Розробка інтелектуальної системи демографічного прогнозування

Автор(и)

  • Zarifa Jabrayilova Інститут інформаційних технологій Національної Академії наук Азербайджану вул. Б. Вахабзаде, 9A, м. Баку, Азербайджан, AZ1141, Азербайджан https://orcid.org/0000-0002-9661-5805

DOI:

https://doi.org/10.15587/1729-4061.2019.178440

Ключові слова:

демографічні процеси, зростання населення, метод демографічного прогнозування, нечіткі часові ряди

Анотація

Розроблено науково-методологічні та функціональні принципи інтелектуальної системи підтримки прийняття рішень з управління демографічною ситуацією на основі прогнозів. Прогнози змін чисельності населення, його віково-статевої структури, народжуваності, тривалості життя, смертності і т. д. складають основу соціально-економічного розвитку. Таким чином, розглянуто моделювання демографічних процесів для прийняття науково обгрунтованих рішень, що стосуються управління майбутньою демографічною ситуацією. Проаналізовано характеристики процесу та виявлено ознаки, що обгрунтовують виникнення цього процесу в умовах невизначеності і нечіткості. Для моделювання демографічних процесів запропонована нечітка модель часових рядів. Розроблено метод демографічного прогнозування на прикладі прогнозування загальної чисельності населення. На основі запропонованого методу розроблено програмне забезпечення для системи демографічного прогнозування. Представлена функціональна схема системи, розкрито принцип роботи її блоків і їх взаємодії. Описано принцип роботи бази знань, яка виконує аналітику прогнозів і ідентифікує прогнози, пов'язані з демографічною ситуацією, посилаючись на модель виробництва знань. Реалізація такої системи може допомогти демографам та аналітикам у прогнозуванні майбутньої демографічної ситуації та прийнятті рішень з управління відповідною демографічною ситуацією

Біографія автора

Zarifa Jabrayilova, Інститут інформаційних технологій Національної Академії наук Азербайджану вул. Б. Вахабзаде, 9A, м. Баку, Азербайджан, AZ1141

Кандидат технічних наук, доцент

Отдел 15

Посилання

  1. Human development (2014). United Nations Development Program. Baku, 373.
  2. Demographic forecasts on the gender ratio of children born in Azerbaijan. Available at: https://en.trend.az/azerbaijan/society/2469629.html
  3. Kostakov, V. (2013). Demograficheskij faktor v social'no-ekonomicheskom razvitii [Demographic factor in socio-economic development]. Ekonomist, 11, 20–24.
  4. Encyclopedic dictionary on population inhabitance (2009). Baku, 415.
  5. Ganiev, A. E. (2016). Metody demograficheskogo prognozirovaniya. NovaInfo.Ru, 46-3. Available at: http://novainfo.ru/article/6270/pdf
  6. Eliseeva, I. I., Klupt, M. A. (Eds.) (2016). Demografiya i statistika naseleniya. Moscow, 405.
  7. Kulikov, V. E. (2013). Osobennosti prognozirovaniya chislennosti naseleniya. Ekonomika i upravlenie: teoreticheskie i prakticheskie aspekty: materialy mezhdunarodnoy zaochnoy nauchno-prakticheskoy konferencii. Novosibirsk: Izd. «SibAK», 97–100.
  8. Booth, H., Tickle, L. (2008). Mortality Modelling and Forecasting: a Review of Methods. Annals of Actuarial Science, 3 (1-2), 3–43. doi: https://doi.org/10.1017/s1748499500000440
  9. Stoeldraijer, L., van Duin, C., van Wissen, L. J. G., Janssen, F. (2013). Impact of different mortality forecasting methods and explicit assumptions on projected future life expectancy: The case of the Netherlands. Demographic Research, 29, 323–354. doi: https://doi.org/10.4054/demres.2013.29.13
  10. Janssen, F., van Wissen, L. J. G., Kunst, A. E. (2013). Including the Smoking Epidemic in Internationally Coherent Mortality Projections. Demography, 50 (4), 1341–1362. doi: https://doi.org/10.1007/s13524-012-0185-x
  11. Janssen, F. (2018). Advances in mortality forecasting: introduction. Genus, 74 (1). doi: https://doi.org/10.1186/s41118-018-0045-7
  12. Yuzaeva, J. R. (2014). The forecast of the population of the Orenburg region in the context of urban and rural areas by the method of “Advancing ages”. Statistics and Economics, 5, 155–160.
  13. Vereshchaka, E. G. (2010). Forecasting of basic characterictics of demographic situation. Ekonomika, Statistika i Informatika, 1. Available at: https://cyberleninka.ru/article/n/prognozirovanie-osnovnyh-harakteristik-demograficheskoy-situatsii
  14. Kopnova, E. D., Rodionova, L. A. (2016). The Statistical Approach to the Analysis and Forecasting of Demographic Data. Izvestiya of saratov university. New series. Series: economics. Management. Law, 16 (3), 306–315. doi: https://doi.org/10.18500/1994-2540-2016-16-3-306-315
  15. Torri, T., Vaupel, J. W. (2012). Forecasting life expectancy in an international context. International Journal of Forecasting, 28 (2), 519–531. doi: https://doi.org/10.1016/j.ijforecast.2011.01.009
  16. Box, G. P., Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day, 554.
  17. Hyndman, R. J., Booth, H., Yasmeen, F. (2012). Coherent Mortality Forecasting: The Product-Ratio Method With Functional Time Series Models. Demography, 50 (1), 261–283. doi: https://doi.org/10.1007/s13524-012-0145-5
  18. Lee, R. D., Carter, L. R. (1992). Modeling and Forecasting U.S. Mortality. Journal of the American Statistical Association, 87 (419), 659–671. doi: https://doi.org/10.1080/01621459.1992.10475265
  19. Li, Q., Reuser, M., Kraus, C., Alho, J. (2009). Ageing of a giant: a stochastic population forecast for China, 2006–2060. Journal of Population Research, 26 (1), 21–50. doi: https://doi.org/10.1007/s12546-008-9004-z
  20. Matysiak, A., Nowok, B. (2007). Stochastic forecast of the population of Poland, 2005-2050. Demographic Research, 17, 301–338. doi: https://doi.org/10.4054/demres.2007.17.11
  21. Gerashchenko, I. P. (2000). Metody prognozirovaniya v regressionnyh i adaptivnyh modelyah pri analize dinamicheskih ryadov. Matematicheskie struktury i modelirovanie, 5, 140–154.
  22. Zadeh, L. A. (1975). The concept of a linguistic variable and its application to approximate reasoning – II. Information Sciences, 8 (4), 301–357. doi: https://doi.org/10.1016/0020-0255(75)90046-8
  23. Song, Q., Chissom, B. S. (1993). Fuzzy time series and its models. Fuzzy Sets and Systems, 54 (3), 269–277. doi: https://doi.org/10.1016/0165-0114(93)90372-o
  24. Song, Q., Chissom, B. S. (1994). Forecasting enrollments with fuzzy time series – part II. Fuzzy Sets and Systems, 62 (1), 1–8. doi: https://doi.org/10.1016/0165-0114(94)90067-1
  25. Chen, S.-M. (1996). Forecasting enrollments based on fuzzy time series. Fuzzy Sets and Systems, 81 (3), 311–319. doi: https://doi.org/10.1016/0165-0114(95)00220-0
  26. Hwang, J. R., Chen, S. M., Lee, C. H. (1996). A new method for handling forecasting problems based on fuzzy time series. Proc. 7th Internat. Conf. On Information Management. Taiwan.
  27. Ahmadov, M. Z. (2015). Forecasting based on fuzzy time series. Baku, 136.
  28. Mamedova, M. G., Dzhabrailova, Z. G. (2005). Fuzzy Logic in Forecasting of Labor Market Demographic Aspects. Iskusstvenniy intellekt, 3, 450–460. Available at: http://iai.dn.ua/public/JournalAI_2005_3/Razdel5/17_Mamedova_Dzhabrailova.pdf
  29. Mamedova, M. H., Jabrailova, Z. G. (2004). Primenenie nechetkoy logiki v demograficheskom prognoze [Application of Fuzzy Logic in Population Forecasting]. Informacionnye tekhnologii, 3, 45–53.
  30. Zaharets, V., Zaharets, I. (2014). Demographic Policy: Methods and Instruments, Application Experience and the Analysis of Effectiveness. Zhurnal mezhdunarodnogo prava i mezhdunarodnykh otnosheniy, 2, 71–79. Available at: http://elib.bsu.by/bitstream/123456789/102389/1/2014_2_JILIR_VSzagorets_IVzagorets.pdf
  31. Eliseeva, I. I., Klupt, M. A. (Eds.) (2016). Demografiya i statistika naseleniya. Moscow, 405. Available at: https://static.my-shop.ru/product/pdf/231/2301141.pdf
  32. Demographic Indicators of Azerbaijan (2017). Baku, 472. Available at: https://www.stat.gov.az/source/demoqraphy/
  33. Law of Azerbaijan Republic on Protection of Health of Population. Available at: http://www.e-qanun.az/framework/4078

##submission.downloads##

Опубліковано

2019-09-17

Як цитувати

Jabrayilova, Z. (2019). Розробка інтелектуальної системи демографічного прогнозування. Eastern-European Journal of Enterprise Technologies, 5(2 (101), 18–25. https://doi.org/10.15587/1729-4061.2019.178440

Номер

Том 5 № 2 (101) (2019): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2019 Zarifa Jabrayilova

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.