Гнучка технологія розробки інтелектуaльнoї системи прoгнoзувaння рoзвитку населення
DOI:
https://doi.org/10.31649/1681-7893-2025-49-1-98-110Ключові слова:
аналіз даних, стратегічне планування та прогнозування даних, демографічні дані, прийняття рішень, машинне навчанняАнотація
Стаття присвячена розробці інтелектуальної системи прогнозування розвитку населення, яка використовує методи машинного навчання для аналізу історичних демографічних даних. У роботі розглядаються сучасні виклики демографічного розвитку, які вимагають точного прогнозування чисельності населення для ефективного стратегічного планування. У статті представлено опис методів демографічного прогнозування, формалізацію та математичні моделі, такі як лінійна та поліноміальна регресії, а також інші моделі, що можуть бути використані для прогнозування. Розроблено модуль генерації моделей машинного навчання, що автоматизує процес побудови прогнозних моделей на основі історичних демографічних даних. Реалізовано функціонал попередньої обробки даних, включаючи автоматичне заповнення пропущених значень, нормалізацію даних та виявлення аномалій. Проведено вибір та інтеграцію алгоритмів машинного навчання, оцінку якості та оптимізацію моделей, а також забезпечено можливість перенавчання моделей. Розроблено інтерфейс для інтеграції з іншими інформаційними системами. Отримані результати демонструють гнучкість та ефективність запропонованого підходу та можливість його використання у сфері стратегічного планування соціально-економічного розвитку.
Посилання
United Nations, Department of Economic and Social Affairs, Population Division (2022). World Population Prospects 2022: Summary of Results. United Nations Publication.
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18-27.
Tableau Software. (2023). Tableau Public. URL: https://public.tableau.com/ (access date: 2023-11-24).
Ahmad, F., & Bashir, S. (2020). Population forecasting using machine learning techniques. International Journal of Advanced Computer Science and Applications, 11(10), 406-412.
Smith, S. K., Tayman, J., & Swanson, D. A. (2018). State and local population projections: Methodology and analysis. Springer.
Wilson, T., Raymer, J., & Rees, P. (2020). Methods of making national population projections: How well do they work? Population Studies, 74(1), 103-119.
Dergachev, V. A. (2020). Demographic processes in Ukraine and the world: challenges and development trends. Kyiv: Institute of Demography and Social Research of the National Academy of Sciences of Ukraine. 256 p.
UN. Sustainable Development Goals: Global indicators. [Electronic resource]. URL: https://unstats.un.org/sdgs/ (access date: 03.03.2025).
Libanova, E. M. (2019). Demographic processes in Ukraine: analysis and forecast. Kyiv: Institute of Demography, NAS of Ukraine. 340 p.
World Bank. (2023). World Development Report 2023: Demographics and Global Development. Washington: World Bank Publications. 380 p.
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach. 4th ed. New Jersey: Pearson. 1152 p.
Hastie, T., Tibshirani, R., & Friedman, J. (2017). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. New York: Springer. 767 p.
Dubrova, O. S., & Kovalenko, I. V. (2022). Using Neural Networks to Predict Demographic Changes. Scientific Bulletin of Kyiv University, (3), 45–56.
Malinovsky, B. M. (2021). Economic and Social Aspects of Demographic Development of Ukraine. Economics and Forecasting, (2), 79–94.
Brynjolfsson, E., & McAfee, A. (2017). Machine, Platform, Crowd: Harnessing Our Digital Future. New York: W. W. Norton & Company. 416 p.
European Commission. Population and Demographic Trends in Europe. [Electronic resource]. URL: https://ec.europa.eu/eurostat (accessed: 03.03.2025).
United Nations. The Sustainable Development Goals Report 2023. [Electronic resource]. URL: https://unstats.un.org
##submission.downloads##
-
PDF
Завантажень: 1
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
