Details

В условиях возрастающей стратегической важности Арктической зоны Российской Федерации и необходимости обеспечения сбалансированного социально-экономического развития региона органы государственного управления нуждаются в новых инструментах анализа и прогнозирования, позволяющих учитывать сложную нелинейную динамику взаимосвязей между экономическими, социальными, экологическими и технологическими факторами. Традиционные подходы к оценке устойчивого развития, основанные на агрегированных индексах и экспертных оценках, не всегда способны своевременно выявлять скрытые закономерности и обеспечивать необходимую точность прогнозов в условиях высокой неопределенности и стохастичности социально-экономических процессов. Для решения этой проблемы в работе предлагается использовать гибридный нейросетевой подход — метод, основанный на интеграции рекуррентных сетей долгой краткосрочной памяти (LSTM), графовых нейронных сетей (GAT, ST-GCN) и механизма внимания. В отличие от классических эконометрических моделей (ARIMA, ADL), предложенная архитектура предполагает одновременный учет временной динамики показателей, пространственных взаимодействий между регионами и адресного влияния федеральных программ развития. Такой подход обеспечивает повышенную точность прогнозов и позволяет находить количественные оценки эффективности государственных программ за сжатое время, реагируя на изменения в бюджетной политике и экономической конъюнктуре. Целью диссертационного исследования является разработка модели для анализа и прогнозирования устойчивого развития арктических регионов Российской Федерации. В рамках исследования уточнена классическая трактовка понятия устойчивого развития за счет выделения технологической сферы, разработан алгоритм моделирования внутрирегиональных и межрегиональных связей через адаптивные матрицы смежности, а также предложен метод количественной оценки воздействия федеральных бюджетных расходов на региональные показатели. Научная новизна исследования заключается в применении гибридной нейросетевой архитектуры для задач регионального прогнозирования, динамическом моделировании взаимосвязей между сферами устойчивого развития через механизмы внимания и разработке интерпретируемого инструментария поддержки принятия решений для органов государственной власти.