ПРИМЕНЕНИЕ КАРТЫ КОХОНЕНА ДЛЯ АНАЛИЗА СТАТИСТИЧЕСКИХ ДАННЫХ РЕГИОНОВ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО ИХ ОПТИМИЗАЦИИ
Д. Б. Пугачева, А. В. Юдин
Пугачева Дарья Борисовна, студент, МИРЭА – Российский технологический университет, г. Москва, Российская Федерация, тел.: + 7 (910) 773-92-25; e-mail: d.pugacheva@list.ru;
Юдин Александр Викторович, доктор экономических наук, кандидат физико-математических наук, доцент, и. о. заведующего кафедрой индустриального программирования, Институт перспективных технологий и индустриального программирования МИРЭА – Российского технологического университета, г. Москва, Российская Федерация, тел.: + 7 (965) 343-25-61; e-mail: yudinmsk@yandex.ru
В данной статье предлагается решение для анализа и оптимизации данных с использованием самоорганизующейся карты Кохонена. Разработан модифицированный алгоритм для формирования и дальнейшего преобразования карты на основе цветовых коэффициентов, соотнесенных с исходными данными. Предлагаемое решение отличается высокой наглядностью представления как исходных данных, так и полученных после преобразования результатов, а также простотой последующей интерпретации. Алгоритм, реализованный на языке программирования Python, предусматривает использование данных без предварительной обработки, данных обработанных и приведенных в формат цветовых коэффициентов от 0 до 255 (формат Red Green Blue), шестнадцатеричный формат (HEX), а также данных, преобразованных в цветовые коэффициенты, используемые библиотекой Matplotlib. Рассмотрено применение нейронной сети для анализа входных данных в формате одномерного массива с двумя фиксированными цветовыми коэффициентами и трех одномерных массивов, где каждый массив исходных данных сопоставляется с одним из трех цветовых коэффициентов. Предложенный метод рассматривается в отношении данных Федеральной службы государственной статистики, а именно: рентабельность продаваемых товаров, продукции (работ, услуг) организаций по добыче полезных ископаемых, обрабатывающих производств, по обеспечению электрической энергией, газом и паром; кондиционированию воздуха в 2021 году по данным бухгалтерской отчетности с использованием Государственного информационного ресурса бухгалтерской отчетности ФСН России. Полученные результаты могут стать основой для дальнейших исследований в области анализа данных и принятия решений на распределение ресурсов субъектов РФ и последующего прогнозирования уровня развития регионов во времени.
Ключевые слова: нейронная сеть, Python, TensorFlow, карта Кохонена, оптимизация данных, обработка данных, развитие регионов. |
APPLICATION OF THE KOHONEN MAP FOR THE ANALYSIS OF STATISTICAL DATA OF REGIONS TO SUPPORT DECISION-MAKING ON THEIR OPTIMIZATION
D. B. Pugacheva, A. V. Yudin
>Pugacheva Dariya Borisovna, student, MIREA – Russian University of Technology, Moscow, Russian Federation, phone: + 7 (910) 773-92-25; e-mail: d.pugacheva@list.ru;
Yudin Aleksandr Viktorovich, Doctor of Economic Sciences, Candidate of Physical and Mathematical Sciences, Associate Professor, Acting Head of the Department of Industrial Programming, Institute of Advanced Tech-nologies and Industrial Programming of MIREA – Russian Technological University, Moscow, Russian Federation, phone: + 7 (965) 343-25-61; e-mail: yudinmsk@yandex.ru
This article proposes a solution for data analysis and optimization using a self-organizing Kohonen map. A modified algorithm has been developed for the formation and further transformation of the map based on color coefficients correlated with the original data. The proposed solution is characterized by high visibility of both the initial data and the results obtained after conversion, as well as the simplicity of subsequent interpretation. The algorithm, implemented in the Python programming language, provides for the use of data without preliminary processing, data processed and converted into color coefficients from 0 to 255 (Red Green Blue format), hexadecimal format (HEX), as well as data converted into color coefficients used by the Matplotlib library. The use of a neural network for analyzing input data in the format of a one-dimensional array with two fixed color coefficients and three one-dimensional arrays, where each array of source data is compared with one of three color coefficients, is considered. The proposed method is considered in relation to the data of the Federal State Statistics Service, namely: the profitability of goods sold, products (works, services) of mining organizations, manufacturing industries, providing electric energy, gas and steam; air conditioning in 2021 according to accounting reports using the State Information Resource of accounting reports of the Federal Tax Service of Russia. The obtained results can become the basis for further research in the field of data analysis and decision-making on the allocation of resources of the subjects of the Russian Federation and subsequent forecasting of the level of development of regions over time.
Keywords: neural network, Python, TensorFlow, Kohonen map, data optimization, data processing, regional development. |