Научный архив: статьи

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК ПОМОЩНИК ДЛЯ ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ПОСЛЕДСТВИЙ ЧС (2026)

Исследование посвящено обоснованию и апробации концепции интеллектуального ассистента на базе искусственного интеллекта, предназначенного для оперативной оценки прямых и косвенных экономических потерь при чрезвычайных ситуациях. Показаны недостатки традиционных эконометрических и нормативных подходов, неспособных адекватно отразить каскадное распространение ущерба. Возрастающая частота и разрушительность чрезвычайных ситуаций природного, техногенного и биолого-социального характера диктуют необходимость перехода к проактивным, высокоточным инструментам оценки экономического ущерба. Традиционные эконометрические и нормативные методики демонстрируют запаздывающую реакцию и неспособность адекватно отражать сложные каскадные эффекты, распространяющиеся по хозяйственным системам.

Цель исследования - концептуальное обоснование и экспериментальная верификация модели искусственного интеллекта в роли «интеллектуального помощника» для оперативного прогнозирования прямых и косвенных экономических потерь. В работе систематизированы существующие подходы к анализу ущерба, выявлены их ограничения, и предложена гибридная нейросетевая архитектура ECON-RISK-NET, интегрирующая три компонента: графовую сеть с механизмом внимания для пространственно-временного моделирования распространения поражающих факторов; семантический трансформер, обрабатывающий неструктурированную текстовую информацию; и эконометрический корректор, компенсирующий макроэкономические искажения. Экспериментальная база включает синтезированный датасет из 10 000 гипотетических событий (наводнения, промышленные аварии, комплексные климатические явления) с более чем 1,2 млн записей, включающих физические параметры, картографию хозяйственной инфраструктуры и динамические ряды потерь.

Результаты демонстрируют снижение средней абсолютной процентной ошибки прогноза совокупного ущерба до 15,2 %, что почти вдвое превосходит показатель нормативной модели (42,3 %). Выявлено, что архитектура эффективно локализует «горячие точки» вторичного ущерба (F1-мера 0,78) и адаптируется к неструктурированным входным данным. Обсуждаются ограничения, связанные с синтетической природой данных, непрозрачностью глубоких сетей и необходимостью учёта макроэкономических обратных связей. Определены перспективы: федеративное обучение, интеграция методов объяснительного искусственного интеллекта и развитие человеко-машинных интерфейсов. Работа вносит вклад в методологию экономики катастроф и обосновывает возможность создания программных комплексов поддержки принятия решений для антикризисных штабов.