Научный архив: статьи

В статье рассмотрены особенности применения ESG-стратегий и зеленых технологий в строительной отрасли Северо-Западного региона России, с учетом природно-климатических, демографических, урбанизационных и институциональных факторов. Целью исследования является выявление факторов, оказывающих наибольшее влияние на рынок строительства в условиях перехода к устойчивому развитию. Методологическая база исследования включает корреляционный анализ, визуализацию взаимосвязей между климатическими, экономическими и кадровыми показателями. В качестве эмпирических данных использована статистика по вводу жилья и коммерческой недвижимости, числу занятых в отрасли, температурным условиям и динамике цен. Проведен комплексный анализ ключевых детерминант, включая высокий уровень урбанизации, дефицит строительных площадей, геологические ограничения и историческую застройку, оказывающих влияние на внедрение устойчивых решений в строительной практике. На основе корреляционного анализа и прогнозного моделирования выявлены приоритетные направления ESG-трансформации, а также даны оценки потенциальной эффективности внедрения зеленых стандартов в региональной среде. Установлено, что климатическая нагрузка, кадровый дефицит и регуляторные ограничения существенно модифицируют возможности реализации ESG-подходов, в то время как активность в портово-промышленной логистике формирует устойчивый спрос на инновационные инфраструктурные решения. Результаты исследования позволяют предложить прикладные рекомендации для региональных девелоперов, органов власти и инвесторов по оптимизации стратегий устойчивого строительства в условиях СЗФО.

В статье дана оценка современного уровня производства, импорта и экспорта сливочного масла. Предложен метод прогнозирования потребительских цен на краткосрочный период.

В данной работе мы оцениваем возможность применения нейронных сетей долгой краткосрочной памяти (Long Short-Term Memory, LSTM) для задач экономического прогнозирования. Мы сравниваем качество краткосрочных прогнозов валовой добавленной стоимости отраслей промышленности, полученных при использовании LSTM-модели и бенчмарков: модели случайного блуждания, интегрированной модели авторегрессии скользящего среднего и приближенной динамической факторной модели. По сравнению с другими моделями LSTM показывает меньшую среднюю абсолютную ошибку прогноза в 16 из 18 случаев и меньшую среднеквадратическую ошибку - в 13 из 18 случаев.

Технологические переходы и связанная с ними трансформация ключевых секторов радикально меняют всю социально-экономическую систему. Аграрный сектор как одно из ее ключевых звеньев сегодня интенсивно насыщается новыми технологиями и управленческими инновациями. Впервые возникает возможность «вести дела совершенно иначе», восстанавливать и развивать как природный, так и человеческий потенциал сельских территорий. Это позволяет создавать умные производства с их динамичными цепочками, сложной инфраструктурой, масштабными цифровыми платформами и сетями, реализовывать концепции устойчивого развития, осуществлять переход от продуктивизма (исключительная ставка на производительность) к постпродуктивизму (баланс между обеспечением экономических интересов и здоровой целостности природного многообразия). В статье анализируются текущее состояние и перспективы агросектора Китая с точки зрения двух уровней — «сверху вниз» (инициативы государства) и «снизу вверх» (видения производителей продукции, выявленные в ходе регионального Форсайт-проекта, но, по всей видимости, характерные для большинства китайских сельских территорий). Ключевой сдерживающей силой в освоении рассматриваемых концепций является слишком медленный процесс формирования человеческого капитала, проживающего непосредственно в сельских районах, и развития в них смежных секторов

В настоящей статье на примере конкретных работ предпринята попытка рассмотреть прогностический потенциал философии. Проблема осмысления будущего всегда была в центре внимания мыслителей, но выделение прогностической функции философии остается спорным вопросом для различных школ и направлений. Образ будущего в философии раскрывается с помощью категорий пространство, время, движение, изменение и развитие. В статье раскрываются онтологические, гносеологические, аксиологические и праксиологические аспекты проблемы прогнозирования, нашедшие отражение в философских работах. В настоящее время социальное прогнозирование связано с созданием сложных научно обоснованных программ и моделей, но в условиях быстроменяющейся реальности это не всегда решает проблему точности и достоверности прогнозов.

Стартапы-единороги стали символом предпринимательского успеха, драйверами инноваций и создания богатства. В круг стран с развитой культурой предпринимательства и значительной концентрацией единорогов входят ведущие мировые экономики: США, Китай, Индия, Великобритания, Германия, Франция, Нидерланды и Швеция. Наибольшее распространение эти компании получили в секторах финтеха, здравоохранения и транспорта, что делает указанные отрасли наиболее релевантными для анализа. Цель работы — моделирование и прогнозирование экспансии единорогов посредством трех- и четырехпараметрических логистических моделей и сигмоидных моделей роста Гомпертца на базе платформы Dealroom. Устранение пробела в изучении численности единорогов предоставит политикам и инвесторам важные сведения о предельной емкости рынка стартапов данного типа и сроках его насыщения. Результаты исследования показывают, что модель Гомпертца предлагает оптимистичные оценки уровня насыщения рынка единорогами, тогда как прогнозы логистической модели отличаются большей реалистичностью как по текущим данным, так и согласно прогнозной динамике. Трехпараметрическая модель Гомпертца оптимальна для анализа распространения единорогов в Китае, логистическая трехпараметрическая — для США, Великобритании и всех отраслей, а четырехпараметрическая логистическая наилучшим образом объясняет динамику в Индии, Германии, Франции, Нидерландах и Швеции. Прогнозы указывают, что все изученные страны и секторы, за исключением США и финтеха, достигнут точки насыщения к 2030 г. Данные выводы имеют ключевое значение для стратегического планирования, регулирования, разработки политики и формирования инвестиционных портфелей

Цель исследования — разработка оптимального метода прогнозирования результатов велоэргометрической (ВЭМ) пробы на основе параметров, регистрируемых во время теста с шестиминутной ходьбой (ТШХ), с использованием методов машинного обучения.

Материалы и методы. В исследовании участвовали 56 пациентов, перенесших острый инфаркт миокарда и проходивших второй этап кардиореабилитации. Выполнено комплексное обследование, включающее сбор анамнеза, физикальное обследование, антропометрическую оценку, а также симптом-лимитированную ВЭМ-пробу и ТШХ. Во время ТШХ регистрировали пройденную дистанцию, частоту сердечных сокращений, артериальное давление, сатурацию кислорода, воспринимаемое напряжение по шкале Борга, количество пройденных шагов и электрокардиографические данные. Для построения моделей машинного обучения использовали алгоритмы случайного леса, градиентного бустинга, метода k-ближайших соседей и множественной линейной регрессии. Производительность моделей оценивали на основе коэффициента детерминации, средней абсолютной ошибки, среднеквадратичной ошибки и корня из среднеквадратичной ошибки. Для интерпретации результатов применяли SHAPанализ.

Результаты. Модель градиентного бустинга обеспечивает наилучшее качество прогноза с высоким коэффициентом детерминации (R2 около 0,99) и низкими значениями ошибок для обеих целевых метрик: пройденной дистанции в ТШХ и метаболического эквивалента, достигнутого при ВЭМ-пробе. Анализ значимости признаков выявил, что частота сердечных сокращений, возраст и индекс массы тела оказывают наибольшее влияние на прогнозирование дистанции ТШХ, в то время как для прогнозирования метаболического эквивалента наиболее значимыми являются пройденное расстояние, количество пройденных шагов и индекс массы тела.

Заключение. Разработанная модель машинного обучения на основе градиентного бустинга продемонстрировала высокую эффективность в прогнозировании результатов ВЭМ-пробы на основе данных ТШХ. Предложенный метод может служить ценным вспомогательным инструментом для планирования программ кардиореабилитации, особенно в случаях, когда проведение ВЭМ-пробы затруднено или невозможно. Использование SHAP-анализа способствовало пониманию вклада каждого признака в прогноз, повышая доверие к результатам модели.

ОБОСНОВАНИЕ. Сахарный диабет 1 типа (СД1) — хроническое аутоиммунное заболевание, развивающееся в результате деструкции β-клеток поджелудочной железы с формированием инсулиновой недостаточности, маркером которой является уровень С-пептида. Секреция С-пептида исследовалась в диагностическом, прогностическом и терапевтическом аспектах у пациентов с уже манифестированным СД1. Состояние инсулиновой секреции, оцениваемой по уровню С-пептида на доклинической стадии заболевания, остается наименее изученным вопросом.

ЦЕЛЬ. Целью настоящего исследования была оценка возможности прогнозирования развития СД1 у здоровых сибсов на основании динамики концентрации С-пептида.

МАТЕРИАЛЫ И МЕТОДЫ. Проведено многоцентровое проспективное продольное исследование с участием 532 человек. Медиана наблюдения — 5,6 года. Группа 1 (n=325) включала детей в возрасте от 0 до 18 лет с впервые выявленным СД1, группа 2 (n=201) — здоровых братьев и сестер (сибсы), не заболевших СД1 до момента окончания исследования, группа 3 (n=6) — здоровых сибсов, заболевших до завершения исследования. Всем участникам выполнено динамическое исследование анализа крови на С-пептид методом твердофазного хемилюминесцентного иммyноанализа.

РЕЗУЛЬТАТЫ. В группе 1 и 3 фактическая медиана концентрации исходного уровня С-пептида находилась ниже референсных значений: 0,31 нг/мл [95% ДИ 0,10–1,39] и 0,56 нг/мл [95% ДИ 0,32–0,85] соответственно, в группе 2 она соответствовала нижней границе референсных значений: 0,88 нг/мл [95% ДИ 0,28–2,69]. Наблюдаемые различия были статистически значимы для групп 1 и 2 (χ2=168,29, df=1, p<0,001) и для групп 2 и 3 (χ2=4,2292, df=1, p=0,040). При регрессионном моделировании обнаружена нелинейная положительная зависимость концентрации С-пептида от возраста. В любой возрастной категории медиана инициальной концентрации С-пептида в группах 1 и 3 была ниже, а в группе 2 выше среднего уровня (Intercept), характерного для когорты конкретного возраста. Ассоциация концентрации С-пептида и времени с момента начала наблюдения была статистически значимой (p<0,05) и разнонаправленной: со временем концентрация снижалась в группах 1 и 3 и возрастала в группе 2.

ЗАКЛЮЧЕНИЕ. Измерение исходного уровня С-пептида с последующим его динамическим контролем может быть дополнительным скрининговым инструментом для прогнозирования развития СД1 у здоровых сибсов.

В современном мире самостоятельность помогает человеку принимать решения и анализировать их результаты, характеризует способность к самообразованию и самосовершенствованию. Некоторые сущностные характеристики самостоятельности, такие как инициатива, прогнозирование, самооценка, самоконтроль, самопрезентация, закладываются и развиваются у ребенка в период обучения в начальной школе. Ведущая деятельность обучающегося на этапе начального образования - учебная. По мнению теоретиков учебной деятельности Д. Б. Эльконина, В. В. Давыдова, А. Н. Леонтьева, в младшем школьном возрасте закладываются основы понимания и оперирования содержанием учебной задачи, планирования, контроля и корректировки своих действий в рамках предложенной учебной проблемы.

В статье обозначается проблема неравномерности в динамике развития сущностных характеристик учебной самостоятельности. В ходе предпринятого исследования были проанализированы изменения в развитии самооценки, прогнозирования, самопрезентации школьника при работе с информацией (в первую очередь математической) и установлено, что наибольшая эффективность достигается в прогнозировании, а наименьшая - в самопрезентации. Учет полученных выводов может помочь педагогу предупреждать типичные затруднения обучающихся, адекватно учебным ситуациям предлагать младшим школьникам представлять результаты своего труда.

Представленная модель определяет фундамент для организации мониторинга, контроля и прогнозирования параметров эффективного развития молочных животноводческих комплексов на цифровой основе, что обеспечивает унификацию сбора данных и сопоставимость результатов сельскохозяйственного производства и бизнеса. По итогам изучения технологических характеристик, а также с учетом комплексного и всестороннего анализа ключевых аспектов аграрного бизнеса определены главные параметры для построения базы данных цифрового решения: основные ресурсы (элементы), точки мониторинга, контрольные параметры, детализация половозрастных групп животных, взаимосвязи элементов модели и др. Область применения результатов – сельскохозяйственные товаропроизводители животноводческого (молочного) направления выращивания крупного рогатого скота, научно-исследовательские и образовательные организации, а также информационно-технологические компании при формировании систем автоматизированного прогнозирования, мониторинга и контроля параметров эффективного развития животноводческих комплексов на цифровой основе, включая производство, бизнес-процессы, подготовку кадров и разработку цифровых продуктов для АПК.

Цель статьи - описание многоуровневого прогнозирования урожайности сельскохозяйственных культур на основе разработанных многоуровневых моделей для динамико-стохастических, случайных временных рядов и вероятностной оценки благоприятных и неблагоприятных событий. Территорией исследования выбран Юго-Восточный агроландшафтный район Иркутской области, в который входят Иркутский, Усольский и Черемховский районы с развитым аграрным производством. Приводится описание метеорологических факторов, в значительной степени влияющих на биопродуктивность сельскохозяйственных культур. Рассматривается алгоритм построения многоуровневых трендов и уровней случайного ряда для получения многолетних прогнозов. При прогнозировании учитывались тенденции всего временного ряда, локальных минимумов и локальных максимумов. Для моделирования уровней использовались следующие функции: линейная, степенная, логарифмическая, экспоненциальная, логистическая и асимптотическая. Предложен комплексный прогноз. Во-первых, по трендам локальных минимумов и локальных максимумов определялись будущие значения для неблагоприятных и благоприятных условий, с помощью которых оценивался интервал прогноза. При этом установлена вероятность попадания прогнозируемого значения в интервал. Во-вторых, рассчитаны вероятности благоприятных и неблагоприятных событий с использованием закона распределения вероятностей. В-третьих, приводится алгоритм прогноза на основе учета циклов между локальными минимумами и локальными максимумами как исходными точками отсчета. Для оценки точности многолетнего прогноза согласно многоуровневому моделированию применялся ретроспективный прогноз. По данным за 1996-2021 годы по урожайности зерновых культур трех муниципальных районов Юго-Восточного агроландшафтного района построены многоуровневые трендовые и вероятностные модели. Затем спрогнозированы их значения с учетом расчетных интервалов и циклов. Результатом прогнозирования являются расчетные уровни урожайности пшеницы, ячменя и овса на 2022-2024 годы. Полученные прогнозы и их сравнение с фактическими данными показывают возможности использования предложенной методики.

С увеличением популярности онлайн-торговли и быстрым ростом маркетплейсов стало очевидным, что компании нуждаются в надежных методах прогнозирования продаж для оптимизации управления запасами, планирования закупок и повышения уровня обслуживания клиентов. Прогнозирование продаж является критически важным для любого бизнеса, так как оно позволяет оценить будущие потребности и своевременно принимать обоснованные решения. В данной статье рассматриваются адаптивные модели временного ряда как один из эффективных инструментов для прогнозирования продаж на маркетплейсах.