Аннотация: целью исследования является обоснование выбора архитектур искусственных нейронных сетей для включения в нейросетевой модуль разрабатываемой авторами гибридной системы краткосрочного прогнозирования «СГМ Горизонт». Система гибридных моделей и программный комплекс «СГМ Горизонт» предназначены для прогнозирования макроэкономических показателей на уровне страны и регионов. Гибридный подход обеспечивает достижение необходимого качества прогнозов для всей системы показателей. Ключевую роль здесь играют модели нейронных сетей. В статье приводится обзор работ по применению нейронных сетей в прогнозировании, особое внимание уделено исследованиям в области прогнозирования экономических временных рядов. Методологической базой исследования является гибридный подход, включающий наряду с эконометрическими моделями модели машинного обучения, такие как нейронные сети и деревья решений. Для прогнозирования экономических показателей на основе нейронных сетей используются две базовые архитектуры: сети прямого распространения и рекуррентные сети. В сетях прямого распространения для прогнозирования временных рядов применяется многослойный персептрон, в рекуррентных – архитектура сети с долговременной и кратковременной памятью (LSTM). На основании проведенного анализа инструментов для решения задач моделирования на основе нейронных сетей для их реализации в «СГМ Горизонт» использовались функции библиотеки языков С++ и С# FANN (Fast Artificial Neural Network). В рамках «СГМ Горизонт» разработан модуль Искусственных нейронных сетей, позволяющий проводить прогнозирование временных рядов на основе архитектур многослойного персептрона и рекуррентных сетей с долговременной и кратковременной памятью (LSTM). В системе «СГМ Горизонт» проведено прогнозирование показателей макроэкономики, государственных бюджетов, социальной сферы и внешнеэкономической деятельности Российской Федерации. На первом этапе в системе проводится прогнозирование всех показателей на основе регрессионной модели. В результате из общего числа 175 показателей высокие значения точности и качества были получены для 125 показателей. На втором этапе для остальных 50 показателей средствами модуля нейронных сетей были построены нейросетевые прогнозные модели. Для 45 показателей были получены результаты удовлетворительной точности. Разработанный авторами гибридный подход к моделированию и прогнозированию социально-экономических показателей РФ позволяет добиться высокой точности прогноза для всей исследуемой совокупности показателей. Проведенное в системе «СГМ Горизонт» прогнозирование показателей макроэкономики, государственных бюджетов, социальной сферы и внешнеэкономической деятельности Российской Федерации демонстрирует эффективность такого подхода. Расчеты на основе архитектуры многослойного персептрона по прогнозированию 45 из 50 показателей дали более точные прогнозы по сравнению с базовой регрессионной моделью.
Ключевые слова: искусственные нейронные сети, социально-экономические показатели РФ, прогнозирование, временные ряды, гибридная информационно-аналитическая система