ПРИМЕНЕНИЕ КОНЕЧНО-РАЗНОСТНЫХ МОДЕЛЕЙ ДЛЯ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ПРИРОДНО-РЕСУРСНОГО ПОТЕНЦИАЛА ПЕРМСКОГО КРАЯ

Наталья Александровна Сиротина
Пермский национальный исследовательский политехнический университет, Березниковский филиал, г. Березники

Анна Владимировна Копотева
Пермский национальный исследовательский политехнический университет, Березниковский филиал, г. Березники

Андрей Владимирович Затонский
Пермский национальный исследовательский политехнический университет, Березниковский филиал, г. Березники


Аннотация


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.

Ключевые слова


математическое моделирование, прогнозирование, конечно-разностная модель, природно-ресурсный потенциал региона, Пермский край

Полный текст:

PDF

Литература


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 невозобновимых 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.


Ссылки

  • На текущий момент ссылки отсутствуют.