Prediction of the unemployed number in the region: Development of criteria for the model

Abstract

Безработица является важной проблемой в современном мире. Это также важный фактор, связанный с экономическим развитием общества. В данной работе рассмотрены различные модели для прогнозирования числа безработных. Сначала рассматриваются модели, основанные на сглаживании, затем авторегрессионные модели, и наконец модели, основанные на применении нейронных сетей, такие как: многослойный перцептрон и рекуррентная нейронная сеть. В результате было получено, что рекуррентные нейронные сети и модель авторегрессии-скользящего среднего достаточно точно прогнозируют число безработных.

Unemployment is an important problem in the modern world. This is also an important factor associated with the economic development of society. In this paper, I consider various models for forecasting the number of unemployed. First, I consider models based on smoothing, then autoregressive models, and finally models based on neural networks, such as: a multilayer perceptron and a recurrent neural network. As a result, it was found that the recurrent neural networks and the autoregressive-moving average model quite accurately predict the number of unemployed.