Intelligent Analysis of Spatial Data for Forecasting Socio-Economic and Environmental Processes
DOI:
https://doi.org/10.52575/2687-0932-2026-53-1-179-190Keywords:
data processing, AI, hybrid modeling, deep learning, geostatistics, socio-economic forecasting, environmental monitoring, multiscale analysis, machine learning, GISAbstract
The article proposes a hybrid model of spatiotemporal forecasting (HMSF) that integrates geostatistical methods with deep learning architectures for analyzing socio-economic and environmental processes. The model takes into account spatial autocorrelations, multiscale dependencies, and nonlinear interactions between variables. A study was conducted on the data of the regions of the Russian Federation for the period 2015-2023 using 24 indicators. The results show that the GMVP provides a reduction in the standard deviation of the forecast compared with traditional methods and with modern neural network analogues. The proposed approach makes it possible to increase the accuracy of forecasting the level of poverty, the environmental quality index and migration flows.
Downloads
References
Список литературы
Абселямов А.А., Маслова М.А. 2024. Алгоритмы машинного обучения в интеллектуальном анализе данных. Проблемы проектирования, применения и безопасности информационных систем в условиях цифровой экономики: Материалы XXIII Международной научно-практической конференции, Ростов-на-Дону, 25–26 ноября 2024 года. Ростов-на-Дону: Ростовский государственный экономический университет (РИНХ), 2024. С. 230–237.
Акинина Н.В., Курагин А.В., Колесенков А.Н., Костров Б.В. 2023. Разработка картографических веб-приложений на основе геоинформационных технологий. Телекоммуникации, 2: 23–31.
Бекирова Э.А., Бекирова М.Э. 2023. Экономический анализ данных и прогнозирование с использованием методов машинного обучения. Ученые записки Крымского инженерно-педагогического университета, 2(80): 49–53.
Евдокимова Е.Н., Куприянова М.В., Соловьева И.П., Симикова И.П. 2022. Математическое моделирование процесса цифровизации экономических систем. Вестник Рязанского государственного радиотехнического университета, 81: 65–71. DOI 10.21667/1995-4565-2022-81-65-71. EDN NLNTPT
Колесенков А.Н. 2022. Методы, модели, алгоритмы, методики и информационные технологии анализа, обработки и синтеза аэрокосмических изображений для информационно-аналитических систем регионального уровня: специальность 05.13.17 «Теоретические основы информатики»: диссертация на соискание ученой степени доктора технических наук / Колесенков Александр Николаевич, 337 с.
Корячко В.П., Викулин С.Д. 2025. Применение методов машинного обучения для классификации материалов на основе их ключевых характеристик. Вестник Рязанского государственного радиотехнического университета, 92: 132–145. DOI 10.21667/1995-4565-2025-92-132-145. EDN HSAQVN
Красовская Л.В., Пчелинцева С.В., Кукарцев В.В. 2024. Алгоритмы машинного обучения для интеллектуальных систем на основе нечетких семантических сетей в условиях неопределенности. Москва: Российский государственный аграрный университет, 86 с.
Кузнецов А.М. 2024. Архитектура модуля прогнозирования в информационно-аналитической системе социологических исследований. Вестник Рязанского государственного радиотехнического университета, 90: 77–90. DOI 10.21667/1995-4565-2024-90-77-90. EDN DUPAVU
Куманькин Д.С., Ямашкин С.А. 2024. Оркестрация моделей машинного обучения для решения задач анализа пространственных данных. Управление развитием крупномасштабных систем (MLSD'2024): Труды Семнадцатой международной конференции, Москва, 24–26 сентября 2024 года. Москва: Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук, 2024. С. 1117–1123.
Несова А.В., Колесенков А.Н. 2025. Комбинированный метод сегментации изображений на основе алгоритмов SLIC и Random forest для мониторинга лесных массивов по данным ДЗЗ. Вестник Донецкого национального университета. Серия Г: Технические науки, 2: 101–109.
Орлова Е.В. 2023. Интеллектуальный анализ данных организационных систем на основе методов машинного обучения. Интеллектуальная инженерная экономика и индустрия 5.0 (ЭКОПРОМ): Сборник трудов Международной научно-практической конференции, Санкт-Петербург,
–18 ноября 2023 года. Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023. С. 690–693.
Петренко Д.С. 2024. Прогнозирование траекторий инновационного развития регионов России с применением пространственного моделирования и интеллектуального анализа больших данных. Экономика: вчера, сегодня, завтра, 14(9-1): 54–65.
Aqil I.A. 2025. Machine Learning and Deep Learning – enhanced production Decline Curve Analysis for impvoded oil recovery forecasting. Universum: технические науки. 6-9(135): 54–57.
Gusev S.I., Kolesenkov A.N. 2025. Geoinformation system architecture for complex analysis of hydrometeorological data. Международная научно-практическая конференция: Инновационные методы математики и физики в экологических и гидрометеорологических исследованиях. Санкт-Петербург, 04 апреля 2025 года. С. 249–254.
Md Fakhrul Islam Sumon, Md Osiujjaman, Md Azam Khan et al. 2024. Environmental and Socio-Economic Impact Assessment of Renewable Energy Using Machine Learning Models. Journal of Economics, Finance and Accounting Studies. 6(5): 112–122. DOI 10.32996/jefas.2024.6.5.13
Moursi A., Aboumadi A., Qidwai U. 2025. AI-Based Breast Cancer Detection System: Deep Learning and Machine Learning Approaches for Ultrasound Image Analysis. Information (Switzerland). 16(4): P. 278. DOI 10.3390/info16040278
Nadeem A., Hanif M.F., Naveed M.S. et al. 2024. AI-Driven precision in solar forecasting: Breakthroughs in machine learning and deep learning. AIMS Geosciences. 10(4): 684–734. DOI 10.3934/geosci.2024035
Naga Raju K., Nandan Mohanty S. 2025. Improving prediction of depression an analytical comparison between hybrid AI, machine learning and deep learning approaches. Proceedings on Engineering Sciences, 7(1): 459–472. DOI 10.24874/pes07.01d.003
Ulyanov S.V., Reshetnikov A.G., Zrelova D.P. 2023. IT Modeling of Self-Organizing Intelligent Controllers Based on Quantum Deep Machine Learning. Modern Information Technologies and IT-Education, 19(2): 365–380.
Zhang D., Tang N., Dong W., Zhao Lu. 2025. Machine Learning-Based Financial Big Data Analysis and Forecasting: From Preprocessing to Deep Learning Models. Applied and Computational Engineering, 116(1): 79–85. DOI 10.54254/2755-2721/116/20251731
References
Abseljamov A.A., Maslova M.A. 2024. Algoritmy mashinnogo obuchenija v intellektual'nom analize dannyh [Machine learning algorithms in data mining]. Problemy proektirovanija, primenenija i bezopasnosti informacionnyh sistem v uslovijah cifrovoj jekonomiki: Materialy XXIII Mezhdunarodnoj nauchno-prakticheskoj konferencii, Rostov-na-Donu, 25–26 nojabrja 2024 goda. Rostov-na-Donu: Rostovskij gosudarstvennyj jekonomicheskij universitet (RINH), 2024. P. 230–237.
Akinina N.V., Kuragin A.V., Kolesenkov A.N., Kostrov B.V. 2023. Development of cartographic web-applications based on geoinformation technologies. Telecommunications, 2: 23–31 (in Russian).
Bekirova E.A., Bekirova M.E. 2023. Economic data analysis and forecasting using machine learning methods. Scientific notes of the Crimean Engineering and Pedagogical University, 2(80): 49–53 (in Russian).
Evdokimova E.N., Kupriyanova M.V., Soloviova I.P., Simikova I.P. 2022. Mathematical modeling of digitalization process in economic systems. Bulletin of the Ryazan State Radio Engineering University, 81: 65–71 (in Russian). DOI 10.21667/1995-4565-2022-81-65-71
Kolesenkov A.N. 2022. Metody, modeli, algoritmy, metodiki i informacionnye tehnologii analiza, obrabotki i sinteza ajerokosmicheskih izobrazhenij dlja informacionno-analiticheskih sistem regional'nogo urovnja [Methods, models, algorithms, techniques, and information technologies for the analysis, processing, and synthesis of aerospace images for regional-level information and analytical systems]: special'nost' 05.13.17 "Teoreticheskie osnovy informatiki": dissertacija na soiskanie uchenoj stepeni doktora tehnicheskih nauk / Kolesenkov Aleksandr Nikolaevich, 2022. 337 p.
Koryachko V.P., Vikulin S.D. 2025. Application of machine learning methods to classify materials based on their key characteristics. Bulletin of the Ryazan State Radio Engineering University, 92: 132–145
(in Russian). DOI 10.21667/1995-4565-2025-92-132-145
Krasovskaja L.V., Pchelinceva S.V., Kukarcev V.V. 2024. Algoritmy mashinnogo obuchenija dlja intellektual'nyh sistem na osnove nechetkih semanticheskih setej v uslovijah neopredelennosti [Machine learning algorithms for intelligent systems based on fuzzy semantic networks in conditions of uncertainty]. Moskva: Rossijskij gosudarstvennyj agrarnyj universitet, 86 p.
Kuman'kin D.S., Jamashkin S.A. Orkestracija modelej mashinnogo obuchenija dlja reshenija zadach analiza prostranstvennyh dannyh [Orchestration of machine learning models for solving spatial data analysis problems]. Upravlenie razvitiem krupnomasshtabnyh sistem (MLSD'2024): Trudy Semnadcatoj mezhdunarodnoj konferencii, Moskva, 24–26 sentjabrja 2024 goda. – Moskva: Federal'noe gosudarstvennoe bjudzhetnoe uchrezhdenie nauki Institut problem upravlenija im. V.A. Trapeznikova Rossijskoj akademii nauk, 2024. P. 1117–1123.
Nesova A.V., Kolesenkov A.N. 2025. Combined approach based on slic method and random forest algorithm for monitoring forests using earth remote sensing data. Bulletin of Donetsk National University. Series G: Technical Sciences, 2: 101–109 (in Russian).
Orlova E.V. 2023. Intelligent data analysis in organisational systems based on machine learning methods. Intelligent Engineering Economics and Industry 5.0 (ECOPROM): Proceedings of the International Scientific and Practical Conference, St. Petersburg, November 17–18, 2023. Saint Petersburg: POLYTECH PRESS, 2023, pp. 690–693 (in Russian).
Petrenko D.S. 2024. Forecasting the trajectories of innovation development in Russian regions using spatial modeling and big data analytics. Economics: yesterday, today, tomorrow, 14(9-1): 54–65 (in Russian).
Aqil I.A. 2025. Machine Learning and Deep Learning – enhanced production Decline Curve Analysis for impvoded oil recovery forecasting. Universum: technical sciences, 6-9(135): 54–57.
Gusev S.I., Kolesenkov A.N. 2025. Geoinformation system architecture for complex analysis of hydrometeorological data. International Scientific and Practical Conference: Innovative Methods of Mathematics and Physics in Environmental and Hydrometeorological Research. St. Petersburg, April 4, 2025. P. 249–254.
Md Fakhrul Islam Sumon, Md Osiujjaman, Md Azam Khan et al. 2024. Environmental and Socio-Economic Impact Assessment of Renewable Energy Using Machine Learning Models. Journal of Economics, Finance and Accounting Studies, 6(5): 112–122. DOI 10.32996/jefas.2024.6.5.13
Moursi A., Aboumadi A., Qidwai U. 2025. AI-Based Breast Cancer Detection System: Deep Learning and Machine Learning Approaches for Ultrasound Image Analysis. Information (Switzerland). 16(4): P. 278. DOI 10.3390/info16040278
Nadeem A., Hanif M.F., Naveed M.S. et al. 2024. AI-Driven precision in solar forecasting: Breakthroughs in machine learning and deep learning. AIMS Geosciences. 10(4): 684–734. DOI 10.3934/geosci.2024035
Naga Raju K., Nandan Mohanty S. 2025. Improving prediction of depression an analytical comparison between hybrid AI, machine learning and deep learning approaches. Proceedings on Engineering Sciences, 7(1): 459–472. DOI 10.24874/pes07.01d.003
Ulyanov S.V., Reshetnikov A.G., Zrelova D.P. 2023. IT Modeling of Self-Organizing Intelligent Controllers Based on Quantum Deep Machine Learning. Modern Information Technologies and IT-Education, 19(2): 365–380.
Zhang D., Tang N., Dong W., Zhao Lu. 2025. Machine Learning-Based Financial Big Data Analysis and Forecasting: From Preprocessing to Deep Learning Models. Applied and Computational Engineering, 116(1): 79–85. DOI 10.54254/2755-2721/116/20251731
Abstract views: 0
Share
Published
How to Cite
Issue
Section
Copyright (c) 2026 Economics. Information Technologies
This work is licensed under a Creative Commons Attribution 4.0 International License.
