Анализ и прогнозирование экономических данных с переменной структурой на базе квазигенетического алгоритма

Альфира Менлигуловна Кумратова; Роман Иванович Клинцевич; Василий Владимирович Ткаченко; Николай Андреевич Труженников

doi:10.17308/meps/2078-9017/2025/10/21-32

Альфира Менлигуловна Кумратова Северо-Кавказская государственная академия
Роман Иванович Клинцевич Северо-Кавказская государственная академия
Василий Владимирович Ткаченко Кубанский государственный аграрный университет
Николай Андреевич Труженников Кубанский государственный аграрный университет

DOI: https://doi.org/10.17308/meps/2078-9017/2025/10/21-32

Ключевые слова: информационная система, линейно-клеточный автомат, прогнозирование, временной ряд с переменной структурой, квазигенетический алгоритм, долговременная память, bigdata

Аннотация

Предмет: под квазигенетическим алгоритмом (ГА) в статье понимается алгоритм, реализующий обобщенную и адаптивную версию классического генетического алгоритма. Данный подход сохраняет ключевые механизмы и идеи ГА, но при этом допускает гибкое изменение структуры и логики работы в зависимости от специфики поставленной задачи. Цель: в статье представлена демонстрация информационной системы анализа и прогнозирования больших данных на базе алгоритма линейного клеточного автомата с применением языка программирования JavaScript с типизацией TypeScript и фреймворком Angular. Для математических расчетов и моделирования линейно-клеточных автоматов использованы JavaScript-библиотеки, такие как math.js для выполнения базовых математических операций, а также chart.js для создания наглядных визуализаций данных. Эти библиотеки обеспечат необходимую точность и скорость обработки вычислений. Дизайн исследования: исходя из того, что клеточные автоматы являются дискретными динамическими системами, меняющими свое состояние в последовательные дискретные моменты времени по определенному закону в зависимости от того, каким было состояние рассматриваемого элемента и его соседей в предыдущий дискретный момент времени. Данные системы активно применяются для моделирования динамических процессов, происходящих в экономике, социологии, биологии, информатике и т.д. Результаты: отличительной особенностью представленной разработки, реализующей алгоритм линейного клеточного автомата, является построение прогноза на заданное количество шагов на основе выявленной долговременной памяти.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Альфира Менлигуловна Кумратова, Северо-Кавказская государственная академия

д-р экон. наук, доц.

Роман Иванович Клинцевич, Северо-Кавказская государственная академия

канд. экон. наук

Василий Владимирович Ткаченко, Кубанский государственный аграрный университет

канд. экон. наук, доц.

Николай Андреевич Труженников, Кубанский государственный аграрный университет

студент

Литература

1. Голубев С.С. Экономика цифровизации промышленных предприятий / С.С. Голубев, А.Е. Цивилева. Москва, Ай Пи Ар Медиа, 2024. 216 с.
2. Жирабок А.Н. Нечеткие множества и их использование для принятия решений // Соровский образовательный журнал. 2001, т. 7, no. 2, c. 109-115.
3. 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.
4. Ковалева К.А. Применение методов нелинейной динамики к оценке рисков деятельности страховых компаний / К.А. Ковалева, Н.В. Ефанова // Современная экономика: проблемы и решения, 2019, no. 12 (120), c. 31-39.
5. Моделирование структуры и свойств аэрогелей с использованием клеточно-автоматного подхода / А.С. Шамаев, И.В. Лебедев, А.Ю. Тыртышников, Н.В. Меньшутина // Успехи в химии и химической технологии, 2019, т. 33, no. 11 (221), c. 98-100.
6. 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.
7. Орлянская Н.П. Применение методов системного исследования экономических процессов к обследованию деятельности аналитического отдела Федеральной налоговой службы Российской Федерации // Итоги научно-исследовательской работы за 2017 год: сборник статей по материалам 73-й научно-практической конференции преподавателей, Краснодар, 14 марта 2018 года. Краснодар: Кубанский государственный аграрный университет имени И.Т. Трубилина, 2018, c. 407-408.
8. Перепелица В.А. О проблеме нечеткости оценки длины циклов временных рядов в случае использования фрактального анализа / В.А. Перепелица, Д.А. Тамбиева, Д.Б. Айбазов // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки, 2007, no. 6 (142), с. 18-22.
9. Предпрогнозный анализ временного ряда с выявлением тренд-сезонных компонент методом Четверикова с использованием средств MS EXCEL / Д.Н. Савинская, Л.О. Великанова, Л.К. Дунская, М.И. Попова // Современная экономика: проблемы и решения, 2020, no. 10 (130), c. 18-25.
10. 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.
11. Тамбиева Д.А. Методы нелинейной динамики в практике налогового администрирования предприятий АПК // Микроэкономика, 2010, no. 4, c. 88-93.
12. Тамбиева Д.А. К проблеме недостаточности информации. Малые выборки или «очень короткие» временные ряды / Д.А. Тамбиева, Е.В. Попова, Ш.Х. Салпагарова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2015, no. 107, с. 126-141.
13. Форсайт-образование. Университет 4.0 / Л.И. Хоружий, О.Г. Каратаева, Е.А. Яшина [и др.]. Москва,: Ай Пи Ар Медиа, 2023. 562 с.