Прогнозування залежності рівня захворюваності населення міста Кривий Ріг від впливу техногенного забруднення

• Published in: Економiчний часопис-XXI
• Date: 2012
• Main Author: Антонюк, О.П.
• Format: Article
• Language: Ukrainian
• Published: Інститут світової економіки і міжнародних відносин НАН України 2012
• Subjects: Економіка природокористування та охорони навколишнього середовища
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/48199
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Прогнозування залежності рівня захворюваності населення міста Кривий Ріг від впливу техногенного забруднення / О.П. Антонюк // Економiчний часопис-XXI. — 2012. — № 1-2. — С. 59-65. — Бібліогр.: 7 назв. — укp.

Розроблено економіко-математичні моделі для прогнозування рівня захворюваності населення міста Кривий Ріг залежно від різних видів забруднення навколишнього природного середовища у вигляді регресійних моделей із змістовними обмеженнями на параметри,що використовують апріорну інформацію. Визначено якість і прогнозні властивості побудованих моделей, проаналізовано отримані результати,що дозволило скласти прогноз із похибкою,що не перевищує 10%. Разработаны экономико-математические модели для прогнозирования уровня заболеваемости населения города Кривой Рог в зависимости от различных видов загрязнения окружающей среды в виде регрессионных моделей с содержательными ограничениями на параметры, использующие априорную информацию. Определены качество и прогнозные свойства построенных моделей, проанализированы полученные результаты, что позволило составить прогноз с ошибкой, не превышающей 10%. The economic and mathematical models have been developed to predict the morbidity level of Kryvyi Rig City population dependently upon different pollution types in the form of regression models with substantial constraints on the parameters using a priori information. By the quality and forward-looking properties of the constructed models have been determined, the results have been analyzed, which allowed for the prediction with an error not exceeding 10%.