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.
В статье разрабатывается комплексный подход к прогнозированию транспортной загруженности с использованием синтетических данных, имитирующих динамику городского трафика. Гибридная методология позволяет объединить анализ временных рядов и глубокое обучение, что актуально для моделирования нелинейных зависимостей и закономерностей в транспортных данных.
Цель. Целью работы является разработка и тестирование прогностической модели, способной точно предсказывать уровни транспортной загруженности с учётом сезонных и погодных факторов.
Материалы и методы. Для выявления паттернов в данных применено аддитивное разложение временного ряда, спектральный анализ на основе быстрого преобразования Фурье и оценка автокорреляционных зависимостей. Прогностическая модель реализована в виде двухэтапного подхода: классический алгоритм ARIMA используется для базового прогнозирования, а архитектура LSTM с двумя рекуррентными слоями и регуляризацией – для обучения на последовательностях длиной 24 часа. Дополнительно для сопоставления и подтверждения результатов применён ансамблевый метод Random Forest, настроенный с гиперпараметрами: 200 деревьев, максимальная глубина – 12, минимальное количество объектов в листе – 2.
Результаты. Результаты демонстрируют превосходство LSTM-модели над ARIMA и Random Forest по точности предсказаний, что подтверждается визуальным сопоставлением прогнозов с тестовыми данными и метрикой среднеквадратичной ошибки. Выявлены ключевые факторы, влияющие на загруженность: суточные циклы интенсивности трафика, рост нагрузки при осадках (до 30% при снеге и 20% при дожде), а также температурно-зависимая модуляция транспортного потока.
В учебном пособии рассматривается техника практического применения марковских моделей. Особенностью представленного материала является работа с исследуемым классом моделей в рамках решения, как правило, обратных задач, когда параметры математических моделей идентифицируются по результатам наблюдений. Основы теории марковских процессов представлены только в том объёме, который необходим для описания и решения поставленных математических задач.
Пособие предназначено для научных работников, аспирантов и студентов, изучающих и использующих методы математического и компьютерного моделирования.
Рекомендовано Учебно-методическим объединением по образованию в области прикладной информатики в качестве учебного пособия для студентов высших учебных заведений, обучающихся по направлению подготовки «Прикладная информатика».
Все права защищены. Любая часть этого издания не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами без письменного разрешения владельца авторских прав.
В работе рассмотрена многоуровневая модель индикативного планирования целевых индикаторов в системе «мир (много стран) - страна - отрасли - ресурсы - мероприятия». В предлагаемой имитационной модели реализуется подход на основе сценарного планирования. Поставлена задача анализа и прогноза целевых индикаторов страны на примере показателя ВВП по ППС. Проведены оценки необходимого для реализации целевого сценария роста ВВП и валовой добавленной стоимости (ВДС) отдельных отраслей. Определены удельные показатели эффективности по финансовым и кадровым ресурсам: производительность труда и капиталоемкость. Сделана оценка необходимых для реализации целевого сценария инвестиций в основной капитал и численность занятых. Показано, что для реализации целевого сценария роста ВДС необходимы меры по ускорению роста производительности труда, выделены наиболее актуальные отрасли. В качестве исходных данных использовались данные Мирового банка и Росстата.
Представлены линейные предикторы и каузальные фильтры для дискретных сигналов, имеющих различные виды дегенерации спектра. Эти предикторы и фильтры основаны на аппроксимации идеальных некаузальных передаточных функций каузальными передаточными функциями, представленными многочленами от Z-преобразования дискретной функции Хевисайда.