики и эконометрического моделирования имеет свою специфику при анализе данных, полученных по результатам агробиологических исследований. Исследуя такой показатель как урожайность культур, осуществляя отбор факторов, влияющих на нее, аналитик сталкивается с проблемой необходимости включения в регрессионную модель объясняющих переменных, имеющих неколичественную форму выражения, связанных с применением для обработки семян различных микробиологических препаратов. Подобная проблема решаема путем использования в моделях фиктивных переменных. Цель исследования - разработка методологических подходов к построению регрессионной многофакторной модели, включающей как количественные, так и качественные объясняющие переменные, описывающей количественно зависимость урожайности кормосмеси для коров от этих факторов. Материалы и методы. В основе методологии решения данной исследовательской задачи были положены фундаментальные подходы, опубликованные в научных работах ученых, освещающих проблемы использования эконометрических моделей с фиктивными переменными. Основой исследования является комплексный подход к применению математико-статистических методов анализа зависимостей между переменными, моделирования и прогнозирования, а также экспериментальные результаты изучения уровня урожайности сухой массы кормосмеси в зависимости от содержания в почве азота и использования микробиологических препаратов «Бисолби-Т» и «Экстрасол», полученные за четыре осуществленных укоса летнего периода 2023 года. Результаты. Исследование и количественное описание влияния микробиологических препаратов «Бисолби-Т» и «Экстрасол» при различных концентрациях в почве азота на урожайность сухой массы кормовой смеси, позволили получить эконометрические двухфакторные модели, в которых фактор - применение препарата для предварительной обработки семенного материала, был включен как фиктивная переменная. На основе полученных в ходе исследования статистически значимых регрессионных моделей, учитывающих периоды и циклы скашивания кормосмеси, были вычислены ожидаемые значения ее урожайности при нормативной концентрации азота в почве, выполнена сравнительная оценка эффективности исследуемых препаратов. Заключение. Применение методов статистического анализа данных с построением регрессионных моделей при проведении агробиологических исследований имеет определенную специфику. Возможность включения в регрессионную модель фиктивных объясняющих переменных позволяет исследовать и количественно оценить влияние неколичественных факторов на урожайность сельскохозяйственных культур. Получение статистически значимых моделей является основой прогнозирования уровня урожайности и принятия решений при выборе оптимальных вариантов внесения концентраций удобрений, определение предпочтений в отношении используемых для повышения продуктивности культур микробиологических добавок, расчет перспективных значений урожайности кормосмеси в зависимости от периода ее скашивания. Все это имеет стратегическое значение при планировании объемов производства кормов для сельскохозяйственных животных и величины затрат предприятий на осуществление своей деятельности, в частности для составления бюджета затрат на корма.

В данной работе разбирается применение алгоритмов машинного обучения для прогнозирования мощности рассеивания энергии за счет переключений компонентов схем на начальном этапе физического проектирования интегральных схем (ИС) для конкретной архитектуры. Реалистичная оценка потребляемой мощности возможна на заключительных этапах маршрута проектирования ИС, что может создать дополнительную итеративность в маршруте для оптимизации энергопотребления. Предложенный метод позволяет довольно точно спрогнозировать конечное значение рассматриваемого вида энергопотребления с высокой точностью для различных типов стандартных ячеек при различных сценариях и конфигурациях планировки. Недостатком метода является необходимость прохождения полного маршрута проектирования выбранной схемы с выбранным диапазоном параметров для сбора данных, нужных для обучения моделей машинного обучения, что требует дополнительных машинных и временных ресурсов.