Indicadores de previsão da entidade territorial baseada sobre modelos fenomenológicos de comportamento coletivo
Palavras-chave:
Países, regiões e cidades, indicadores de previsão, espaços de estado, modelos de comportamento coletivo, métodos fenomenológicos.Resumo
O artigo tem como objetivo a solução da urgente tarefa científica de criar novos métodos de previsão de análises que permitam previsões mais precisas e confiáveis do desenvolvimento socioeconômico de países, regiões e cidades. Em contraste com os métodos tradicionais, ele é alcançado levando em conta simultaneamente os padrões dinâmicos de mudanças nos estados dos objetos individuais e os padrões estatísticos de seu comportamento coletivo. Mostra-se que tais métodos de previsão podem ser baseados no uso de abordagens e técnicas fenomenológicas em relação à descrição de dados estatísticos e estados de objetos em espaços multidimensionais de indicadores sociais e econômicos. Esta direcção científica Refere-se à secção actual da dinâmica e sociophysics sistema e permite a formulação de uma abordagem fundamentalmente nova para modelar e prever o desenvolvimento de entidades territoriais, com base na aplicação do conceito de campos contínuos de medidas empíricas e vários modelos de estado de objeto espaços. Com base nas distribuições estatísticas da observação de eventos conjuntos do conjunto de indicadores, foram propostas dependências para prever os estados dos objetos. Como uma implementação do método desenvolvido, a previsão de alguns indicadores do desenvolvimento de cidades da Rússia executou-se.
Downloads
Referências
Naldi, G., Pareschi, L., Toskani, G. (2010). Mathematical modeling of collective behavior in socio-economic and life sciences / Berlin: Springer, Pages: 438 p.
Albeverio, S. et al. (2007). The dynamics of complex urban systems. An interdisciplinary approach / Berlin, Springer, Pages: 504.
Lillo, F. (2008). Econophysics and the challenge of efficiency. Complexity, 14(3): 39–54.
Newman, M.E.J. (2011). Complex systems: a survey. Amer. J. Phys., 79: 800–810.
Slovohotov, Y.L. (2012). Physics and Social Science. Part 1–3. Problems of Management, 1: 2 – 20, 2: 2–31, 3: 2–34.
Averin, G.V. (2014). System Dynamics. Donbass Publisher, Donetck, Ukrain, Pages: 405. Available at: http://www.chronos.msu.ru/ru/rrules/item/sistemodinamika-2 (accessed 10.04.2018). (in Russian).
Zviagintseva, A.V. (2016). Probabilistic Methods of a Complex Assessment of Natural and Anthropogenic Systems. Cpektr Publishing House, Russia, Moscow, Pages: 257. Available at: http://dspace.bsu.edu.ru/handle/123456789/17837 (accessed 10.04.2018).
Averin, G., Konstantinov, I., Zviagintseva, A., Tarasova, O. (2015). The Development of Multi-Dimensional Data Models Based on the Presentation of an Information Space as a Continuum. International Journal of Soft Computing, 10(6): 458–461.
Averin, G., Zviagintseva, A., Konstantinov, I., Ivashchuk, O. (2015). Data Intellectual analysis means use for condition indicators assessment of the territorial and state formations. Research Journal of Applied Sciences, 10(8): 411–414.
Downloads
.gif)
