managementscienceУправленческие науки / Management SciencesManagement Sciences2304-022X2618-9941Financial University under The Government of Russian Federation10.26794/2304-022X-2017-7-1-53-62managementscience-97Research ArticleИННОВАЦИОННЫЙ МЕНЕДЖМЕНТINNOVATIVE MANAGEMENTМетодология прогнозирования показателей сферы научных исследований и инноваций с помощью нейронных сетейForecasting Methodology of Scientific Investigations and Innovations Sphere’s Indicators by Means of Neural NetworksДоможаковМАТВЕЙ ВАЛЕРЬЕВИЧKolmakovI. B.

доктор экономических наук, профессор кафедры информатики

octor of Economics, Professor, Department of Informatics

Kolibor@rambler.ruКолмаковИГОРЬ БОРИСОВИЧDomozhakovM. V.

аспирант кафедры информатики

PhD student, Department of Informatics

matkhak@yandex.ruРоссийский экономический университет им. Г. В. ПлехановаРоссияPlekhanov Russian University of EconomicsRussian Federation201720032017715362Copyright © Доможаков М.В., Колмаков И.Б., 20172017Доможаков М.В., Колмаков И.Б.Kolmakov I.B., Domozhakov M.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://managementscience.fa.ru/jour/article/view/97

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.

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.

сфера исследований и инновацийсистемы регрессионных уравнениймодели краткосрочного прогнозаретроверификация прогнозасистема нейросетевых моделей прогнозасистема гибридных моделейinnovationsinvestigations and innovations spherethe systems of regressive equationsshort-term forecasting modelsforecasting retro verificationthe system of neural networks forecasting modelsthe system of hybrid modelsReferencesРоссийский статистический ежегодник. 2015: стат. сб. М.: Росстат, 2015. 728 с.Rossiiskii statisticheskii ezhegodnik. 2015: stat. sb. [Russian Statistical Yearbook. 2015. Statistical handbook]. M.: Rosstat—Rosstat, 2015, 728 p. (in Russian).Колмаков И. Б., Кольцов А. В., Доможаков М. В. Основы построения системы комплексного прогноза сферы исследований и инноваций во взаимосвязи с макроэконометрическими моделями экономики России // Инноватика и экспертиза. 2015. № 1 (14). С. 255-275.Kolmakov I.B., Kol’tsov A.V., Domozhakov M.V. Osnovy postroeniia sistemy kompleksnogo prognoza sfery issledovanii i innovatsii vo vzaimosviazi s makroekonometricheskimi modeliami ekonomiki Rossii [Fundamentals of integrated forecast system research and innovation in relation to the macroeconometric model of the Russian economy]. Innovatika i ekspertiza—Innovation and Expertise, 2015, № 1 (14), pp. 255–275 (in Russian).Доугерти К. Введение в эконометрику. М.: Инфра-М, 1999. 402 c.Dougerti K. Vvedenie v ekonometriku [Introduction to econometrics]. Moscow, Infa-M — Infa-M, 1999, 402 p. (in Russian).Китова О. В., Колмаков И. Б., Кольцов А. В., Доможаков М. В. Анализ динамики результатов верификации краткосрочных прогнозов показателей сферы научных исследований и инноваций в России // Вестник Российского экономического университета им. Г. В. Плеханова. 2016. № 5. С. 160-172.Kitova O.V., Kolmakov I.B., Kol’tsov A.V., Domozhakov M.V.Analiz dinamiki rezul’tatov verifikatsii kratkosrochnykh prognozov pokazatelei sfery nauchnykh issledovanii i innovatsii v Rossii [The analysis of the dynamic verification results of the short-term predictions for the research and innovation indicators in Russia]. Vestnik Rossiiskogo ekonomicheskogo universiteta im. G.V. Plekhanova—Vestnik of the Plekhanov Russian University of Economics, 2016, no. 5, pp. 160–172 (in Russian).Колмаков И. Б., Доможаков М. В. Синтез эконометрических и нейросетевых систем прогноза показателей сферы исследований и инноваций в Российской Федерации // Управленческие науки. 2016. № 2. С. 27-37.Kolmakov I.B., Domozhakov M.V. Sintez ekonometricheskikh i neirosetevykh sistem prognoza pokazatelei sfery issledovanii i innovatsii v Rossiiskoi Federatsii [Synthesis of econometric models and neural network forecasting indicators in research and innovation in the Russian Federation]. Upravlencheskie nauki — Management Sciences, 2016, no. 2, pp. 27–37 (in Russian).Китова О. В., Колмаков И. Б., Шарафутдинова А. Р. Анализ точности и качества краткосрочного прогноза показателей социально-экономического развития России // Вестник Российского экономического университета им. Г. В. Плеханова. 2013. № 9. С. 111-119.Kitova O.V., Kolmakov I.B., SharafutdinovaA.R.Analiz tochnosti i kachestva kratkosrochnogo prognoza pokazatelei sotsial’no-ekonomicheskogo razvitiia Rossii [Analysis of the accuracy and quality of short-term forecast of social and economic development of Russia]. Vestnik Rossiiskogo ekonomicheskogo universiteta im. G.V. Plekhanova—Vestnik of the Plekhanov Russian University of Economics, 2013, no. 9, pp. 111–119 (in Russian).Хайкин С. Нейронные сети: полный курс. 2-e изд. М.: Вильямс, 2006. 1104 с.Khaikin S. Neironnye seti: polnyi kurs. 2-e izd [Neural Networks: A Comprehensive Foundation. 2th ed.]. Moscow, Vil’iams—Williams, 2006, 1104 p. (in Russian).Стругайло В. В. Использование комбинированной структуры искусственной нейронной сети для распознавания образов // Наука и образование: научное издание МГТУ им. Н. Э. Баумана. 2012. № 3. C. 24.Strugailo V.V.Ispol’zovanie kombinirovannoi struktury iskusstvennoi neironnoi seti dlia raspoznavaniia obrazov [[Using a combined structure of an artificial neural network pattern recognition]. Nauka i obrazovanie: nauchnoe izdanie MGTU im. N.E. Baumana — Science and education: scientific publication MSTU Bauman, 2012, no. 3, p. 24 (in Russian).Когнитивная бизнес-аналитика: учебник / под ред. Н. М. Абдикеева. М.: Инфра-М, 2011. 511 c.Kognitivnaia biznes-analitika: uchebnik / pod red. N.M.Abdikeeva [Cognitive business intelligence: Textbook. Under the editorship of N.M.Abdikeev]. Moscow, Infra-M—Infra-M, 2011, 511 p. (in Russian).Амосов О. С., Пащенко Ф. Ф., Муллер Н. В. Структурно параметрическая идентификация временного ряда с применением фрактального и вейвлет-анализа // Информатика и системы управления. 2015. № 2 (44). С. 80-88.Amosov O.S., Pashchenko F.F., Muller N.V. Strukturno parametricheskaia identifikatsiia vremennogo riada s primeneniem fraktal’nogo i veivlet-analiza [[Structural parametric identification of time series with frontal and wavelet analysis]. Informatika i sistemy upravleniia — Information and Managment Systems, 2015, no. 2 (44), pp. 80–88 (in Russian).Ivanjuk V. A., Pashhenko F. F. Methods and models for the forecasting and management of time series / Proceedings of International work-conference on Time Series (ITISE2015, Granada, Spain). Granada, 2015, pp. 283-292.IvanjukV.A., Pashhenko F.F. Methods and models for the forecasting and management of time series / Proceedings of International work-conference on Time Series (ITISE2015, Granada, Spain). Granada, 2015, pp. 283–292.

The authors declare that there are no conflicts of interest present.