FINITE-DIFFERENCE MODELS APPLICATION FOR SHORT-TERM FORECASTING OF THE NATURAL RESOURCE POTENTIAL OF THE PERM REGION
Keywords:
mathematical modeling, forecasting, finite difference model, natural resource potential of the region, Perm regionAbstract
The article is about a problem of mathematical modeling of the natural resource potential of the Perm Territory by 1st and 2nd order finite-difference models. Such models can obtain better forecasts of complex socio-economic processes in comparison with the traditionally used linear multiple regression models. A high quality model of the natural resource potential with forecast possibilities is one of the necessary conditions for the effective management of the natural resources of the region in order to ensure its sustainable economic development. Purpose of work. Aim of this work is work construction of finite-difference models of a natural resource potential complex indicators and an assessment of their prognostic properties. Materials and methods. Our research is based on Perm region statistical data for the period from 2001 to 2018. A multiple linear regression model is used as a comparison base. The natural resource potential complex indicator is calculated as a weighted sum of particular criteria characterizing the natural resources of the region. First and second order finite difference models are obtained by adding autoregressive terms of the first and second orders, respectively, to the multiple linear regression model. An estimation of the unknown parameters of the equations is carried out by a modified least squares method, which preserves the signs of the coefficients with the factors the same as in the original linear model. At the same time, the selection of explanatory factors and the assessment of the quality of the models are carried out based on the accuracy of the predicted values of the studied indicator. The results of the study. Components and factors of the natural resource potential is obtained, and a procedure for constructing finite-difference models is performed for three different time intervals: 2001–2018, 2001–2008, and 2008–2018. These intervals are chooseen because changes in the methodology for generating statistical data nearly 2008. Discussion and conclusions. The number of calculated predicted values was 18, and only in 4 out of 18 cases (22,2%) their quality is worse than forecasts obtained by the linear multiple model. So proposed modification of the multiple linear regression model with the addition of autoregressive terms makes it possible to improve the forecasting quality of the complex indicator of the natural resource potential of the region and, therefore, to make more effective decisions when managing its level.
References
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.
