Целью исследования являлось построение имитационной модели в виде нейронной сети, позволяющей провести интеллектуальный анализ данных на примере анализа основных социально-экономических показателей регионов Приволжского федерального округа.
При проведении исследования были использованы следующие виды статистических данных за январь 2010 года по 14 областям, краям и республикам данного федерального округа: объем выполненных работ по виду деятельности «Строительство», млн руб.; ввод в действие жилых домов, кв. м общей площади; оборот розничной торговли, млн руб. и т.д.
При этом были реализованы следующие этапы анализа данных:
- на основании открытой статистической отчетности был сформирован набор данных, содержащий ряд основных социально-экономических показателей по 14 регионам Приволжского федерального округа;
- с использованием инструмента анализа «Карта Кохонена» системы Deductor был проведен кластерный анализ данных, в результате которого были выявлены группы регионов с различным уровнем социально-экономических показателей;
- с использованием инструмента анализа «Нейросеть» в системе Deductor была построена нейронная сеть, позволяющая проанализировать влияние отдельных факторов на отнесение региона к тому или иному кластеру. При обучении нейронной сети были использованы результаты кластерного анализа данных в виде самоорганизующихся карт Кохонена. В результате анализа данных были выявлены наиболее значимые факторы для принятия решения об отнесении региона к определенному
кластеру.
Полученная методика может быть использована специалистами в процессе принятия управленческих решений при проведении экономической политики в регионах Приволжского федерального округа. Разбиение на кластеры позволит выявить слабые показатели регионов и принять решение об изменении стратегии их развития с целью улучшения их социально-экономического положения.
Библиографическая ссылка
Мухаметшин Т.Р., Шамсутдинова Т.М. ПРИМЕР ИСПОЛЬЗОВАНИЯ СИСТЕМЫ DEDUCTOR ДЛЯ ИНТЕЛЛЕКТУАЛЬНоГО АНАЛИЗА ДАННЫХ // Успехи современного естествознания. – 2011. – № 7. – С. 162-162;URL: https://natural-sciences.ru/ru/article/view?id=27196 (дата обращения: 23.11.2024).