SCI Библиотека

Цель настоящей работы - рассмотрение практических аспектов применения генетических алгоритмов для решения задачи Марковица, заключающейся в адаптации генетических операторов к специфике решения задачи оптимизации портфеля рисковых активов. Основными методами используемыми автором являются методы системного анализ и эвристические методы оптимизации. В качестве данных для эксперимента, которые использовались для эмпирического моделирования, получены из открытых источников котировок Мосбиржи. Рассмотрены аспекты кодирования и декодирования допустимых решений в хромосомы, формализованы требования к размерности хромосом для достижения оптимальной скорости схождения генетического алгоритма. Для решения проблемы сохранения допустимости потенциального решения, с учетом ограничений задач Марковица, предложен оператор нормализации вида хромосом, позволяющий обеспечивать сохранение эквивалентности полученных потомков с допустимыми решениями. Исследования эффективности предложенного оператора генетического алгоритма, проведены по результатам 100 вычислительных экспериментов, и демонстрируют более высокие показатели сходимости чем при традиционном способе уничтожения недопустимых особей, полученных по результатам кроссовера. Вычислительные эксперименты проводились с использованием авторской программы реализованной в среде Lazarus, что позволило в полной мере оценить возможности генетических алгоритмов и их применимость к задачам оптимизации. Приведены результаты динамики целевой функции в процессе поиска оптимальных решений.

Цель исследования. В настоящей статье анализируется вклад сетевого человеческого капитала в экономическую динамику и инновации посредством эконометрического моделирования на основе данных по 70 странам за 2020-2021 гг. Основная цель исследования состоит в анализе взаимосвязи между сетевым человеческим капиталом, экономическим развитием и инновационной активностью. Материалы и методы. Настоящее исследование основано на методологии обратной связи. С одной стороны, развитие человеческого капитала выступает стратегическим фактором устойчивого экономического развития. С другой стороны, экономические ресурсы, увеличивающиеся в условиях развития, инвестируются в человеческий капитал. Авторами разработан двухэтапный метод оценки вклада сетевого человеческого капитала в экономическую динамику и развитие инновационной деятельности. На первом этапе оценивалось влияние человеческого капитала на факторы инновационного развития, оцениваемые показателями Глобального инновационного индекса (The Global Innovation Index, GII). На втором - моделировалась оценка вклада этих факторов в ВВП на одного занятого. Реализация метода производилась посредством разработки эконометрических моделей, позволяющих оценить вклады сетевого человеческого капитала в экономическую динамику на основе профиля национальной экономики и оценки зависимости ВВП на одного занятого от структуры занятости национальной экономики. Результаты. По результатам эконометрического моделирования произведена оценка влияния накопления человеческого капитала на инновационное развитие экономики. Выявлены и обоснованы статистически значимые зависимости между: увеличением человеческого капитала и ускорением темпов развития новых технологий и экономики знаний; развитием креативной деятельности; нарастанием инновационных связей. На основании результатов моделирования, эмпирически оценен, во-первых, вклад сетевого человеческого капитала в ВВП на одного занятого; во-вторых, увеличивающийся вклад новых отраслей в ВВП на одного занятого и уменьшающийся вклад традиционных отраслей (на примере сельского хозяйства); в-третьих, более значимый вклад занятых в IT по сравнению с вкладом занятых в образовании и здравоохранении в ВВП на одного занятого. Заключение. Результаты проведенного моделирования доказали, что сетевой человеческий капитал влияет на экономический рост и инновационное развитие посредством двух механизмов. Во-первых, сетевой человеческий капитал непосредственно участвует в производственных процессах платформенной экономики как фактор производства. В этом смысле накопление сетевого человеческого капитала непосредственно увеличивает совокупный выпуск. Во-вторых, накопление сетевого человеческого капитала позитивно влияет на классические факторы производства и, в частности, способствует технологическому прогрессу.

Рассмотрены некоторые аспекты планирования и управления адаптационными мероприятиями, направленными на снижение последствий негативных изменений климата на инфраструктурные объекты экономики. Проведен анализ проблем оценки риска неблагоприятного воздействия изменения климата на объекты в условиях значительной неопределенности. Рассмотрена структура комплексного оценивания объектов с использованием карт прогнозов климата и оценок уязвимости объектов. Предложен подход к формированию портфеля инфраструктурных объектов. Отбор объектов предложено проводить в два этапа. На первом этапе для формирования предварительного портфеля объектов применяется метод комплексного оценивания. На втором этапе предложено применять метод, основанный на последовательном выделении инвестиционного ресурса в порядке убывания оценки удельного риска. При реализации второго этапа ограниченность инвестиционного фонда определяет окончательный портфель объектов для проведения адаптационных мероприятий. Представлена модель организационного механизма финансирования и стимулирования проведения адаптационных мероприятий на объекте при неполной информированности управляющего органа. Предложен механизм стимулирования адаптационных работ, обеспечивающий сообщение управляющему органу достоверной информации от объектов. Показано, что предложенный механизм является оптимальным в условиях неполной информированности управляющего органа.

Our group has been investigating kinetic models for quite a long time. The structure of classical kinetic models is described by rather simple assumptions about the interaction of the entities under study. Also, the construction of kinetic equations (both stochastic and deterministic) is based on simple sequential steps. However, in each step, the researcher must manipulate a large number of elements. And once the differential equations are obtained, the problem of solving or investigating them arises. The use of symbolic-numeric approach methodology is naturally directed. When the input is an information model of the system under study, represented in some diagrammatic form. And as a result, we obtain systems of differential equations (preferably, in all possible variants). Then, as part of this process, we can investigate the resulting equations (by a variety of methods). We have previously taken several steps in this direction, but we found the results somewhat unsatisfactory. At the moment we have settled on the package Catalyst. jl, which belongs to the Julia language ecosystem. The authors of the package declare its relevance to the field of chemical kinetics. Whether it is possible to study more complex systems with this package, we cannot say. Therefore, we decided to investigate the possibility of using this package for our models to begin with standard problems of chemical kinetics. As a result, we can summarize that this package seems to us to be the best solution for the symbolic-numerical study of chemical kinetics problems.

Потребление электроэнергии является ключевым фактором устойчивого развития в энергетической отрасли, и точное прогнозирование его изменений имеет важное значение для эффективного управления большими электро-энергетическими системами и ресурсами. Целью данного исследования является разработка математической (регрессионной) модели для прогнозирования поведения электропотребления на каждый час следующих суток для энергосбытовых компаний современными методами машинного обучения и искусственного интеллекта. Рассматриваются различные методы искус-ственного интеллекта, применяемые для моделирования и прогнозирования потребления электроэнергии. К этим методам относятся: линейная модель, случайный лес и две реализации градиентного бустинга над решающими деревьями. Научный подход, основанный на технологии искусственного интеллекта Boosting, позволяет максимально снизить ошибку прогнозирования электропотребления в крупных энергетических компаниях. Авторами разработана новая, полезная и качественная регрессионная модель, адекватно описывающая экспериментальные данные по потреблению электроэнергии за каждый час суток. Выполнено тестирование разработанной регрессионной моде-ли на реальных производственных данных энергетической компании. Проведенное исследование и полученные результаты позволяют авторам сделать вывод о том, что разработанная математическая модель методом машин-ного обучения LightGBM может быть использована энергосбытовыми компаниями для почасового планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ) на несколько дней вперед. Исследование было выполнено на языке программирования Python.

Статья посвящена оценке редких событий на основе использования многоуровневых трендов, описывающих ряды урожайности сельскохозяйственных культур. Применение многоуровневого моделирования позволяет оценить вероятные потери характеристики биопродуктивности. Предложен алгоритм решения задачи определения очень неблагоприятных ситуаций или редких событий при ведении сельскохозяйственного производства. Результатом алгоритма является определение количества событий как значений низких урожайностей сельскохозяйственных культур, расположенных ниже тренда последовательности локальных минимумов исходных рядов. Кроме того, на основе сформулированных рядов разностей фактических данных и значений биопродуктивности трендов локальных минимумов оценены вероятности редких событий, представляющих собой наибольшие потери исследуемой характеристики. Для этого использовано распределение Пирсона III типа. Алгоритм реализован для трех районов Усть-Ордынского Бурятского округа, которые входят в разные агроландшафтные районы. Помимо оценки редких неблагоприятных событий с использованием значимых трендов в некоторых случаях применен статистический критерий определения событий рядов урожайности сельскохозяйственных культур, представляющих собой случайные выборки. Вначале определялись статистические параметры выборок биопродуктивности – средние значения, коэффициенты вариации, асимметрии и первый коэффициент автокорреляции. На основе этих значений построены законы распределения вероятностей. Помимо распределения Пирсона III типа использована функция трехпараметрического степенного гамма-распределения. Число событий в этом случае определялось по значениям ряда, не превысившим 0.8 от среднего значения многолетнего ряда. При использовании многоуровневого тренда наибольшие потери не всегда наблюдались в годы наименьших значений урожайности сельскохозяйственных культур. Полученные результаты применимы для управления производством продукции в условиях рисков.

Работа посвящена сравнительному анализу моделей прогнозирования урожайности сельскохозяйственных культур. Сравнивались многоуровневые тренды и авторегрессионные модели. В качестве исходных данных в работе использованы ряды урожайности различных сельскохозяйственных культур (пшеница, ячмень, овес) по трем муниципальным (Иркутский, Усольский, Черемховский) и одному агроландшафтному (Юго-Восточный лесостепной) районам за 1996-2023 гг. Исходная обработка данных состояла в построении многоуровневых трендов выбранных характеристик. При этом из значений исходного ряда выделены последовательности локальных максимумов и минимумов. В качестве функции тренда использовано логистическое выражение. Выбор функции основан на оценке точности по коэффициенту детерминации R2, значимости уравнений и его коэффициентов по F-критерию Фишера и t-статистике Стьюдента. Кроме этих критериев, дополнительно определено число благоприятных и неблагоприятных событий. После завершения статистической обработки урожайности сельскохозяйственных культур эти характеристики подвергались моделированию с помощью авторегрессионного анализа. Для рядов, обладающих значимым высоким первым коэффициентом автокорреляции (R1>0.70), построены уравнения авторегрессии с оценкой их точности и значимости. Для сравнения результатов, прилученных на основании многоуровневых трендов и авторегрессионных моделей временных рядов, рассчитаны значения ретроспективного прогноза на 2023 год. Расчетные значения сопоставлены с фактическими данными, определены их относительные погрешности. Установлено, что потенциал многоуровневых трендов значительно шире, чем у авторегрессионных зависимостей. Во-первых, можно прогнозировать разные уровни для усредненных, благоприятных и неблагоприятных условий в отличие от авторегрессионных уравнений, позволяющих получать прогностические результаты с упреждением один год. Сравнительные результаты согласно относительной погрешности и ретроспективному прогнозу показали преимущество многоуровневых трендовых моделей. Между тем некоторые ряды не могут быть описаны многоуровневыми трендами, но характеризуются значимыми авторегрессионными уравнениями. Поэтому выбор той или иной модели нужно обосновывать особенностями изменчивости рядов.

В работе приводится анализ временных рядов характеристик с динамико-стохастическими свойствами, связанных с производственными процессами – волнообразным изменением уровней со значимой тенденцией роста или спада. К таким характеристикам относится урожайность сельскохозяйственных культур. Помимо биопродуктивности рассмотрены другие характеристики по отраслевому принципу – животноводство, растениеводство, вылов рыбы и добыча водных биоресурсов и заготовка пищевых дикорастущих ресурсов. Поскольку производство аграрной продукции осуществляется разными категориями хозяйств, затронуты вопросы моделирования временных рядов характеристик, отражающих деятельность всех категорий хозяйств, сельскохозяйственных организаций и крестьянских (фермерских) хозяйств. Оценка статистических свойств исследуемых характеристик позволила определить адекватные модели для описания изменчивости временных рядов. Характеристики животноводства, описывающие динамику поголовья животных и их продуктивность, как правило, изменяются без флуктуаций и могут быть описаны на разных временных отрезках трендами роста или падения. Тем не менее, встречаются примеры динамико-стохастической изменчивости, что показано на примере хронологии поголовья свиней в России. Вылов рыбы и добыча водных биоресурсов в России за многолетний период характеризуется волнообразной тенденцией роста и может быть описана с помощью многоуровневых трендов. Заготовка дикоросов, в частности, ягод имеет тенденцию роста в годы высоких урожаев. Из климатических характеристик с помощью многоуровневых трендов можно описать продолжительность безморозного периода и температуры воздуха. В частности, абсолютная зимняя минимальная температура в Иркутске может рассматриваться в виде динамико-стохастической характеристики, локальные минимумы и максимумы которой описываются линейными трендами. Таким образом, производственные и климатические характеристики, связанные с производством продовольственной продукции, можно разделить на две группы. К одной из них относятся временные ряды характеристик с динамико-стохастическими свойствами, а к другой – динамические ряды без случайных флуктуаций.

В работе рассматривается теоретико-графовый подход, который применяется для анализа русских народных волшебных сказок. Подобное формальное описание структуры анализируемых фольклорных текстов опирается на закономерности, изложенные В. Я. Проппом в ряде своих работ и, в частности, в его известной книге «Морфология сказки». Это позволяет систематизировать и анализировать ключевые события, происходящие в текстах. Вершины теоретико-графовой модели представляют персонажей сказки, которые классифицируются на определенные фиксированные группы, а ребра обозначают встречи между персонажами, сопровождающиеся значимыми для сказочного сюжета действиями. На примере текста «Терешечка» из сборника А. М. Афанасьева показано, как строится модель и вычисляются числовые характеристики графов. Для этого в том числе используются инструменты информационной системы «Фольклор». С помощью этой программы можно не только хранить тексты коллекции и их теоретико-графовые модели, но также в автоматизированном режиме создавать формальные структуры, выполнять их визуализацию, агрегацию и сравнение. Дискриминантный анализ показал, что по формальным параметрам можно идентифицировать сюжет сказки о молодце-удальце, молодильных яблоках и живой воде. Значение коэффициента Лямбда Уилкса (Wilks’ Lambda) равно 0,0275781 (меньше 0,05), что говорит о хорошем качестве классификатора. Исходя из этого следует заключить, что для систематизации и сравнения сюжетов русских народных сказок можно применять математические модели, основанные на графах. При этом открываются перспективы изучения как вариативности сказок, так и выделения наиболее значимых и типичных для определенной географической местности или временного периода сюжетов.

Проведено исследование временного ряда заболеваемости болезнями органов пищеварения в Приморском крае по данным Росстата. С помощью метода Хольта-Винтерса построен краткосрочный прогноз, показывающий рост заболеваемости в крае болезнями органов пищеварения.