Разработка моделей, алгоритмов и программных средств прогнозирования численности населения региона

Автор: Михайлова С.С., Шулунова И.Р., Балданова М.В.

Журнал: Вестник Алтайской академии экономики и права @vestnik-aael

Рубрика: Экономические науки

Статья в выпуске: 3, 2023 года.

Бесплатный доступ

Работа посвящена прогнозированию численности населения с помощью генетического алгоритма и построения математической модели Лотки-Вольтерры. Особенностью исследования является разработка методического подхода к региональному прогнозированию численности населения, который представляет собой альтернативное использование генетического алгоритма и математической модели Лотки-Вольтерры. Данный подход позволяет, во-первых, повысить точность прогноза, во-вторых расширить возможности корректировки информационных моделей региональных демографических данных. Реализованы варианты генетического алгоритма: с удалением лишних особей и без удаления, а также построены системы двух дифференциальных уравнений где, в качестве переменных попарно представлены показатели рождаемости, смертности и миграции. Разработан прогноз значений показателей рождаемости, смертности и миграции для Республики Бурятия и ее районов по трехлетним и пятилетним периодам. Для оценки точности алгоритмов и прогнозных значений предложено использовать величину разности интеграла от прогнозируемой и от реальной функции, что позволит определить наличие резких скачков в расчетных данных.

Еще

Прогнозирование, генетический алгоритм, численность популяции, математические модели

Короткий адрес: https://sciup.org/142237319

IDR: 142237319

Список литературы Разработка моделей, алгоритмов и программных средств прогнозирования численности населения региона

  • Abdelrahim M. Zabadi, Ramiz Assaf, Mohammad Kanan. A Mathematical and Statistical Approach for Predicting the Population Growth. World Wide Journal of Multidisciplinary Research and Development. August 2017. P. 50-59.
  • Ajay J. Patel, Dr. M.B. Prajapati. Estimation for Future Population Growth of China by using Logistic model. International Journal of Scientific Development and Research (IJSDR). September 2016. IJSDR. Vol. 1. Iss. 9. P. 52-56.
  • Акмулдашева З.К. Сравнительный анализ методов прогнозирования демографических процессов // Актуальные вопросы науки и практики. 2017. С. 41-46.
  • Goldberg David E. Genetic Algorithms in Search, Optimization and Machine Learning. USA: Addison-Wesley Publishing Company. Inc., 1989.
  • Иванюк В.А., Андрейчиков А.В. Интеллектуальная система прогнозирования на основе методов искусственного интеллекта и статистики // Программные продукты и системы. 2008. С. 90-91.
  • Kapur J.N., Khan Q.J.A. Some Mathematical Model for Population Growth. Indian Journal of Pure Applied Mathematics. 2015. № 10(3). P. 277-286.
  • Kermack W.O., McKendrick A.G. A Contribution to the Mathematical Theory of Epidemics. Communicated by Sir Gilbert Walker, F.R.S. Received May 13. 1927. P. 700-721.
  • Корнина А.Е. Машинное обучение и нейронные сети в бизнесе // Хроноэкономика. 2018. № 2 (10). С. 111-116.
  • Курейчик В.М. Модифицированные генетические операторы // Известия СФУ. Технические науки. 2009. Т. 12. С. 7-14.
  • Носова М.Г. Применение математической модели к исследованию процесса изменения демографической ситуации в Российской Федерации // Молодой ученый. 2017. № 1. С. 1-4.
  • Носова М.Г. Автономная немарковская система массового обслуживания и ее применение в задачах демографии: дис. канд. физ.-мат. наук. Томск, 2010. 204 с.
  • Приумов Ю.Г. Численный метод, сборник вопросов. М.: Дрофа, 2007. 144 с.
  • Цуларис А. Анализ моделей логистического роста. Рез. лат. мат. наука. Том. 2. 2001. С. 23-46.
  • Руи Дилао. Математические модели в популяционной динамике и экологии // Биоматематика. Моделирование и имитация. 2006. Глава 15. С. 399-449.
  • Соловьев А.И., Соловьев С.А. О подходах к анализу демографических данных с использованием машинного обучения // Современные информационные технологии и ИТ-образование. 2018. Т. 14. № 4. С. 947-959.
  • Территориальное управление Федеральной службы государственной статистики по Республике Бурятия. URL: https://burstat.gks.ru/demo (дата обращения: 10.01.2023).
  • Титов В.А., Вайнберг Р.Р. Анализ существующих динамических моделей на основе системы уравнений Лотки-Вольтерра «хищник-жертва» // Фундаментальные исследования. 2016. С. 409-413.
  • Трубецков Д.И. Феномен математической модели Лотки-Вольтерра и подобных моделей // Методические заметки. Труды ВУЗа. 2011. Т. 19, № 2. С. 69-88.
  • Затонский А.В., Сиротина Н.А. Прогнозирование экономических систем по модели, основанной на дифференциальном уравнении регрессии // Математический анализ экономических моделей. 2014. Т. 50, № 1. С. 91-99.
Еще
Статья научная