Применение конечно-разностных моделей для краткосрочного прогнозирования природно-ресурсного потенциала Пермского края

Автор: Сиротина Наталья Александровна, Копотева Анна Владимировна, Затонский Андрей Владимирович

Журнал: Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника @vestnik-susu-ctcr

Рубрика: Краткие сообщения

Статья в выпуске: 2 т.21, 2021 года.

Бесплатный доступ

Статья посвящена проблеме математического моделирования природно-ресурсного потенциала Пермского края на основе конечно-разностных моделей 1-го и 2-го порядков. Ранее нами было установлено, что при исследовании сложных социально-экономических процессов такие модели позволяют получать более качественные прогнозы по сравнению с традиционно применяемыми моделями линейной множественной регрессии. Высокое качество модели природно-ресурсного потенциала и соответствующих прогнозов является одним из необходимых условий эффективного управления природными богатствами региона с целью обеспечения его устойчивого экономического развития. Цель работы. Целью данного исследования являлось построение на основании статистических данных за период с 2001 по 2018 г. конечно-разностных моделей комплексного показателя природно-ресурсного потенциала и оценка их прогностических свойств на примере Пермского края. Материалы и методы. В качестве базы сравнения использовалась модель множественной линейной регрессии. Комплексный показатель природно-ресурсного потенциала региона рассчитывался как взвешенная сумма частных критериев, характеризующих природные богатства региона. Конечно, разностные модели первого и второго порядка получены путем добавления в модель множественной линейной регрессии авторегрессионных слагаемых первого и второго порядков соответственно. Оценка неизвестных параметров уравнений выполнена на основании модифицированного метода наименьших квадратов, сохраняющего знаки коэффициентов при факторах такими же, как в исходной линейной модели. При этом отбор объясняющих факторов и оценка качества моделей осуществлялись исходя из точности полученных по ним прогнозных значений изучаемого показателя. Результаты исследования. В связи с изменениями в методике формирования статистических данных, определяющих составляющие и факторы природно-ресурсного потенциала, процедура построения конечно-разностных моделей была выполнена для трех различных временных интервалов: 2001-2018, 2001-2008 и 2008-2018. Число расчетных прогнозных значений составило 18, причем лишь в 4 из 18 случаев (22,2 %) их качество оказалось хуже, чем у прогнозов с использованием линейной множественной модели. Обсуждение и заключение. Полученные результаты позволяют утверждать, что предложенная модификация множественной линейной модели регрессии с добавлением авторегрессионных слагаемых позволяет повысить качество прогнозирования комплексного показателя природно-ресурсного потенциала региона и, следовательно, принимать более эффективные решения при управлении его уровнем.

Еще

Математическое моделирование, прогнозирование, конечно-разностная модель, природно-ресурсный потенциал региона, пермский край

Короткий адрес: https://sciup.org/147233810

IDR: 147233810   |   DOI: 10.14529/ctcr210215

Список литературы Применение конечно-разностных моделей для краткосрочного прогнозирования природно-ресурсного потенциала Пермского края

  • Ходиев, Д.А. Моделирование и прогнозирование привлечения инвестиций для освоения природно-ресурсного потенциала региона / Д.А. Ходиев, Ф.А. Хофизов // Вестник Таджикского национального университета. - 2018. - № 6. - С. 30-36.
  • Investment risk and natural resource potential in "Belt & Road Initiative " countries: A multi-criteria decision-making approach / J. Hussain, K. Zhou, S. Guo, A. Khan // Science of The Total Environment. - 2020. - Vol. 723, 137981. DOI: 10.1016/j.scitotenv.2020.137981
  • The politics of natural resource investments and rights in Africa: A theoretical approach / L. Buur, R. Pedersen., M. Nystrand et al. // The Extractive Industries and Society. - 2020. - Vol. 7. - P. 918-930.
  • Красильников, П.А. Геоинформационное обеспечение экономической оценки природно-ресурсного потенциала территорий Пермского края /П.А. Красильников // Экономика региона. -2009. - № 1. - С. 143-151.
  • Kumar, N. Applications of Remote Sensing and GIS in Natural Resource Management / N. Kumar, S.S. Yamaс, A. Velmurugan // Journal of the Andaman Science Association. - 2015. - Vol. 20 (1). - Р. 1-6.
  • Multi-criteria decision support for geothermal resources exploration based on remote sensing, GIS and geophysical techniques along the Gulf of Suez coastal area, Egypt / S. Abuzied, M. Kaiser, E. Shendi, M. Abdel-Fattah // Geothermics. - 2020. - Vol. 88, 101893.
  • GIS-based spatial multi-index model for flood risk assessment in the Yangtze River Basin, China / D. Zhang, X. Shi, H. Xu, Q. Jing // Environmental Impact Assessment Review. - 2020. - Vol. 83, 106397.
  • Горячев, А.А. Моделирование добычи в мировых и региональных оптимизационных газовых моделях /А.А. Горячев // Проблемы экономики и управления нефтегазовым комплексом. - 2015. -№ 6. - С. 51-58.
  • Кузнецов, Ю.А. Математическое моделирование оптимального использования невозобно-вимых природных ресурсов /Ю.А. Кузнецов, А.В. Семенов, М.Н. Власова // Экономический анализ: теория и практика. - 2012. - № 32. - С. 45-57.
  • Managing agricultural water and land resources with tradeoff between economic, environmental, and social considerations: A multi-objective non-linear optimization model under uncertainty / M. Li, Q. Fu, P.V. Singh et al. //Agricultural systems. - 2020. - Vol. 178, 102685.
  • Biswas, M.H. Mathematical Modeling Applied to Sustainable Management of Marine Resources / M.H. Biswas, M.R. Hossain, M.K. Mondal //Procedia Engineering. - 2017. - Vol. 194. - Р. 337-344.
  • Lata, K. The influence of forestry resources on rainfall: A deterministic and stochastic model / K. Lata, A.K. Misra // Applied Mathematical Modelling. - 2020. - Vol. 81. - Р. 673-689.
  • Курышев, Н. И. Модель и способ оценки эколого-экономического состояния регионов / Н.И. Курышев //Вестник кибернетики. - 2005. - № 4. - С. 149-158.
  • Кудрявцева, О.В. Математические модели анализа потребления природных ресурсов / О.В. Кудрявцева // Вестник Московского университета. Серия 6: Экономика. - 2007. - № 3. -С. 67-87.
  • Бурцев, С. В. Экономико-математическая модель оценки эффективности мероприятий по восстановлению окружающей природной среды закрываемых угольных предприятий / С.В. Бурцев //Горный информационно-аналитический бюллетень (научно-технический журнал). - 2012. -№ 1. - С. 357-359.
  • Потравный, И.М. Модели истощения природных ресурсов и оценки прошлого ущерба от загрязнения окружающей среды /И.М. Потравный, А.Л. Новоселова, Е.М. Алныкина //Плехановский научный бюллетень. - 2015. - № 2. - С. 53-78.
  • Соловьева, Н.В. Комплексный подход к моделированию управления ресурсами и отходами в системе «природа - техносфера» с целью минимизации воздействия на окружающую среду / Н.В. Соловьева, М.Ю. Худошина //Безопасность жизнедеятельности. - 2012. - № 2. - С. 33-40.
  • Бузина, Т.С. Модели управления процессами аграрного производства в условиях неполной информации / Т.С. Бузина, М.Н. Полковская //Вестник ИРГСХА. - 2016. - № 74. - С. 101-109.
  • Свентицкий, А.Г. Эксергетическая модель рационального использования энергетических природных и техногенных ресурсов в агротехнологиях / А.Г. Свентицкий, И.И. Свентицкий // Вестник ВИЭСХ. - 2016. - № 3. - С. 97-99.
  • Майорова, М.А. Экономико-математические модели в управлении производственно -экономической деятельностью сельскохозяйственных предприятий / М.А. Майорова // Интернет-журнал «Науковедение». - 2014. - № 4. - С. 109.
  • Analysis of sustainable utilization of water resources based on the improved water resources ecological footprint model: A case study of Hubei Province, China / H. Wang, J. Huang, H. Zhou, C. Deng // Journal of Environmental Management. - 2020. - Vol. 262, 110331.
  • Сиротина, Н. А. Оценка вклада горнодобывающей отрасли в природно-ресурсный потенциал региона / Н.А. Сиротина, А.В. Копотева, А.В. Затонский // Горный информационно-аналитический бюллетень (научно-технический журнал). - 2020. - № 8. - С. 163-178. DOI: 10.25018/0236-1493-2020-8-0-163-178
  • Кремер, Н.Ш. Эконометрика: учеб. для вузов / Н.Ш. Кремер. - М. : ЮНИТИ-ДАНА, 2002. -311 с.
  • Доугерти, К. Введение в эконометрику: учеб. / К. Доугерти. - 2-е изд. - М.: ИНФРА-М, 2007. - 432 с.
  • Елисеева, И.И. Эконометрика / И.И. Елисеева, С.В. Курышева - М. : Финансы и статистика, 2007. - 576 с.
  • Волков, Е.А. Численные методы /Е.А. Волков - М. : Лань, 2008. - 256 с.
Еще
Краткое сообщение