Имитационная модель региона  в применении к анализу экономики Красноярского края

В статье представлен подход к рациональному управлению регионом на примере Красноярского края с использованием методов системной динамики. Разработана имитационная модель региона и продемонстрирована возможность оптимизации ключевых характеристик подобной системы за счет рационального управления такими множественными параметрами, как темпы строительства нового жилья, роста стоимости услуг ЖКХ и строительства объектов социальной инфраструктуры (садов, школ, больниц) и др. Предложенная модель позволяет формировать прогнозную динамику важнейших макроэкономических характеристик региона, определяемых с учетом внутренних прямых и обратных связей между различными элементами подобной системы и имеющихся ограничений. Компьютерная реализация данной модели выполнена в системе имитационного моделирования Powersim, поддерживающей методы системной динамики, а также возможности поиска субоптимальных решений с использованием генетических оптимизационных алгоритмов. Сформулирована важная оптимизационная задача региона по максимизации интегрального показателя — валового регионального продукта (ВРП) при множественных ограничениях. Для решения данной оптимизационной задачи был выбран генетический алгоритм (ГА), особенностью которого является агрегирование по целевому функционалу с имитационной моделью региона (реализованной в Powersim). Проведены численные исследования прогнозов ВРП Красноярского края при различных сценарных условиях, в частности для базового сценария, при котором сохраняются текущие значения управляющих параметров системы, и для наилучшего сценария, при котором значения соответствующих управляющих параметров вычисляются в результате решения задачи сформулированной оптимизационной задачи с использованием созданного оптимизационного модуля (генетического алгоритма). С помощью имитационной модели на реальных данных продемонстрированы возможности улучшения экономической ситуации в Красноярском крае, в основном за счет увеличения инвестиций в человеческий капитал, влияющих на динамику научно-технического прогресса и ВРП соответственно.

Ключевые слова

имитационное моделирование, региональная экономика, системная динамика, Красноярский край.

Получено

13.08.2019

Дата публикации

22.08.2019

Кол-во символов

27863

Цитировать

ГОСТ	Бекларян Г. Л. Имитационная модель региона в применении к анализу экономики Красноярского края // Экономика и математические методы – 2019. – Tом 55. – Номер 3 C. 47-61 [Электронный ресурс]. URL: https://emm.jes.su/S042473880005769-4-1 (дата обращения: 04.05.2024). DOI: 10.31857/S042473880005769-4
MLA	Beklaryan, Gayane "Aggregated Simulation Model of a Region: Problems of Krasnoyarsk Region." Ekonomika i matematicheskie metody 55.3 (2019):47-61. DOI: 10.31857/S042473880005769-4
APA	Beklaryan G. (2019). Aggregated Simulation Model of a Region: Problems of Krasnoyarsk Region. Ekonomika i matematicheskie metody 55(3), pp.47-61 DOI: 10.31857/S042473880005769-4

100 руб.

При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Всего подписок: 2, всего просмотров: 1062

Оценка читателей: голосов 0

1. Айвазян С.А., Афанасьев М.Ю., Кудров А.В. (2016). Модели производственного потенциала и оценки технологической эффективности регионов РФ с учетом структуры производства // Экономика и математические методы. № 1. С. 28–44.

2. Акопов А.С. (2010). К вопросу проектирования интеллектуальных систем управления сложными организационными структурами. Часть 1. Математическое обеспечение системы управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании // Проблемы управления. № 6. С. 12–18.

3. Акопов А.С. (2011). К вопросу проектирования интеллектуальных систем управления сложными организационными структурами. Часть 2. Программная реализация системы управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании // Проблемы управления. № 1. С. 47–54.

4. Акопов А.С. (2012). Системно-динамическое моделирование стратегии банковской группы // Бизнес-информатика. № 2. С. 10–19.

5. Акопов А.С., Бекларян Г.Л., Бекларян Л.А. (2017). Агентное моделирование эколого-экономической системы города (на примере г. Ереван, Республика Армения) // Искусственные общества. Т. 12. № 3–4. C. 1.

6. Бахтизин А.Р., Бухвальд Е.М., Кольчугина А.В. (2017). Экономическая дифференциация регионов России: новые оценки и закономерности // ЭТАП: экономическая теория, анализ, практика. № 1. С. 41–56.

7. Бекларян Г.Л. (2018). Укрупненная имитационная модель внешнеэкономической деятельности РФ // Экономическая наука современной России. № 4. С. 50–65.

8. Бекларян Л.А., Борисова С.В., Хачатрян Н.К. (2012). Однопродуктовая динамическая модель замещения производственных фондов. Магистральные свойства // Журнал вычислительной математики и математической физики. Т. 52. № 5. С. 801–817.

9. Иванов Ю.Н. (ред.) (2002). Экономическая статистика. М.: ИНФРА-М.

10. Клейнер Г.Б., Пионтковский Д.И. (2000). Многофакторные производственные функции с постоянными эластичностями предельной замены факторов // Экономика и математические методы. Т. 36. № 1. С. 90–114.

11. Макаров В.Л., Айвазян С.А., Афанасьев М.Ю., Бахтизин А.Р., Нанавян А.М. (2016). Моделирование развития экономики региона и эффективность пространства инноваций // Форсайт. Т. 10. № 3. С. 76–90.

12. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С., Ровенская Е.А., Стрелковский Н.В. (2019). Укрупненная агентно-ориентированная имитационная модель миграционных потоков стран Европейского союза // Экономика и математические методы. Т. 55. № 1. С. 3–15.

13. Сидоренко В.Н. (1998). Системная динамика. М.: Экономический факультет МГУ; ТЕИС.

14. Akopov A.S., Beklaryan G.L. (2014). Modelling the Dynamics of the “Smarter Region”. In: “Proceedings of 2014 IEEE Conference on Computational Intelligence for Financial Engineering & Economics”. L.: IEEE. Р. 203–209.

15. Akopov A.S., Beklaryan L.A., Saghatelyan A.K. (2017). Agent-Based Modelling for Ecological Economics: A Case Study of the Republic of Armenia // Ecological Modelling. Vol. 346. P. 99–118.

16. Akopov A.S., Beklaryan L.A., Saghatelyan A.K. (2019). Agent-Based Modelling of Interactions between Air Pollutants and Greenery Using a Case Study of Yerevan, Armenia // Environmental Modelling and Software. Vol. 116. P. 7–25.

17. Arrow K.Z. (1962). The Economic Implications of Learning by Doing // Review of Economic studies. Vol. 29. No. 3. Р.155–173.

18. Cobb C.W., Douglas P.H. (1928). A Theory of Production // American Economic Review. Vol. 18. P. 139–165.

19. Forrester J.W. (1959). Industrial Dynamics — a Major Breakthrough for Decision Makers // Harvard Business Review. Vol. 36. No. 4. P. 37–66.

20. Forrester, J.W. (1969). Urban Dynamics. Cambridge: MIT Press.

21. Komninos N. (2008). Intelligent Cities and Globalisation of Innovation Networks. London, New York: Routledge. P. 308.

22. Meadows D.H. (1972). Limits to Growth: A Report for the Club of Rome's Project on the Predicament of Mankind. New York: Universe Books.

23. Meadows D.H., Randers J. Meadows D.L. (2004). Limits to Growth — the 30 Year Update. White River Jct. (VT): Chelsea Green Publ. Co.

24. Nordhaus W.D.? (2008). A? Question ?of? Balance:? Weighing? the? Options? on? Global? Warming? Policies. Warming? Policies. New Haven & London: Yale University Press.

25. Romer P.M. (1990). Endogenous Technological Change // Journal of Political Economy. Vol. 98. No. 5. P. 71–102.

26. Stewart Q.J. (1950). The Development of Social Physics // American Journal of Physics. Vol. 18. P. 239–253.

27. Whelpton P.K. (1928). Population of the United States, 1925 to 1970 // The American Journal of Sociology. Vol. 34. No. 2. P. 253–270.

28. Yap Y.L. (1977). The Attraction of Cities: A Review of the Migration Literature // Journal of Development Economics. Vol. 4 (3). P. 239–264.