Текущее состояние. В области стратегического планирования обострилась потребность в достаточно легко воспроизводимой модели регионального прогнозирования, включающей в себя текущие тенденции, тренды и риски регионального развития, а также предоставляющей конкретные сценарии в зависимости от принимаемых государственных мер.

Представленный в работе авторами обзор литературы показывает, что большинство старых систем проверены на реальных массивах данных и демонстрируют свою эффективность. Однако они сложно воспроизводимы, так как используют нейросетевые алгоритмы, требуют точной настройки для каждого конкретного случая и не могут быть унифицированы для прогнозирования сразу нескольких показателей. Некоторые модели также не учитывают дальнейшее планирование стратегии, обычно следующее за процессом прогнозирования.

Решаемая научная проблема. Основной идеей статьи стало формирование модели прогнозирования, учитывающей риски, связанные с развитием АЗРФ, а также влияние аспектов технологического прогресса и региональной политики на прогнозные значения.

Поставленные задачи включали:

- оценку существующих подходов к прогнозированию, выявление их сильных и слабых сторон для создания гибридного метода;

- поиск KPI регионального развития;

- оценку степени влияния сопутствующих факторов;

- моделирование с учетом вышеперечисленных факторов.

Методы исследования. Авторский подход представляет из себя комбинацию существующих и широко используемых методов. Для определения рисков и ответных мер использовались классификации PESTEL и КУРО соответственно. PESTEL была усовершенствована за счет добавления динамики изменения рисков во времени. Годы реализации мер и степень данной реализации также были интегрированы в подход КУРО. Метод Дельфи использовался для систематизации сбора экспертных мнений в двух опросах, направленных на ранжирование рисков и определение степени их влияния на ряд факторов. К ним относятся меры, классифицированные по КУРО, и кейсы компаний. Для получения объективных результатов полученные значения коэффициентов в обоих случаях были усреднены. В процессе отбора разнонаправленных технологических инноваций для их попарного сравнения использовался метод иерархий. В стандартном случае он применяется для субъективного сравнения решений стратегических задач. При рассмотрении технологических подходов баллы присваивались на основе числовых показателей их эффективности.

Детали исследования. Основные прогнозные величины, полученные в результате моделирования, имеют следующие диапазоны с учетом различных сценариев:

- Общий объем перевозок по СМП к 2035 году – 121,99-143 млн т/год (при целевом значении 220 млн т в год);

- Выброс СО2-экв. к 2035 году – 73,9-74,22 млн т СО2-экв./год;

- Навигационный период по СМП – 183-194 сут./год;

- Суммарная добыча – 1389,18-1432,35 т у.т./год;

- Удельный расход топлива на электроэнергию – 111,73-113,27 г у.т./кВт*ч;

- Удельный расход топлива на тепловую энергию – 0,45-0,47 г у.т./Гкал;

- Среднее соотношение количества и мощности ледоколов – 0,01-0,0123 шт./МВт (целевой показатель – 0,0131 шт./МВт).

На основе составленных авторами формул также проводилось ранжирование компаний по их присутствию в АЗРФ (см. рис. 1). Среди рассмотренных отечественных и зарубежных компаний лидерами по количеству актуальных кейсов стали (в порядке убывания) ПАО «Газпром», ПАО «Россети», ГК «Росатом», НК «Роснефть» и ООО «Империум».

Заключение. В рамках исследования авторы описали подход к комплексной оценке текущего экономического, геополитического, технологического и социального потенциала АЗРФ. Он позволил смоделировать развитие страны в контексте трех сценариев с 2015 по 2035 год путем структурного сочетания широкого спектра методов анализа данных.

Модель основана на статистических данных, а для их прогнозирования в динамике используются стандартные апробированные методы регрессионного анализа.

Предложенный авторами подход является универсальным, так как подходит для анализа развития любой неоднородной территории: разделение на АТПК и определение основных прогнозных значений носит экспертный характер и легко адаптируется.