ПРИМЕНЕНИЕ ГИБРИДНЫХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ЭФФЕКТИВНОСТИ РЕГИОНА НА ПРИМЕРЕ РЕСПУБЛИКИ ДАГЕСТАН

Цель работы — обоснование возможности и перспективы использования методов машинного обучения для прогнозирования и оценки эффективности социально-экономической деятельности региона на примере Республики Дагестан. В рамках проведенных исследований использовался гибридный подход к прогнозированию на основе регрессионных и нейросетевых моделей прогнозирования. В качестве метода обучения нейронной сети был выбран метод обратного распространения ошибки. Верификация модели искусственной нейронной сети производилась посредством расчета средней относительной ошибки. Были построены регрессионные модели для исследуемых показателей, в качестве которых выступали реальные денежные доходы населения, расходы населения, доходы от собственности, доходы от предпринимательской деятельности, номинальная заработная плата, сбережения населения во вкладах и ценных бумагах, расходы на продукты и услуги, оплата обязательных платежей и взносов, покупка валюты, остатки наличных денег на руках. Однако для трех показателей результаты прогноза были недостаточно удовлетворительны. Для них была построена нейронная сеть на основе многослойного персептрона, что позволило улучшить значения точности и качества прогнозов. Результаты проведенного исследования могут быть использованы в дальнейшем для создания полноценной модели оценки эффективности региона, которая позволит обоснованно принимать решения и управлять деятельностью региона. Делается вывод, что построение гибридной модели является наиболее оптимальным методом в условиях неопределенности, недостаточности данных и их нечеткости.