Север и рынок. 2015, N 3.

информационную базу более ранними статистическими данными и блоком управляющих переменных, влияющих на спрос и предложение на потребительском рынке. Таблица 5 Нейронная сеть с наилучшими показателями производительности для моделирования объема платных услуг населения Net. Training Test Training Error Hidden Output name perf. perf. algorithm function activation activation MLP 29-58-1 0.962 0.735 BFGS SOS Tanh Logistic Таблица 6 Объем платных услуг населению, тыс. руб. Район Статистические данные (факт) Прогноз моделью на искомых данных Агломерационный подход Подход выравнивания развития 01.2015 02.2015 01.2015 02.2015 01.2015 02.2015 01.2015 02.2015 По области 4275869 4176177 4208084 4142420 4323377 4244124 4086071 4043436 Бабаевский 17923 24794 17923 24794 17154 24025 18692 25563 Бабушкинский 6771 8931 6771 8931 6002 8162 7540 9700 Белозерский 18154 19686 18154 19686 17385 18917 18923 20455 Вашкинский 4414 5628 4414 5628 3645 4859 5183 6397 Великоустюгский 108235 112337 108235 112337 107466 111568 109004 113106 Верховажский 4307 5002 4307 5002 3538 4233 5076 5771 Вожегодский 11344 15054 11344 15054 10575 14285 12113 15823 Вологодский 67601 82144 67601 82144 66832 81375 68370 82913 Вытегорский 20815 32772 20815 32772 20046 32003 21584 33541 Грязовецкий 33890 46892 33890 46892 33121 46123 34659 47661 Кадуйский 26395 18017 26395 18017 25626 17248 27164 18786 Кирилловский 33455 36653 33455 36653 32686 35884 34224 37422 Кичм.-Городецкий 6494 7261 6494 7261 5725 6492 7263 8030 Междуреченский 4475 5156 4475 5156 3706 4387 5244 5925 Никольский 11011 14489 11011 14489 10242 13720 11780 15258 Нюксенский 9255 10629 9255 10629 8486 9860 10024 11398 Сокольский 61802 90222 61802 90222 61033 89453 62571 90991 Сямженский 4343 5110 4343 5110 3574 4341 5112 5879 Тарногский 4986 5009 4986 5009 4217 4240 5755 5778 Тотемский 31297 36729 31297 36729 30528 35960 32066 37498 Усть-Кубинский 7239 10484 7239 10484 6470 9715 8008 11253 Устюженский 17319 24827 17319 24827 16550 24058 18088 25596 Харовский 20780 28540 20780 28540 20011 27771 21549 29309 Чагодощенский 17984 23924 17984 23924 17215 23155 18753 24693 Череповецкий 43948 67870 43948 67870 43179 67101 44717 68639 Шекснинский 35478 43769 35478 43769 34709 43000 36247 44538 г. Вологда 1948921 1737147 1948921 1737147 1958921 1747147 1938921 1727147 г. Череповец 1697233 1657101 1697233 1657101 1707233 1667101 1687233 1647101 Несмотря на разброс отклонений смоделированных данных, нейросетевые модели безошибочно указывали на тенденции снижения или роста индикаторов в отчетном периоде. Полученные предварительные результаты свидетельствуют о возможности применения нейросетевых моделей для моделирования и прогнозирования региональных социально-экономических индикаторов на средне- и долгосрочную перспективу. Вместе с тем, данные модели должны пройти многократную аналитическую проверку и прямую верификацию на основе классических статистических и эконометрических методах. Дальнейшее исследование будет направлено на совершенствование методики моделирования за счет добавления управляющих переменных, расширения базы показателей, учета их взаимного влияния, а также снижения отклонения до 1%. Литература 1. Потребительский рынок города: состояние и перспективы: монография / кол. авт. под рук. Т. В. Усковой. Вологда: ИСЭРТ РАН. 2012. 111 с. 113