ПРОГНОЗИРОВАНИЕ ВРП РЕГИОНОВ УРАЛЬСКОГО МАКРОРЕГИОНА С ИСПОЛЬЗОВАНИЕМ LSTM-МОДЕЛЕЙ В УСЛОВИЯХ СТРУКТУРНОЙ ПЕРЕСТРОЙКИ ЭКОНОМИКИ

EDN: JSVGED

DOI: https://doi.org/10.65891/2949-1983-2026-22-2-10-13

Авторы:

КУКЛИНОВА Полина Сергеевна

Аффиляция:

Уральский государственный экономический университет

Аннотация.

Современная экономическая ситуация характеризуется высокой неопределённостью: санкционные ограничения, политика импортозамещения и структурная перестройка промышленности требуют от региональных властей более точных и адаптивных инструментов прогнозирования. Для субъектов Уральского макрорегиона, где промышленный сектор остаётся системообразующим, такие инструменты приобретают особое значение. В статье предлагается нейросетевая модель прогнозирования валового регионального продукта (ВРП), построенная на основе рекуррентных сетей с долгой краткосрочной памятью (LSTM). Исходные данные – официальная статистика Росстата за 2005–2024 гг. по шести регионам макрорегиона. Для повышения точности прогнозов применена предварительная кластеризация территорий со сходной отраслевой структурой, что позволило расширить обучающие выборки за счёт регионов-аналогов. Сравнительная оценка показала, что LSTM-модель обеспечивает снижение среднеквадратичной ошибки на 18–25 % для индустриальных регионов и на 12–15 % для ресурсных по сравнению с классической ARIMA. Разработанный подход может быть использован региональными органами управления для уточнения бюджетных параметров и корректировки стратегий развития.

Ключевые слова:

валовой региональный продукт (ВРП), нейросетевое моделирование, LSTM-сети, прогнозирование, Уральский макрорегион, региональная экономика.

Список литературы:

1. Самсонов, А. В. Прогнозирование динамики регионального ВРП с использованием аппарата рекуррентных нейронных сетей / А. В. Самсонов, Л. И. Сергеев // Russian Economic Bulletin. – 2021. – Т. 4, № 5. – С. 240-252. – EDN ETSFAV.
2. Кулова, М. Р. Сравнительный анализ статистических и нейросетевых методов прогнозирования ВРП (на примере РСО-Алания) / М. Р. Кулова, Э. Б. Соколова, Е. В. Федосова // Финансовый бизнес. – 2025. – № 11(269). – С. 52-56. – EDN RNFHUC.
3. Азарнова, Т. В. Прогнозирование параметров социально-экономического развития региона с использованием аппарата нейронных сетей (на примере ВРП Воронежской области) / Т. В. Азарнова, Ю. И. Трещевский, С. Н. Папин // Современная экономика: проблемы и решения. – 2020. – № 3(123). – С. 8-25. – DOI 10.17308/meps.2020.3/2321. – EDN PKXNNJ.
4. Ельшин, Л. А. Методические подходы к прогностической оценке динамики ВРП региона в условиях санкционных атак / Л. А. Ельшин, А. Д. Гатин, А. М. Мингулов // Современные технологии управления. – 2024. – № 1(105). – EDN CZAFPS.
5. Ghazo, A. Applying the ARIMA Model to the Process of Forecasting GDP and CPI in the Jordanian Economy / A. Ghazo // International Journal of Financial Research. – 2021. – Vol. 12, No. 3. – P. 70. – DOI 10.5430/ijfr.v12n3p70. – EDN SGMFME.
6. Barbaglia, L. Forecasting GDP in Europe with textual data / L. Barbaglia, S. Consoli, S. Manzan // Journal of Applied Econometrics. – 2024. – Vol. 39, No. 2. – P. 338-355. – DOI 10.1002/jae.3027. – EDN WYINXX.
7. Chow, H. K. Forecasting GDP with many predictors in a small open economy: forecast or information pooling? / H. K. Chow, Y. Fei, D. Han // Empirical Economics. – 2023. – Vol. 65, No. 2. – P. 805-829. – DOI 10.1007/s00181-022-02356-9. – EDN RRTOTG.
8. Yusuf, M. A. Forecasting GDP Per Capita in the USA: Integrating Econometric and Machine Learning Approaches for Policy Insights / M. A. Yusuf // International Journal of Innovative Science and Research Technology (IJISRT). – 2025. – P. 2081-2100. – DOI 10.38124/ijisrt/25mar1083. – EDN FBMQJY.
9. Galimberti, J. K. Forecasting GDP Growth from Outer Space / J. K. Galimberti // Oxford Bulletin of Economics and Statistics. – 2020. – Vol. 82, No. 4. – P. 697-722. – DOI 10.1111/obes.12361. – EDN EVVFUK.
10. Китрар, Л. А. Прогнозирование роста ВВП с учетом кризисных шоков на основе результатов обследований деловой активности / Л. А. Китрар, Т. М. Липкинд, Н. А. Усов // Вопросы статистики. – 2021. – Т. 28, № 4. – С. 80-95. – DOI 10.34023/2313-6383-2021-28-4-80-95. – EDN TXOJFG.
11. Aralbaeva, G. G. Analysis of the structure and dynamics of GRP of the Kyzylorda region of the Republic of Kazakhstan / G. G. Aralbaeva, U. D. Berikbolova // Экономика и предпринимательство. – 2023. – No. 7(156). – P. 462-467. – DOI 10.34925/EIP.2023.156.7.077. – EDN PFXYYZ
12. Холодная, А. К. Особенности влияния межрегиональных дисбалансов по доле научно-исследовательского персонала на ВРП на душу населения / А. К. Холодная // Вестник Владимирского государственного университета имени Александра Григорьевича и Николая Григорьевича Столетовых. Серия: Экономические науки. – 2020. – № 2(24). – С. 5-8. – EDN TRSNDH.
13. Смирнова, О. П. Влияние цифровых технологий отраслей промышленности на экономический рост индустриальных регионов / О. П. Смирнова, Л. К. Чеснюкова // Региональная экономика: теория и практика. – 2023. – Т. 21, № 9(516). – С. 1653-1670. – DOI 10.24891/re.21.9.1653. – EDN LOVNAT.
14. Смирнова, О. П. Технологическая трансформация промышленности как фактор экономического роста: статистический анализ за период 2010-2022 гг / О. П. Смирнова, Л. К. Чеснюкова // Финансовая аналитика: проблемы и решения. – 2024. – Т. 17, № 1(367). – С. 56-73. – DOI 10.24891/fa.17.1.56. – EDN AJRLMJ.
15. Роткевич, Т. А. Прогнозирование динамики электропотребления и электроёмкости ВРП как элемент программы регионального социально-экономического развития / Т. А. Роткевич // Фундаментальные и прикладные исследования кооперативного сектора экономики. – 2025. – № 4. – С. 125-133. – EDN VABOTI.
16. Smirnova, O. Assessment of Sustainable Development Potential and the Green Growth of the Russian Macro-Region / O. Smirnova, L. Chesnyukova // Green Taxonomy for Sustainable Development: From Green Technologies to Green Economy, Tashkent, Uzbekistan, 14–16 июня 2024 года. Vol. 574. – EDP Sciences - Web of Conferences, Les Ulis, France: EDP Sciences - Web of Conferences, 2024. – P. 02004. – DOI 10.1051/e3sconf/202457402004. – EDN MBBMPQ
17. .Kumar, V. Technological development of smart industrial regions in Russia: A cluster analysis / V. Kumar, O. Smirnova, L. Chesnyukova // E3S Web of Conferences : VII International Scientific Conference “Cities of New Age: GLASS” (REC-2023), Ekaterinburg, 27–29 июня 2023 года. 435. – Ekaterinburg: EDP Sciences, 2023. – P. 03001. – DOI 10.1051/e3sconf/202343503001. – EDN XQEOLC.
18. Филатов, Д. В. Кластеризация регионов России по структуре доходов населения / Д. В. Филатов, Л. К. Чеснюкова, Н. С. Панкин // Горизонты экономики. – 2025. – № 5(92). – С. 32-41. – EDN GJNTLG.
19. Tsekhan, O. B. Analysis of the GRP of China's provinces based on multiple regression models / O. B. Tsekhan, Ya. Zhu // Vesnik of Yanka Kupala State University of Grodno. Series 5. Sociology. Biology. – 2021. – Vol. 11, No. 3. – P. 64-72. – EDN VFIRIL.
20. Aralbaeva, G. G. Statistical studies of the impact of innovations, investments in innovations and exports on the GRP of the Kyzylorda region of the Republic of Kazakhstan / G. G. Aralbaeva, U. D. Berikbolova // International Research Journal. – 2021. – No. 9-2(111). – P. 138-142. – DOI 10.23670/IRJ.2021.9.111.060. – EDN PVFPQJ.