Применение методов нечеткой логики и машинного обучения для анализа промышленного электропотребления в условиях неопределенности

Цель. Анализ зависимости промышленного электропотребления от различных социально-экономических факторов методом нечеткого моделирования. Этот метод особенно хорошо подходит для моделирования плохо определенных систем, в которых существует значительная неопределенность относительно природы и диапазона ключевых входных переменных и основных взаимосвязей между ними. Такой системой является экономика России в период наложенных на нее санкций со стороны недружественных государств.

Материалы и методы. В работе применялись методы нечеткого моделирования и машинного обучения. Для отбора предикторов и для сравнительного анализа использовался алгоритм случайного леса.

Результаты. Результаты нечеткого моделирования сравнивались с результатами, полученными при моделировании анализируемой зависимости с помощью множественной регрессии и при применении метода случайного леса, использующего регрессионные деревья решений к исследуемым данным. Показано, что моделирование исследуемой зависимости посредством нечеткой модели в условиях неопределенности является более адекватным по сравнению с моделированием анализируемой зависимости с помощью регрессионных методов (включая метод случайного леса).

Выводы. Разработанная нечеткая система (система нечеткого логического вывода) может использоваться для исследования влияния изменения любого входного фактора или комбинации факторов на изменение промышленного электропотребления. С помощью нечеткой системы можно выяснить, насколько изменится промышленное электропотребление при размещении производственных мощностей в определенных регионах, или проанализировать целесообразность такого размещения, связанного с наличием трудовых ресурсов. Можно также исследовать изменение промышленного электропотребления при изменении численности занятых, связанном с оттоком трудовых ресурсов.