Научный журнал ВолНЦ РАН (печатное издание)
21.11.202411.2024с 01.01.2024
Просмотры
Посетители
* - в среднем в день за текущий месяц
RuEn

рубрика "Вопросы теории и методологии"

Прогнозирование показателей научно-технологического и инновационного развития региона при помощи рекуррентных нейронных сетей

Бывшев В.И., Королева С.А., Пантелеева И.А., Писарев И.В.

Том 17, №3, 2024

Бывшев В.И., Королева С.А., Пантелеева И.А., Писарев И.В. (2024). Прогнозирование пока- зателей научно-технологического и инновационного развития региона при помощи рекуррентных нейронных сетей // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 17. № 3. С. 102–117. DOI: 10.15838/esc.2024.3.93.6

DOI: 10.15838/esc.2024.3.93.6

Аннотация   |   Авторы   |   Список литературы
  1. Аганбегян А.Г. (2019). Анализ и прогнозирование социально-экономического развития регионов (методические заметки) // Среднерусский вестник общественных наук. Т. 17. № 14. С. 15‒28. DOI: 10.22394/2071-2367-2019-14-4-15-28
  2. Азарнова Т.В., Трещевский Ю.И., Папин С.Н. (2020). Прогнозирование параметров социально-экономического развития региона с использованием аппарата нейронных сетей (на примере ВРП Воронежской области) // Современная экономика: проблемы и решения. № 3 (123). С. 8–25. DOI: https://doi.org/10.17308/meps.2020.3/2321
  3. Алтынер А., Бозкурт Э., Топчуоглу О. (2022). Влияние расходов на НИОКР на экспорт высокотехнологичной продукции // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 15. № 5. С. 153–169. DOI: 10.15838/esc.2022.5.83.8.
  4. Алферьев Д.А. (2018). Теоретико-методические аспекты долгосрочного прогнозирования научно-технологического развития // Управление инвестициями и инновациями. № 1. С. 5‒16. DOI: 10.14529/iimj180101
  5. Басарева В.Г. (2019). Малые инновационные предприятия регионов: стратегические ориентиры и тактика их достижения // Регион: Экономика и Социология. № 2 (102). С. 224‒245. DOI: 10.15372/REG20190210
  6. Беляков Г.П., Шумаков Ф.П. (2018). Особенности прогнозирования научно-технологического развития региона // Актуальные проблемы авиации и космонавтики. Т. 2. № 4(14). С. 773‒775.
  7. Бывшев В.И. (2024). Формирование модели научно-технологической и инновационной политики в субъекте Российской Федерации // Журнал Сибирского федерального университета. Серия: Гуманитарные науки. Т. 17. № 1. С. 117‒136.
  8. Васильева И.Н., Розова О.И., Корнеева Н.Д., Богатова Р.С. (2023). Эффективность государственной научно-технической политики в Российской Федерации: методика оценки и результаты ее апробации // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 16. № 6. С. 155–173. DOI: 10.15838/esc.2023.6.90.9
  9. Голова И.М. (2022). Научно-технический потенциал регионов как основа технологической независимости РФ // Экономика региона. Т. 18. № 4. С. 1062–1074. DOI: https://doi.org//10.17059/ekon.reg.2022-4-7
  10. Дежина И.Г. (2021). «Выбор победителей» в современной научной политике России // Вопросы государственного и муниципального управления. № 3. С. 53‒74.
  11. Егоров Н.Е., Ковров Г.С. (2023). Анализ методов рейтингования для оценки научно-технологического развития федеральных округов РФ // МИР (Модернизация. Инновации. Развитие). Т. 14. № 4. С. 698‒715. DOI: 10.18184/2079-4665.2023.14.4.698-715
  12. Ендовицкий Д.А., Трещевский Ю.И., Канапухин П.А., Кособуцкая А.Ю. (2023). Эмпирический анализ и прогнозирование динамики инновационного развития регионов России // Вестник ВГУ. Серия: Экономика и управление. № 1. С. 51‒64. DOI: 10.17308/econ.2023.1/10932
  13. Кетова К.В., Русяк И.Г., Вавилова Д.Д. (2020). Математическое моделирование и нейросетевое прогнозирование структуры и динамики человеческого капитала Российской Федерации // Вестник Том. гос. ун-та. Управление, вычислительная техника и информатика. № 53. С. 13–24. DOI: 10.17223/19988605/53/2
  14. Китова О.В., Савинова В.М., Дьяконова Л.П., Бондаренко Ю.О. (2023). Прогнозирование показателей туризма в регионах с угольной добычей: анализ возможностей с использованием информационно-аналитической системы «Горизонт» // Уголь. № 11 (1173). С. 88‒95. DOI: 10.18796/0041-5790-2023-11-88-95
  15. Комков Н.И., Цукерман В.А., Горячевская Е.С. (2019). Анализ основных факторов инновационного развития регионов Арктической зоны РФ // Проблемы прогнозирования. № 1 (172). С. 33‒40.
  16. Кузнецова О.В. (2023). Рейтинг научно-технологического развития регионов: подходы, итоги, вызовы // Проблемы прогнозирования. № 4 (199). С. 94‒103. DOI: 10.47711/0868-6351-199-94-103
  17. Мазилов Е.А., Устинова К.А., Давыдова А.А., Климова Ю.О., Ильин В.А. (2020). Формирование фондов поддержки научной, научно-технической и инновационной деятельности в регионах: состояние, задачи, механизмы реализации. Вологда: ФГБУН ВолНЦ РАН. 43 с.
  18. Мыслякова Ю.Г. (2022). Индивидуализация стратегий научно-технологического развития экономики индустриальных регионов России с учетом наследственных детерминант // Journal of Applied Economic Research. Т. 21. № 4. С. 685–707. DOI: http://dx.doi.org/10.15826/vestnik.2022.21.4.024
  19. Трифонов Ю.В., Сочков А.Л., Соловьев А.Е. (2021). Оценка экономического потенциала регионов РФ на основе методологии нейросетевого кластерного анализа // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. № 3 (63). С. 38–47. DOI: 10.52452/18115942_2021_3_38
  20. Федотов Д.В., Семенкин Е.С. (2014). О прогнозировании экономических показателей с помощью нейроэволюционных моделей // Сибирский аэрокосмический журнал. № 5 (57). C. 299‒304.
  21. Шеломенцева В.П., Никитин Е.Б., Беспалый С.В., Ифутина Е.А. (2015). Использование метода «форсайт» для прогнозирования научно-технологического и экономического развития старопромышленного региона (на примере Павлодарской области республики Казахстан) // Вестник Омского университета. Серия «Экономика». № 4. С. 242‒248.
  22. Широв А.А., Гусев М.С., Саяпова А.Р., Янтовский А.А. (2016). Научно-технологическая компонента макроструктурного прогноза // Проблемы прогнозирования. № 6 (159). С. 3–17.
  23. Юйшань В. (2021). Инновационное развитие китайских регионов: опыт и рекомендации для России // МИР (Модернизация. Инновации. Развитие). Т. 12. № 2. С. 145‒159. DOI: https://doi.org/10.18184/2079-4665.2021.12.2.145-159
  24. Babkin A.V., Karlina E.P., Epifanova N.S. (2015). Neural networks as a tool of forecasting of socioeconomic systems strategic development. Procedia-Social and Behavioral Sciences, 207, 274‒279.
  25. Bengisu M., Nekhili R. (2006). Forecasting emerging technologies with the aid of science and technology databases. Technological Forecasting and Social Change, 73(7), 835‒844. DOI https://doi.org/10.1016/j.techfore.2005.09.001
  26. Coates V., Farooque M., Klavans R. et al. (2001). On the future of technological forecasting. Technological Forecasting and Social Change, 67(1) ,1‒17. DOI https://doi.org/10.1016/S0040-1625(00)00122-0
  27. Ghaith Z., Kulshreshtha S., Natcher D., Cameron B.T. (2021). Regional computable general equilibrium models: A review. Journal of Policy Modeling, 43(3), 710–724. DOI: https://doi.org/10.1016/j.jpolmod.2021.03.005
  28. Jin N., Yang F., Mo Yu. et al. (2022). Highly accurate energy consumption forecasting model based on parallel LSTM neural networks. Advanced Engineering Informatics, 51, 101442. DOI: https://doi.org/10.1016/j.aei.2021.101442
  29. Kitova O.V., Kolmakov I.B., Dyakonova L.P. et al. (2016). Hybrid intelligent system of forecasting of the socio-economic development of the country. International Journal of Applied Business and Economic Research, 14(9), 5755–5766.
  30. Pazikadin A.R., Rifai D., Ali K. et al. (2020). Solar irradiance measurement instrumentation and power solar generation forecasting based on Artificial Neural Networks (ANN): A review of five years research trend. Science of The Total Environment, 715, 136848.
  31. Qiu J., Wang B., Zhou C. (2019). Forecasting stock prices with long-short term memory neural network based on attention mechanism. PLoS ONE, 2.15(1): e0227222. DOI: https://doi.org/10.1371/journal.pone.0227222
  32. Zhang Q., Abdullah A.R., Chong C.W., Ali M.H.A. (2022). Study on regional GDP forecasting analysis based on Radial Basis Function Neural Network with Genetic Algorithm (RBFNN-GA) for Shandong economy. Computational Intelligence and Neuroscience, 12. DOI: https://doi.org/10.1155/2022/8235308

Полная версия статьи