Термиз давлат университети намазов гафур шокулович

Форма модели	Критерий Акаика	Критерий Шварца	Коэффициент детерминации
Важность параметров
1	АК1МА (1,0,1)	669,8837	674,7964	0,712322	Важнмй
2	АК1МА (1,0,1)(1,0,0)4	641,6143	648,1646	0,880615	Важнмй
3	АК1МА (1,0,1)(0,1,0)4	568,1126	572,6917	0,866768	Важньй
4	АК1МА (1,0,1)(2,0,0)4	643,4413	651,6292	0,881347	Важньй
5	АК1МА (1,0,1)(2,1,0)4	570,5493	578,1811	0,873788	Важньй
6	АК1МА (1,0,1)(3,0,0)4	644,9542	654,7797	0,884020	Важньй

Результать оценки показали, что МАРЕ по модели АК4МА(1,0,1)(3,0,0)4 равен 14,22%, МАРЕ по модели АК1МА(1,0,1)(0,1,0)4 равен 11,42%, поэтому наименьшая цифра принадлежит модели АК1МА(1,0,1)(0,1,0)4 (МАРЕ=11,42%), что указьвает на то, что это наиболее подходявдая модель для временного ряда.

По результатам анализа модель АК1МА(1,0,1)(0,1,0)4 бьла признана адекватной для временного ряда, и эта модель использовалась для прогнозирования.
ДВВП = —0. 33 * ВВП_(-1 — 0.84 * Е{_—1

лаг 4 (Таблица даннь1х1)
Здесь: ВНП - валовой региональньш продукт Сурхандарьинской области. Представлень результать прогноза объема ВВП в сопоставимьх ценах (в ценах 2012 г.) (рис. б).

Набл. N	Прогнозьи Модель:(1.0.1 )(0.1,0) Сезоннь!й Исход :ХА1М Начало исходнь1х. 1 Конец исходн 38
	Прогноз	Нижний 95.0000%	Верхний 95.0000%	Ст.ошиб.
39	5888.57	3884.826 8513,590	7892,32 12760,95	983,707 1042.587
40	10637.27
41	94 01,97	7164,775	11639,17	1098,315
42:	10153,37	7808,148 3804,389	12498,59 10968,09	1151,349 1758,453
43	7386,24
44	12134,94	8286.596	15983.28	1889.283
45	10899.64	6802.098	14997,18	201 1,622
46	11651.04	7318,61 1	15983,46	2126,936 2707.009
47	8883.91	3369.91 1	14397.90
48	13632.61	7728,425 6127.174	19536,79 18667,44	2898,564 3078,221 3247,956
49	12397,31
50	13148.70	6532.834	19764,57

Рис. 5. Прогнознье показатели, разработаннье на основе модели АШМА³⁹
Функции активации для скрьггьх нейронов бьши вьгбраньг: именно тождественная, сигмовидная и гиперболическая, и для вьходньх нейронов именно вариант тождественной функции. В процессе отбора из этой модели программа вьбирает лучшие 5 из 50 сетевьх результатов.
При анализе полученньх данньх для вьбора лучшей модели каждая модель сравнивается по таким параметрам, как: производительность и ошибка, график сетевой проекции, гистограмма остаточного распределения, остаточньй разброс^{40 41}
рассчитан сигмоидальньй вариант функции активации в скрьтом слое
5(х) = —₂
1+е^-2
г₄ = 8(2.63281 • х^ + 4.72806 • х₂ + 2.33572 • х₃ - 2.79531 • х₄ + 0. 51788)
г₂ = 5(0.59095 • х^ + 0.27349 • х₂ - 3.69938 • х₃ + 4.70886 • х₄ + 1.04368)
х₃ = 5(-1.60202 • х^ - 0.86283 • х₂ + 0.27044 • х₃ - 4.87033 • х₄ - 0.07444)
х₄ = 5(4.38949 • х^ + 1.15442 • х₂ + 1.09637 • х₃ + 0.40123 • х₄ - 1.96831)
х₅ = 5(3. 54983 • х^ - 0.96992 • х₂ + 2.20695 • х₃ - 1.8161 • х₄ - 0.19944)
х₆ = 5(0.45864 • х^ + 0.18114 • х₂ - 2.55381 • х₃ - 2.05976 • х₄ - 0.46684)
г₇ = 5(-3.24651 • х^ + 1.81954 • х₂ + 3.79066 • х₃ + 5.23246 • х₄ - 2.8971)
Рассчитьвается функция активации тождественного варианта вьходного слоя.
5(х) = х
у = (-0.02633 • /1 + 1.36195 • /₂ - 0.08795 • /₃ + 1.49269 • /₄ + 0.15402 • /₅ + 0.49152 • /₆ + 1.57267 • /₇ - 1.48948)
у - указьвает, что эта форма модели может бьпъ использована в
прогнозировании.

Рис. 6. Связаннме значения веса и смевдения нейронншх узлов в архитектуре модели АКИ (4-7-1) ⁴¹
По всем параметрам модель АКЛ (4-7-1) можно назвать оптимальной для прогнозирования (рис. 6). Коэффициент детерминации для этой модели составляет К2=0,97, процентная ошибка МАРЕ 7,93 вполне приемлемьш результат. Сравнение моделей АК1МА и АКЛ оценивалось путем расчета ошибки между фактическим показателем и прогнозньми значениями, полученньми с помошью этих моделей (табл. 5).
Таблица 5
Результать! прогнозирования по моделям АК1МА и ^NN42

^'~~'''-^_ ГодЬ1 Тип модели	2022	2023	2024	2025	2026	2026 г. по сравнению с 2021 г.
^NN(4-7-1)	35546,86	40378,51	42891,09	48236,28	44102,12	+1,46
АК!МА(1, 0, 1)(0, 1, 0)4	36081,18	42071,86	48062,52	45071,06	48406,38	+1,60

Бьло установлено, что по АКЛ наиболее подходяшей моделью для прогнозирования является МЬР (4-7-1) вьходного нейрона, а по АК1МА лучшей моделью является АК1МА (1,0, 1)(0, 1, 0)4. К 2026 году ожидается, что по модели МЬР(4-7-1) объем ВВП составит 44102,12 млрд. сум, а по модели АК!МА(1, 0, 1)(0, 1, 0)4 - 48406,38 млрд. сум. То есть видно, что региональньй ВНП по сравнению с 2021 годом в 2026 году увеличится в 1,43 раза по модели АКЛ и в 1,60 раза по модели АК4МА. Это, в свою очередь, соответствует показателям увеличения экономики области в 1,4-1,6 раза за счет пропорционального развития направлений, указанньх в 33-й цели Стратегии развития Нового Узбекистана на 2022-2026 годь⁴³.

Метод Алмона предполагает наличие некоторого «сглаживания» в моделях с распределенньм лагом. Он предполагает аппроксимацию структурь задержки полиномиальной функцией, что означает, что ее результат будет виден через несколько лет. Для проведения исследования бьли вьбрань следуюшие показатели: У_г - валовой внутренний продукт, Х_см - объем промьшленной продукции, Х_ж - инвестиции в основной капитал, Хқ^ - строительнье работь, Х_чс - розничньй товарооборот, Х_қх - показатели сельскохозяйственной продукции. По результатам расчета создается следуюшая регрессионная модель Хсм и рассчитьваются ее параметрь (табл. 6):
Таблица 6
Корреляционно-регрессионньй анализ показателей промьшленной
продукции⁴⁴

X*		Коэффициент Ъ1	Стандартна я ошибка	ститистики	Р- Значение	Нижние 95%	Верхние 95%
Хсм	а	71,85	265,2545	0,270909	0,090715	-501,188	644,9072
	2)	1,27	0,77503	1,63535	0,025945	-0,40691	2,941794
	21	-2,18	1,893631	-1,14914	0,071202	-6,26699	1,914892
	22	0,83	0,538512	1,549597	0,045232	-0,32891	1,997861

42. 
    Источник: разработка автора.
    
43. 
    Указ Президента Республики Узбекистан №УП-60 от 28.01.2022 г. «О Стратегии развития Нового Узбекистана на 2022-2026 годь».
    
44. 
    Источник: разработка автора.
    

у* — 71,85 + 1,27 ■ Хд — 2,18 ■ х^ + 0,83 ■ х^ + £^
Ду — С₀ + С1 -] + С2 ■]²+...+С_к -}^к (1)
На основании формуль: (1) определяются значения исходнмх параметров модели распределенного лага (@₀, @1, @₂, @₃) (табл. 7):
До ^{— с}о
Д1 — ^с0 + С1 + С2
р2 — с₀ + 2-С1 + 4-С2
Рз — с₀ + 3-С1 + Э-С2
Таблица 7 Значения параметров модели построенной регрессии⁴⁵

Параметри модели
Макроэкономические показатели	Хсм	Хак	Хқи	Хчс	Хқх
а	71,85	833,33	1728,88	-42,79	480,26
@0	1,27	0,44	0,95	5,67	0,92
@1	-0,07	-0,67	-0,27	-0,95	0,36
@2	0,25	0,16	0,58	-3,69	0,04
@3	2,25	2,92	3,49	-2,55	-0,06
Мультипликатор долгосрочньй	3,70	2,85	4,74	-1,53	1,26

Полученнье значения коэффициентов регрессии полиномиальнь на графике. Объем ВВП показал сильную зависимость от макроэкономических показателей. В результате исследования. Создань лаговье модели влияния других макроэкономических показателей на ВНП Сурхандарьинской области (табл. 8).