Методология прогнозирования показателей сферы научных исследований и инноваций с помощью нейронных сетей // Forecasting Methodology of Scientific Investigations and Innovations Sphere’s Indicators by Means of Neural Networks

I. Kolmakov B., M. Domozhakov V., МАТВЕЙ Доможаков Валерьевич and ИГОРЬ Колмаков Борисович
Additional contact information
I. Kolmakov B.: Plekhanov Russian University of Economics
M. Domozhakov V.: Plekhanov Russian University of Economics
МАТВЕЙ Доможаков Валерьевич: Российский экономический университет им. Г. В. Плеханова
ИГОРЬ Колмаков Борисович: Российский экономический университет им. Г. В. Плеханова

Управленческие науки // Management Science, 2017, vol. 7, issue 1, 53-62

Abstract:

The aim of the work is to elaborate the methodology, economic and mathematic models and tool means for short-term forecasting the scientific investigations and innovations sphere’s indicators. It considers the system of neural networks forecasting the economic indicators as a part of hybrid, regressive and intellectual forecasting system, and its implementation as exemplified by the scientific investigations and innovations sphere’s indicators in the Russian Federation. The forecasting data by 72 measures (96%) out of 75 scientific investigations and innovations sphere’s indicators were successfully modeled and received. The conclusion is made on the basis of computer experiment that the use of such a system allows not only to raise the accuracy and quality of the forecast calculations, but to use them also in management outlines for achieving the target indicators. The further investigations are aimed at system parameters’ optimization in order to improve the efficiency without losing accuracy and quality, improving the management service of indicators’ models calculations.

Разработка систем прогнозирования экономики страны в целом и ее различных подсистем является одной из важнейших задач государства. Одна из подсистем национальной экономики - сфера научных исследований и инноваций (СНИИ). Следует отметить, что развитие экономики в значительной степени зависит от уровня развития научно-инновационной сферы. Прогноз показателей этой сферы весьма проблематичен, поскольку не существует жестких структурных пропорций относительно других отраслей экономики. Актуальность работы определена необходимостью комплексного взаимоувязанного рассмотрения в рамках единой модели процессов экономического развития страны и СНИИ. Целью работы является разработка методологии, экономико-математических моделей и инструментальных средств для краткосрочного прогнозирования показателей СНИИ. Авторами рассмотрена система нейросетевого прогнозирования экономических показателей как часть гибридной регрессионной и интеллектуальной системы прогнозирования и ее реализация на примере показателей СНИИ Российской Федерации. Из 75 показателей сферы исследований и инноваций Российской Федерации были успешно смоделированы и получены прогнозные значения по 72 показателям (96%). На основании компьютерного эксперимента сделан вывод, что использование подобной системы позволяет не только повышать точность и качество прогнозных расчетов, но и применять их в контурах управления для достижения целевых показателей. Дальнейшие исследования направлены на оптимизацию параметров системы с целью повышения производительности без потерь точности и качества, совершенствование сервисов управления расчета моделей показателей.

Keywords: innovations; investigations and innovations sphere; the systems of regressive equations; short-term forecasting models; forecasting retro verification; the system of neural networks forecasting models; the system of hybrid models; сфера исследований и инноваций; системы регрессионных уравнений; модели краткосрочного прогноза; ретроверификация прогноза; система нейросетевых моделей прогноза; система гибридных моделей (search for similar items in EconPapers)
Date: 2017-03-20
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://managementscience.fa.ru/jour/article/viewFile/97/98.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:mngsci:y:2017:i:1:p:53-62

Access Statistics for this article

More articles in Управленческие науки // Management Science from ФГОБУВО Финансовый университет при Правительстве Российской Федерации // Financial University under The Government of Russian Federation
Bibliographic data for series maintained by Алексей Скалабан ().