МОДЕЛЮВАННЯ СТАЛОГО РОЗВИТКУ МЕТАЛУРГІЙНИХ ПІДПРИЄМСТВ
Анотація
У статті розглянутий комплексний науково-практичний підхід моделювання екологічної складової сталого розвитку, який ґрунтується на системному поєднанні сталого розвитку на регіональному та мікрорівні (суб’єкт підприємництва), що дає можливість визначити сценарії екологічного забруднення навколишнього середовища стаціонарними джерелами, розрахувати фінансові втрати окремого суб’єкта металургійного сектора від екодеструктивного впливу та реалізувати можливості екологізації. Проаналізовано екологічну складову сталого розвитку металургійних підприємств за допомогою загальностатистичних методів аналізу рядів динаміки. Більш детально акцентовано увагу на встановленні залежності між капітальними інвестиціями та обсягами викидів шкідливих речовин від стаціонарних джерел за допомогою методу 1 МНК (проста економетрична модель). Обґрунтовано формування регресійного еколого-економічного простору Запорізького регіону ґрунтуючись на: абстрактно логічному аналізі, систематизації та комбінуванні, дедукції, індукції, монографічному та порівняльному методі теоретичному узагальненні, графічному підході. Визначено альтернативні сценарії формування шкідливих викидів від стаціонарних джерел ґрунтуючись на стандартних та сучасних спеціальних методах: методі ковзаної середньої, експотенційному моделюванні за допомогою підбору трену; моделі Хольта та Брауна (на мові програмування R). Визначили фінансові втрати доходу металургійних підприємств від викидів стаціонарних джерел на прикладі ПрАТ «Дніпроспецсталь». Запропоновано модель прогнозу фінансових втрат на основі методу Random Forest, всі етапи прогнозу реалізовано в прикладні програмі RStudio. Для переробки твердих відходів металургійних підприємств обґрунтували створення прототип заводу Енергія з технологією високошвидкісного низькотемпературного піролізу твердих побутових відходів. Даний промисловий симбіоз зможе повністю вирішити екологічні проблеми міста, тому що в його основі лежать принципово нові технологічні підходи.
Посилання
Амоша О. Пріоритети розвитку депресивних регіонів. Наукові праці НДФІ. 2012. № 3 (60). С. 50–56.
Андрушків Б. М. Інноваційні засоби формування концепції оцінювання сталого розвитку у системі: підприємство – галузь – регіон – держава (євроінтеграційні аспекти). Український журнал прикладної економіки. 2016. Т. 1. № 2. С. 6–17.
Білопольський М. Г., Турченко Д. К., Харченко В. А. Оцінка розвитку промислового виробництва. Вісник економічної науки України. 2014. № 2. С. 9–12.
Шапуров О. О. Стан інновацій та ефективні механізми розвитку металургійних підприємств. Вісник Одеського національного університету. Серія: «Економіка». 2018. Т. 23. Вип. 5 (70). С. 108–113.
Шапуров О. О. Складові механізму забезпечення інноваційного сталого розвитку промислових підприємств. Причорноморські економічні студії. 2020. Вип. 54. С. 261–272.
Guleryuz D. Forecasting outbreak of COVID-19 in Turkey; Comparison of Box–Jenkins, Brown’s exponential smoothing and long short-term memory models. Process Safety and Environmental Protection. 2021. Vol. 149. P. 927–935. DOI: https://doi.org/10.1016/j.psep.2021.03.032 (дата звернення: 08.11.2023).
Automatic robust estimation for exponential smoothing: Perspectives from statistics and machine learning / D. Barrow et al. Expert Systems with Applications. 2020. Vol. 160. P. 113637.
Hyndman Rob J, Akram Md, Archibald Blyth C. «The Admissible Parameter Space for Exponential Smoothing Models». Annals of the Institute of Statistical Mathematics. 2008. vol.60 (2). P. 407–426.
Breiman, Leo. Random Forests. Machine Learning. 2001. vol.45 (1). P. 5–32.
Копач П. І. Аналіз процесів відходоутворення на виробництвах гірничо-металургійного регіону. Екологія і природокористування. 2012. № 15. С. 118–132.
Рудь І. Д., Савюк І. В., Самчук Л. М. Аналіз кількості утворених відходів машинобудування та металургії на території України. Вісник ТНТУ. Тернопіль : ТНТУ, 2015. Т. 79. № 3. С. 130–136.
Довга Т. М. Впровадження сучасних технологій рециклінгу твердих побутових відходів. Економіка та держава. 2011. № 8. С. 68–71.
Статистичний збірник «Довкілля України» URL: https://ukrstat.gov.ua/druk/publicat/kat_u/publnav_ser_u.htm (дата звернення: 08.11.2023).
Amosha O. (2012). Priorytety rozvytku depresyvnykh rehioniv [Development priorities of depressed regions]. Scientific works of NDFI, vol. 3(60), pp. 50–56. (in Ukrainian)
Andrushkiv B. M. (2016). Innovatsiini zasoby formuvannia kontseptsii otsiniuvannia staloho rozvytku u systemi: pidpryiemstvo – haluz – rehion – derzhava (ievrointehratsiini aspekty) [Innovative means of forming the concept of sustainable development assessment in the system: enterprise – industry – region – state (European integration aspects)]. Ukrainian Journal of Applied Economics, vol. 1, no. 2, pp. 6–17. (in Ukrainian)
Bilopolskyi M. G., Turchenko D. K., Kharchenko V. A. (2014). Otsinka rozvytku promyslovoho vyrobnytstva [Evaluation of the development of industrial production]. Herald of economic science of Ukraine, vol. 2. pp. 9–12. (in Ukrainian)
Shapurov O.O. (2018). Skladovi mekhanizmu zabezpechennia innovatsiinoho staloho rozvytku promyslovykh pidpryiemstv [Components of the mechanism of ensuring of innovative sustainable development of industrial enterprises]. Black Sea Economic Studies, vol. 54, pp. 261–272. (in Ukrainian)
Shapurov O.O. (2018). Stan innovatsii ta efektyvni mekhanizmy rozvytku metalurhiinykh pidpryiemstv [State of innovation and effective mechanisms of development of metallurgical enterprises]. Bulletin of Odessa National University. Series: "Economics", vol. 5, pp. 108–113. (in Ukrainian)
Guleryuz, D. (2021). Forecasting outbreak of COVID-19 in Turkey; Comparison of Box–Jenkins, Brown’s exponential smoothing and long short-term memory models. Process Safety and Environmental Protection, vol. 149, pp. 927–935. DOI: https://doi.org/10.1016/j.psep.2021.03.032
Barrow, D., Kourentzes, N., Sandberg, R., & Niklewski, J. (2020). Automatic robust estimation for exponential smoothing: Perspectives from statistics and machine learning. Expert Systems with Applications, vol. 160, pp. 113637. DOI: https://doi.org/10.1016/j.eswa.2020.113637
Hyndman Rob J, Akram Md, Archibald Blyth C. (2008). «The Admissible Parameter Space for Exponential Smoothing Models». Annals of the Institute of Statistical Mathematics, vol. 60 (2), pp. 407–426.
Breiman, Leo (2001). Random Forests. Machine Learning, vol. 45 (1), pp. 5–32.
Kopach, P. I. (2012). Analiz protsesiv vidkhodoutvorennia na vyrobnytstvakh hirnycho-metalurhiinoho rehionu [Analysis of waste generation processes at industries of the mining and metallurgical region]. Ecology and nature management, vol. 15, pp. 118–132. (in Ukrainian)
Rud I. D., Savyuk I. V., Samchuk L. M. (2015). Analiz kilkosti utvorenykh vidkhodiv mashynobuduvannia ta metalurhii na terytorii Ukrainy [Analysis of the amount of machine-building and metallurgy waste generated on the territory of Ukraine]. Bulletin of TNTU, vol. 79, no. 3, pp. 130–136. (in Ukrainian)
Dovga T. M. (2011). Vprovadzhennia suchasnykh tekhnolohii retsyklinhu tverdykh pobutovykh vidkhodiv [Implementation of modern technologies of solid household waste recycling]. Economy and the state, vol. 8, pp. 68–71. (in Ukrainian)
Statystychnyi zbirnyk «Dovkillia Ukrainy» [Statistical collection «Environment of Ukraine»]. Available at: https://ukrstat.gov.ua/druk/publicat/kat_u/publnav_ser_u.htm (accessed: 08.11.2023).
