ПРОГНОЗНЫЕ СЦЕНАРИИ ДОБЫЧИ ПОЛЕЗНЫХ ИСКОПАЕМЫХ В РЕГИОНАХ УРАЛЬСКОГО ФЕДЕРАЛЬНОГО ОКРУГА
Аннотация
В условиях санкционных ограничений российская добывающая промышленность сталкивается с существенными вызовами, связанными с сокращением объёмов добычи, ограниченным доступом к технологиям и финансовым рынкам, а также необходимостью переориентации экспортных потоков. Эти проблемы особенно актуальны для ключевых добывающих регионов, таких как Уральский федеральный округ. Целью данной статьи является разработка прогнозных сценариев объёмов добычи полезных ископаемых в муниципальных образованиях УрФО до 2027 года, что позволит создать основу для комплексных стратегий устойчивого развития добывающей отрасли. В исследовании используются эконометрические модели ARMA и ARIMA, которые применимы для анализа временных рядов, позволяя учитывать как стационарные, так и нестационарные данные. Модели разрабатываются на основе ежемесячных показателей добычи полезных ископаемых в регионах УрФО за период с декабря 2017 года по ноябрь 2024 года. Анализ включает выбор параметров моделей, проверку их адекватности и интерпретацию полученных результатов. В ходе исследования построены инерционные, оптимистичные и пессимистичные сценарии объёмов добычи полезных ископаемых, которые могут быть полезны для разработки стратегий в современных геополитических условиях.
Скачивания
Литература
2. Савинова В. М., Ярушев С. А. Модели сценарного прогнозирования экономических кризисов на основе гибридного подхода // Вестник РЭА им. Г. В. Плеханова. 2020. № 1 (109). С. 32–38
3. Заяц О.А Прогнозирование объёмов производства молока на основе сезонной ARIMA-модели // Фундаментальные исследования. 2019. № 6. С. 61–66.
4. Ospina R., Gondim J. A.M., Leiva V., Castro C. An Overview of Forecast Analysis with ARIMA Models during the COVID‑19 Pandemic: Methodology and Case Study in Brazil // Mathematics. 2023. № 11 P. 3069. DOI: 10.3390/math11143069.
5. Ilie O. D., Ciobica A., Doroftei B. Testing the Accuracy of the ARIMA Models in Forecasting the Spreading of COVID‑19 and the Associated Mortality Rate // Medicina. 2020. № 56 (11). P. 566. DOI: 10.3390/medicina56110566.
6. Mohamed A. O. Modeling and Forecasting Somali Economic Growth Using ARIMA Models // Forecasting. 2022. № 4. P. 1038–1050. DOI: 10.3390/forecast4040056.
7. Siami-Namini S., Tavakoli N., Siami Namin A. A Comparison of ARIMA and LSTM in Forecasting Time Series // 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA), Orlando, FL, USA. 2018. P. 1394–1401. DOI: 10.1109/ICMLA.2018.00227.
8. Макаровских Т. А., Аботалеб М. С. А. Автоматический подбор параметров модели ARIMA для прогноза количества случаев заражения и смерти от Covid‑19 // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2021. Т. 10, № 2. С. 20–37. DOI: 10.14529/cmse210202.
9. Соколова О. А. К вопросу о прогнозировании социально-экономического развития крупного города (на примере города Вологды) // Вопросы территориального развития. 2021. Т. 9, № 3. С. 1–4. DOI: 10.15838/tdi.2021.3.58.4.
10. Pereira da Veiga C., Pereira da Veiga C. R., Girotto F. M. Implementation of the ARIMA model for prediction of economic variables: evidence from the health sector in Brazil // Humanities and Social Sciences Communications. 2024. № 11. P. 1068. DOI: 10.1057/s41599-024-03023-3
11. Zhang D. Forecasting USA Unemployment Rate Base on ARIMA Model // Advances in Economics Management and Political Sciences. 2023. № 49 (1). P. 67–76. DOI: 10.54254/2754-1169/49/20230486
12. Lima S., Gonçalves A. M., Costa M. Predictive accuracy of time series models applied to economic data: the European countries retail trade // Journal of Applied Statistics. 2023. № 51 (9). P. 1818–1841. DOI: 10.1080/02664763.2023.2238249
13. Курилова А. А. Прогнозирование величин угольной ренты стран мира с использованием метода ARIMA // Уголь. 2024. № 12. С. 58–62. DOI: 10.18796/0041-5790-2024-12-58-62
14. Aycaya-Paco Y. B., Vilca-Mamani L. D., Torres-Cruz F. Peru Mining: Analysis and Forecast of Mining Production in Peru Using Time Series and Data Science Techniques // arXiv. 2023. № 2307. P. 06293. DOI: 10.48550/arXiv.2307.06293
15. Зайцев А. С. Анализ и прогноз техногенных изменений геологической среды при освоении месторождений Урала : автореф. дис. … д-ра техн. наук. М., 1994. 33 с.
Ключевые слова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
