Предиктивное управление макрологистической инфраструктурой в нестабильной экономической среде на основе методов машинного обучения (А.О. Шульженко, журнал "Вестник Алтайской академии экономики и права", N 3 (часть 2), март 2022 г.)

Шульженко А.О. Предиктивное управление макрологистической инфраструктурой в нестабильной экономической среде на основе методов машинного обучения

А.О. Шульженко - ФГБОУ ВО "Санкт-Петербургский государственный университет", Санкт-Петербург

В статье представлены разработки в части предиктивного управления логистической инфраструктурой в макрологистических системах в условиях высокой турбулентности внешней экономической среды, определяемой ужесточением санкционного режима, глобальным замедлением и потенциальной переориентацией внешнеэкономических связей. Глобальное и слабопрогнозируемое изменение параметров потоков внешнеторговых грузов требует применения аппарата адаптивного управления логистической инфраструктурой макроуровня, разработка которого выполнена с использованием математического обеспечения реализации методов машинного обучения, основанных на положениях байесовского подхода. В частности, представленные в статье результаты детального анализа априорных распределений по параметрам моделей с последующим их байесовским сравнением, а также сопряженных апостериорных распределений параметров исследуемых процессов позволяют разрабатывать решения по определению приоритетных направлений ускоренного развития макрологистической инфраструктуры с учетом колебаний основных факторов.

Ключевые слова: логистическая инфраструктура, транспортно-логистические процессы, машинное обучение в логистике, байесовский подход.

Shulzhenko A.O. Predictive management of macrological infrastructure in an unstable economic environment based on machine learning methods

A.O. Shulzhenko - Saint-Petersburg State University, Saint-Petersburg

The article presents developments in predictive management of logistics infrastructure in macrological systems in conditions of high turbulence of the external economic environment, determined by the tightening of the sanctions regime, global slowdown and potential reorientation of foreign economic relations. Global and poorly predictable changes in the parameters of foreign trade cargo flows require the use of adaptive management of logistics infrastructure at the macro level, the development of which is carried out using mathematical support for the implementation of machine learning methods based on the provisions of the Bayesian approach. In particular, the results presented in the article of a detailed analysis of a priori distributions according to the parameters of the models with their subsequent Bayesian comparison, as well as conjugate a posteriori distributions of the parameters of the processes under study, allow us to develop solutions for determining priority areas of accelerated development of the macrological infrastructure, taking into account fluctuations in the main factors.

Keywords: logistics infrastructure, transport and logistics processes, machine learning in logistics, Bayesian approach.