Application of big data methods for the sustainable development of the region (based on the materials of the Karachay-Cherkess Republic)
DOI:
https://doi.org/10.17308/meps/2078-9017/2026/6/67-79Keywords:
sustainable development of the region, region, Big Data, anomaly, dataset, forecasting, exploration drilling, machine learning, varianceAbstract
Importance: the subject of the research is methods and models of risk management in the regional economy based on big data analysis and machine learning. Purpose: to develop and verify a formalized economic and mathematical framework, including: a formalized method for forming risk-oriented feature spaces from heterogeneous sources of big data; an algorithmic complex for classification and regression problems in conditions of unbalanced data; a methodology for constructing interpreted ensemble models based on gradient boosting with post-hoc interpretation according to the theory of cooperative games. Research design: based on the fact that the data posted on open data portals is often already tabulated, and also has separate files with metadata (that is, information about the compilers of the dataset, its originality, a full link to the resource on the Internet, responsible persons, etc.) and structure. The structure refers to the name of the fields, as well as the decryption of the encoded values (usually provided in several languages). Results: а methodology is proposed for embedding predictive models into the dynamic stress testing circuit, formalizing the dependence of key risk indicators on variables extracted from big data when implementing scenario modeling. For exploratory drilling, a quasi-optimal control mode has been implemented with a lead of 8-12 minutes before the onset of a complication.
References
1. Грачев И.Д. Моделирование аномалий в биржевом курсе криптовалют / И.Д. Грачев, И.В. Неволин // Проблемы рыночной экономики, 2017, no. 4, c. 17- 25.
2. Дьячков В.А. Анализ данных в условиях неопределенности: теория и практика / В.А. Дьячков, В.П. Захаров // Искусственный интеллект и принятие решений, 2019, no. 1, с. 54-62.
3. Жирабок А.Н. Нечеткие множества и их использование для принятия решений // Соровский образовательный журнал, 2001, т. 7, no. 2, c. 109-115.
4. Изучение гетерохронности и волатильности в экономике: монография / М.А. Клупт, М.Бали, Д.К. Батырова, М.В. Боченина, Н.В. Бурова и др. 2023, Санкт-Петербург.
5. Искусственный интеллект в диагностике инвестиционного ландшафта глобальной экономики / Н.И. Ломакин, Г.В. Федотова, О.Н. Максимова [и др.] // Наука Красноярья, 2017, т. 6, no. 2-3, c. 156-159.
6. Искусственный интеллект как инновационный вектор управления региональным АПК / Г.В. Федотова, М.И. Сложенкина, И.В. Митрофанова, Р.М. Ламзин // Региональная экономика. Юг России, 2021, т. 9, no. 1, c. 152-162.
7. Искусственный интеллект: от фундаментальных проблем к прикладным задачам: в 2 томах / Е.Н. Макаренко, Н.А. Димитриади, Л.И. Ниворожкина [и др.]. Ростов-на-Дону, Ростовский государственный экономический университет (РИНХ), 2025. 394 с.
8. Модифицированная система моделей и методов прогнозирования временных рядов с памятью / А.М. Кумратова, Д.Н. Савинская, А.И. Неженец, М.И. Попова // Современная экономика: проблемы и решения, 2015, no. 1(61), c. 8-19.
9. Нечетко-множественный подход в моделировании согласованности внешней среды и трансвременных инновационных решений (на примере группы технологий «специфика эксплуатации авиационной техники на большой высоте») / Е.И. Обухова, А.А. Борзов, Л. Унгвари [и др.] // Мягкие измерения и вычисления, 2024, т. 81, no. 8, c. 34-45.
10. Параскевов А.В. Возможности применения нейронных сетей в юриспруденции / А.В. Параскевов, Д.С. Соломко // Colloquium-Journal, 2019, no. 24-2(48), c. 122-123.
11. Параскевов А.В. Способы и технические требования к процессу аналитики больших данных в сельском хозяйстве // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2023, no. 187, c. 207-220.
12. Прогностическое исследование природно-экономического процесса / А.М. Кумратова, И.И. Василенко, С.Ю. Ксенз, Е.А. Ратушная // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2016, no. 116, c. 1454-1466.
13. Khalin V. Methodology of diagnostics and selection of industrial enterprises development strategy in the framework of innovative processes joint implementation / V. Khalin, E. Kirillova, T. Kakatunova // Ecosystems without borders: opportunities and challengies, 2022, Springer Nature Switzerland AG.
