ISSN 2304-6600 (Online)
ISSN 1997-0935 (Print)



Архитектура и градостроительство. Реконструкция и реставрация

ОЦЕНКА ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ МУНИЦИПАЛИТЕТАМИ КНР МОДЕЛИ ПРОГНОЗИРОВАНИЯ ПОТРЕБНОСТИ В ЗЕМЛЯХ ПОД СТРОИТЕЛЬСТВО

  • Астафьев Сергей Александрович - Байкальский государственный университет (БГУ)
  • Го И - Байкальский государственный университет (БГУ)
DOI: 10.22227/1997-0935.2018.6.678-685
Страницы: 678-685
Предмет исследования: экономико-математические методы прогнозирования развития городов с целью более точного определения потребности в земельных ресурсах. Цели: изучение теоретико-методических основ прогнозирования использования земель под развитие города и применения модели прогнозирования роста территории города для увеличения экономической эффективности муниципального бюджета в условиях законодательства КНР. Материалы и методы: корреляционно-регрессионный анализ, цепи Маркова, «серые» цепи Маркова. Результат работы: проведено сравнение нескольких распространенных методов прогнозирования: корреляционно-регрессионного анализа и «серой» модели (Grey Model GM (1,1)). Предложена модернизация модели цепи Маркова с учетом факторов неопределенности. На основе динамики прироста земель города Чжанцю с применением предложенной модели «серых» цепей Маркова был составлен прогноз и подтверждена его статистическая, математическая и экономическая значимость, что позволяет предложить применение предложенной модели для прогнозирования роста любых городов, в том числе в Российской Федерации. Выводы: практическое применение предложенного математического метода в условиях неопределенности долгосрочных прогнозов на примере прогноза потребности городов в земельных ресурсах позволит повысить точность и экономическую эффективность формирования генеральных планов.
Литература
  1. Кельберт М.Я., Сухов Ю.М. Вероятность и статистика в примерах и задачах. Т. 2. Марковские цепи как отправная точка теории случайных процессов и их приложения. М. : МЦНМО, 2009. 559 с.
  2. Чжун Кай-лай. Однородные цепи Маркова: пер. с англ. М. : Мир, 1994. 425 с.
  3. Нуммелин Э. Общие неприводимые цепи Маркова и неотрицательные операторы: пер. с англ. М. : Мир, 1999. 207 с.
  4. Tsallis C. Possible generalization of Boltzmann-Gibbs statistics // Journal of Statistical Physics. 2008. 52. Pp. 479-487.
  5. Baum L.E., Petrie T. Statistical inference for probabilistic functions of finite state Markov chains // The Annals of Mathematical Statistics. 1966. 37 (6). Pp. 1554-1563.
  6. Baum L.E., Eagon J.A. An inequality with applications to statistical estimation for probabilistic functions of Markov processes and to a model for ecology // Bulletin of the American Mathematical Society. 1967. 73 (3). pp. 360.
  7. Baum L.E., Sell G.R. Growth transformations for functions on manifolds // Pacific Journal of Mathematics. 1968. 27 (2). pp. 211-227.
  8. Baum L.E. An inequality and associated maximization technique in statistical estimation of probabilistic functions of a Markov process // Inequalities. 1972. 3. Pp. 1-8.
  9. Stratonovich R.L. Conditional markov processes // Theory of Probability and its Applications. 1960. 5. Pp. 156-178.
  10. Lanchantin P., Pieczynski W. Unsupervised restoration of hidden non stationary Markov chain using evidential priors // IEEE Transactions on Signal Processing. 2005. Vol. 53. No. 8. Pp. 3091-3098.
  11. Boudaren M.Y., Monfrini E., Pieczynski W. Unsupervised segmentation of random discrete data hidden with switching noise distributions // IEEE Signal Processing Letters. October 2012. Vol. 19. No. 10. Pp. 619-622.
  12. Rabiner L.R. A tutorial on Hidden Markov Models and selected applications in speech recognition // Proceedings of the IEEE February. 1989. 77 (2). Pp. 257-286
  13. Newberg L. Error statistics of hidden Markov model and hidden Boltzmann model results // BMC Bioinformatics. 2009. 10. Pp. 212.
  14. Piyathilaka L., Kodagoda S. Gaussian mixture based HMM for human daily activity recognition using 3D skeleton features // Proceedings of the 2013 IEEE 8th Conference on Industrial Electronics and Applications, ICIEA 2013. pp. 567, 572. Melbourne, 2013.
СКАЧАТЬ