WEB-ресурс научно-практических конференций

Полищук А.Ю., к.т.н. Лапицкая Н.В.

Белорусский государственный экономический университет, г . Минск

МОДЕЛИРОВАНИЕ ВВП С ПОМОЩЬЮ МГУА

Одним из самых главных показателей экономического состояния государства является внутренний валовой продукт. Проблема выявления факторов, обеспечивающих формирование стойкой положительной динамики реального ВВП, является насущной для всего мира.

Метод группового учета аргументов (МГУА) был разработан Академиком НАК Украины А.Г. Ивахненко и его школой, и является типичным методом индуктивного моделирования и одним из наиболее эффективных методов структурно-параметрической идентификации сложных объектов, процессов и систем по данным наблюдений в условиях неполноты информации.

МГУА основан на некоторых принципах теории обучения и самоорганизации, в частности на принципе «селекции»,или направленного отбора. Метод реализует задачи синтеза оптимальных моделей высокой сложности, адекватной сложности исследуемого объекта. Так, алгоритмы МГУА, построенные по схеме массовой селекции, осуществляют перебор возможных функциональных описаний объекта.

Составление экономических моделей с помощью нейронных сетей является передовым направлением моделирования, которое имеет большую мощность и возможности для развития. Разработана масса программных продуктов для реализации метода.

При использовании полиномиальных сетей алгоритм работает сразу по нескольким важным направлениям:

· выбор наиболее важных параметров,

· перебор всевозможных комбинаций,

· формирование модели оптимальной сложности.

Настоящая работа посвящена моделированию ВВП Республики Беларусь (на примере данных за 1996-2010гг.).

Целью работы являлось нахождение неочевидных связей между экономическими и социальными, природными, физико-астрономическими переменными, а также выявление возможности эффективного прогнозирования с помощью полученных моделей.

В качестве входных переменных были взяты:

· Ср. год . к ол-во солнечных пятен ( x ₁ ),

· Ср .г од t , ⁰ C ( x ₂ ),

· Численность населения, тыс. чел. ( x ₃ ),

· Среднегодовое кол-во осадков, мм ( x ₄ ).

Данные были масштабированы, выделен тестовый, тренировочный и экзаменационный наборы и проведено составление модели с использованием двух критериев: регулярность (средняя квадратичная ошибка модели на тестовом наборе) и FCPSE ( Full Complexity Prediction Squared Error - Квадратичная ошибка предсказания с полной сложностью).

Было получена модель, основанная на FCPSE:

. (1)

Прогнозное значение на 2011 год: 25178,18 млн. $.

При использовании критерия регулярности модель оказалась перегруженной, в ней использовалось более 40 членов, с вхождением переменных в четвертой степени, однако ее точность была намного выше.

Модели, сформированные в данной работе, призваны показать возможности МГУА в качестве инструмента формирования модели с отличными показателями использования при отсутствии очевидных связей между параметрами модели. Выходные параметры показали хорошее качество модели (для сравнения: при проведении регрессии по этим же данным стандартная ошибка составила 1622,8, а при применении МГУА – 778 для критерия FCPSE и 103 для критерия Регулярности).

Ценность модели при прогнозировании также можно считать приемлемой (с учетом реального состояния экономики Республики), реальное значение отклонения прогноза будет известно после подведения итогов года.

МГУА с применением критерия Регулярности показал очень хорошие результаты, однако сложность модели затрудняет ее применение без использования специальных вычислительных средств.

В ходе работы были применены такие инструменты как программные пакеты NeuroShell 2, GDMH Shell и средства MS Office с использованием встроенного языка Visual Basic for Applications .

Была получена нетривиальная модель динамики ВВП.

МГУА как инструмент моделирования и прогнозирования экономических параметров показал свою эффективность и качество. Метод требует дальнейшего развития и изучения.

Список использованных источников:

1. Алексей Григорьевич Ивахненко // Отдел ИТИМ [Электронный ресурс]. – 2011. – Режим доступа: http :// www . mgua . irtc . org . ua / ru / index . php ? page = OGI

2. Метод группового учёта аргументов// Machnelearning [Электронный ресурс]. – 2011. – Режим доступа: http :// www . machinelearning . ru / wiki / index . php ? title =% D 0%9 C % D 0%93% D 0% A 3% D 0%90

3. Метод группового учета аргументов МГУА// CodeNet : Всё для программиста [Электронный ресурс]. – 2011. – Режим доступа: http :// www . codenet . ru / progr / alg / ai / htm / gl 3_7. php

4. МГУА// Метод Группового Учета Аргументов [Электронный ресурс]. – 2011. – Режим доступа: http :// www . gmdh . net / gmdh . htm

5. NeuroShell 2: Подробнее о программе / / И нформационно аналитический портал о жизни денег [Электронный ресурс]. – 2011. – Режим доступа: http :// www . forekc . ru / Ns / index _2. htm

6. Метод групового учета аргументов// Отдел ИТИМ [Электронный ресурс]. – 2011. – Режим доступа: http :// www . mgua . irtc . org . ua / ru / index . php ? page = gmdh