Применение нейросетевых методов и моделей при анализе краткосрочной экономической динамики регионального развития
Журнал: Регионология @regionsar
Рубрика: Региональная и отраслевая экономика
Статья в выпуске: 3 (136) т.34, 2026 года.
Бесплатный доступ
Введение. В условиях структурных шоков традиционные эконометрические методы теряют эффективность при прогнозировании региональной экономики, особенно при работе с короткими временны́ми рядами. Цель исследования – разработка методологии анализа и краткосрочного прогнозирования территориальной динамики на основе нейросетевого моделирования, адаптированного к специфике региональной статистики. Материалы и методы. Эмпирическую базу составили годовые данные Росстата по Забайкальскому краю за 2003–2022 гг., репрезентативные для ресурсных территорий РФ. Применены рекуррентные нейронные сети с LSTM-архитектурой. Авторский подход включает оценку системной значимости показателей через композитный индекс и сравнение стратегий формирования обучающей выборки (скользящего и расширяющегося окон). Результаты исследования. Выявлена дифференцированная эффективность методов прогнозирования для различных типов показателей. Метод расширяющегося окна показал высокую точность для показателей с устойчивыми трендами (ошибка прогноза валового регионального продукта около 0,3 % в 2020–2021 гг.), тогда как метод скользящего окна оказался эффективнее для волатильных показателей. Разработанный инструментарий анализа системной значимости параметров выявил устойчивую кластерную структуру региональной экономики, включающую производственно-инвестиционный и социально-демографический кластеры. Верификация моделей подтвердила их устойчивость к типичным флуктуациям, однако продемонстрировала фундаментальные ограничения при беспрецедентных геополитических шоках 2022 г. Заключение. Практическая значимость исследования заключается в создании комплексного инструментария для повышения эффективности регионального экономического планирования и прогнозирования в условиях структурных изменений. Материал может быть востребован в деятельности органов регионального управления и стратегического планирования.
Короткий адрес: https://sciup.org/147255022
IDS: 147255022 | УДК: 33:004.032.26:353 | DOI: 10.15507/2413-1407.26343.498-518
Application of Neural Network Methods and Models in the Analysis of Short-Term Economic Dynamics of Regional Development
Introduction. In the face of structural shocks, traditional econometric methods lose their effectiveness in forecasting regional economies, especially when working with short time series. The objective of this study is to develop a methodology for analyzing and forecasting short-term regional dynamics based on neural network modeling, adapted to the specifics of regional statistics. Materials and Methods. The empirical base consisted of annual Rosstat data for the Trans-Baikal Territory for 2003–2022, representative of resource-rich territories of the Russian Federation. Recurrent neural networks with LSTM architecture were used. The author's approach includes assessing the systemic significance of indicators using a composite index and comparing training sample generation strategies (sliding and expanding windows). Results. The differential effectiveness of forecasting methods for different types of indicators was revealed. The expanding window method demonstrated high accuracy for indicators with stable trends (gross regional product forecast error of approximately 0.3 % in 2020–2021), while the sliding window method was more effective for volatile indicators. The developed toolkit for analyzing the systemic significance of indicators revealed a stable cluster structure of the regional economy, including production-investment and socio-demographic clusters. Verification of the models confirmed their resilience to typical fluctuations but demonstrated fundamental limitations under the unprecedented geopolitical shocks of 2022. Conclusion. The practical significance of this study lies in the development of a comprehensive toolkit for improving the effectiveness of regional economic planning and forecasting in the face of structural change. The material may be useful in the activities of regional government and strategic planning bodies.
