2025. — Т 17. — № 1 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/88ecvn125.html

Полный текст статьи в формате PDF (объем файла: 1 Мбайт)

Ссылка для цитирования этой статьи:

Швец, Ю. Ю. Автоматизация прогнозирования демографических изменений с помощью нейронных сетей в управлении социально-экономическими системами / Ю. Ю. Швец, А. А. Костина // Вестник Евразийской науки. — 2025. — Т 17. — № 1. — URL: https://esj.today/PDF/88ECVN125.pdf (дата обращения: 12.03.2026).

Автоматизация прогнозирования демографических изменений с помощью нейронных сетей в управлении социально-экономическими системами

Швец Юрий Юрьевич
ФГБУН «Институт проблем управления имени В.А. Трапезникова Российской академии наук», Москва, Россия
Кандидат экономических наук
E-mail: jurijswets@yahoo.com
ORCID: https://orcid.org/0000-0002-6557-1416
РИНЦ: https://elibrary.ru/author_profile.asp?id=665469

Костина Анастасия Андреевна
ГБУ «Научно-исследовательский институт организации здравоохранения и медицинского
менеджмента Департамента здравоохранения города Москвы», Москва, Россия
Аспирант
E-mail: akostina@list.ru

Аннотация. В настоящем исследовании используются нейронные сети долгосрочной краткосрочной памяти (LSTM), что позволяет объединить различные социально-экономические показатели и показатели здоровья для достижения высокой точности прогнозирования. Акцентируется внимание на том, что максимально точное прогнозирование уровня смертности выступает важнейшим аспектом управления социально-экономическими системами, особенно в сфере здравоохранения. Анализируются ключевые социально-экономические факторы, такие как уровень доходов, образование и социальная среда, чтобы понять их влияние на состояние здоровья. Для прогнозирования медицинских данных используются несколько типов нейронных сетей, каждый из которых подходит для разных типов данных и задач прогнозирования. Разработка модели включает в себя тщательную предварительную обработку данных, сложную архитектуру нейронных сетей, а также обширные процессы обучения и проверки. Программное обеспечение было разработано с учетом требований к пользовательскому интерфейсу, обеспечивающему ввод данных и визуализацию результатов в режиме реального времени. Анализ социально-экономических показателей, таких как уровень доходов, образование и социальная среда, подчеркивает их глубокое влияние на состояние здоровья. Эти факторы не только влияют на индивидуальное поведение в отношении здоровья, но также определяют доступ к медицинским услугам и общественное здоровье в целом. Результаты демонстрируют прогрессивность по сравнению с традиционными методами прогнозирования, демонстрируя способность модели обрабатывать сложные нелинейные зависимости и интегрировать несколько источников данных. Удобный интерфейс программного обеспечения позволяет вводить и визуализировать данные в режиме реального времени, что делает его ценным инструментом для управления здравоохранением и разработки политики.

Ключевые слова: здравоохранение; машинное обучение; нейросети; показатели здоровья; экономическая стабильность; прогноз смертности; социально-экономическая безопасность; LSTM

Скачать