CC BY
23
УДК 303.732.4
ОПЕРАТИВНОЕ ПРОГНОЗИРОВАНИЕ ТРЕНДОВ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ МНОГООТРАСЛЕВОЙ КОРПОРАЦИИ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА (часть 2-я: синтез и верификация модели)1
Луценко Евгений Вениаминович д.э.н., к.т.н., профессор
Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, prof.lutsenko@gmail. com
Лойко Валерий Иванович заслуженный деятель науки РФ, д.т.н., профессор
Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, loyko@kubagro. т
Макаревич Лилия Олеговна соискатель
НОУ ВПО "Санкт-Петербургский институт внешнеэкономических связей, экономики и права", филиал в г. Краснодаре, Россия
В статье описывается процедура синтеза четырех моделей корпорации, отличающихся частными критериями взаимосвязи между трендами прошлых показателей предприятий, входящих в корпорацию и будущими состояниями корпорации в целом, производится верификация всех частных моделей с использованием двух интегральных критериев, осуществляется прогнозирование будущих состояний корпорации по их системе детерминации
Ключевые слова: СИСТЕМНЫЙ ПОДХОД, СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, МНОГООТРАСЛЕВАЯ КОРПОРАЦИЯ, ПРОГНОЗИРОВАНИЕ, СЕМАНТИЧЕСКАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ
UDC 303.732.4
ON-LINE FORECASTING OF THE TRENDS OF ECONOMICAL INDEXES OF DIVERSIFIED CORPORATION WITH APPLICATION OF PROCESS ENGINEERINGS OF ARTIFICIAL INTELLIGENCE (part 2: synthesis and model verification)
Lutsenko Eugeny Veniaminovich Dr.Sci.Econ., Cand.Tech.Sci., professor
Kuban State Agrarian University, Krasnodar, Russia
Loiko Valery Ivanovich
deserved scientist of the Russian Federation,
Dr.Sci.Tech., professor
Kuban State Agrarian University, Krasnodar, Russia
Makarevich Lilija Olegovna competitor
St.-Petersburg institute of foreign economic relations, economy and law, branch in Krasnodar, Krasnodar, Russia
In this article, the routine of synthesis of four models of the corporation, different by frequent measure of correlation between past indexes of the factories entering into corporation and the future statuses of corporation as a whole is featured, verification of all private models with utilization of two integral measure is fabricated, forecasting of the future statuses of corporation on their system of determination is performed
Keywords: SYSTEMIC APPROACH, SYSTEMIC-COGNITIVE ANALYSIS, SYSTEMS APPROACH, DIVERSIFIED CORPORATION, FORECASTING, SEMANTIC INFORMATION MODEL
Данная статья является продолжением статьи [1]. Рассмотрим в ней последующие этапы АСК-анализа: 3) синтез и верификация (оценка степени адекватности) модели; 4) решение задачи прогнозирования значений экономических показателей многоотраслевой корпорации, рассмотрению которых посвящена работа.
1 Работа выполнена при поддержке гранта РФФИ №11-06-96508-р_юг_ц, № Гос.рег.НИР: 01201172967
3. Синтез и верификация (оценка степени адекватности) модели.
Данный этап автоматизированного системно-когнитивного анализа предметной области в системе «Эйдос» может быть выполнен, в частности, с помощью режима _25, который обеспечивает [2, 3, 4]:
- синтез четырех моделей баз знаний, отличающихся видом частного критерия для количественной меры знаний;
- оценку достоверности каждой модели знаний с помощью двух интегральных критериев: суммы знаний и корреляции конкретного образа объекта исследуемой выборки с обобщенным образом класса в базе знаний.
В результате работы данного режима формируется 4 базы знаний, приведенные в таблицах 1, 2, 3 и 4, а также оценка их достоверности, установленная путем прогнозирования трендов значений показателей многоотраслевой корпорации по ретроспективным данным, т.е. по исходной выборке (таблица 5).
Таблица 1 - БАЗА ЗНАНИЙ, МЕРА ЗНАНИЙ - КЛАССИЧЕСКИЙ ЧАСТНЫЙ
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 -75 109 -75 109 -288 38 97 165 -281 109 -428 -71 353
2 309 -161 -10 309 -161 -10 271 26 -293 199 -106 131 -111 138
3 -139 165 -45 -139 165 -45 -53 -26 33 101 5 -34 48 74 -609 279
4 -75 109 -75 109 -288 38 97 165 -281 109 -428 -71 353
5 371 -98 -43 371 -98 -43 333 -35 -230 262 -218 193 -223 201
6 -439 165 -13 -439 165 -13 -177 15 33 101 -46 7 -18 106 -609 279
7 -162 -32 22 -162 -32 22 -75 30 10 79 -192 89 -40 -157 267
8 192 -102 -13 192 -102 -13 154 -91 65 133 -14 -2 138 -7 -278 91
9 169 20 169 20 153 -263 230 -250 219 -131 362
10 86 108 86 108 -127 45 83 27 55 -29 -92 -113 311
11 -22 173 -71 -22 173 -71 64 -43 -25 43 -8 -13 48 48 -368 221
12 160 160 292 284 279
13 18 -7 -2 18 -7 -2 8 -11 15 38 -13 5 5 -0 -7 41
14
15 160 160 292 369 279
16 160 160 292 369 279
17 -197 28 12 -197 28 12 -111 -43 150 43 -104 53 -76 -18 107 1
18 297 -48 -51 297 -48 -51 208 15 -479 63 91 -72 68 69 -347 145
19 160 160 292 369 279
20 -57 72 -22 -57 72 -22 29 -78 115 183 -88 19 13 -53 72 -34
21 162 -307 46 162 -307 46 -51 121 -440 131 -32 -16 108 -308 185
22 160 160 292 69 -15 279
23 15 66 -34 15 66 -34 23 -47 79 -219 71 -54 28 86 -629 38
24 52 -118 33 52 -118 33 14 12 -75 293 -153 62 -1 -243 356 75
25 399 -16 399 -16 186 117 640 194 346 -195
В столбцах таблиц 1-4 приведены коды классов, соответствующих будущим значениями трендов показателей многоотраслевой корпорации (таблица 6 работы [1]), а в строках - коды значений факторов (значений показателей предприятий, таблица 7 работы [1]), обусловливающих эти тренды показателей. В таблицах 1-4 приводятся лишь фрагменты баз знаний, т.к. их размерность составляет 30 столбцов на 792 строки.
Таблица 2 - БАЗА ЗНАНИЙ, МЕРА ЗНАНИЙ - МОДИФИЦИРОВАННЫЙ ЧАСТНЫЙ КРИТЕРИЙ А.А.ХАРКЕВИЧА (ФРАГМЕНТ)
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 -236 331 -236 385 -914 160 211 501 -914 349 -1374 -236
2 1046 -439 -65 1046 -439 -11 953 120 -1091 690 -369 494 -369
3 -452 648 -184 -452 648 -130 -130 -56 -4 285 40 -130 218 249
4 -236 331 -236 385 -914 160 211 501 -914 349 -1374 -236
5 1256 -230 -177 1256 -230 -123 1162 -86 -882 899 -745 703 -745
6 -1452 648 -77 -1452 648 -23 -545 82 -4 285 -130 8 -4 356
7 -526 -11 41 -526 -11 96 -204 133 -78 211 -619 282 -78 -526
8 656 -245 -77 656 -245 -22 562 -270 103 393 -22 -22 518 -22
9 662 36 662 90 543 -991 791 -853 732
10 301 328 301 382 -377 183 164 38 208 -114 -251 -377
11 -60 677 -271 -60 677 -217 262 -112 -198 92 -2 -60 217 162
12 501 555 1008 934 934
13 74 74 -37 74 74 17 74 -4 -64 74 -20 -0 74 -0
14
15 501 555 1008 1256 934
16 501 555 1008 1256 934
17 -645 191 9 -645 191 64 -323 -112 387 92 -323 162 -198 -60
18 1008 -63 -203 1008 -63 -149 745 82 -1715 160 330 -255 285 230
19 501 555 1008 1256 934
20 -176 338 -107 -176 338 -52 146 -228 271 561 -269 46 101 -176
21 555 -930 122 555 -930 177 -123 436 -1582 462 -123 3 362
22 501 555 1008 256 -66 934
23 66 317 -145 66 317 -90 125 -123 151 -782 262 -197 151 288
24 189 -296 78 189 -296 133 96 71 -363 926 -489 189 52 -811
25 1349 -84 1349 -30 671 423 2086 671 1211 -651
26 56 155 -55 56 155 -1 185 -63 88 -1207 185 -37 -82 56
27 155 208 155 262 300 -497 1378 641 -497 226
28 131 231 -132 131 231 -77 261 13 -199 -132 261 -284 316 219
29 -137 430 -137 485 -815 -63 311 -815 671 -1274 -1137
30 2448 2448 1008 3671 934
31 501 555 1008 -329 349 934
32 -590 436 -590 491 -1268 -516 1080 147 -2268 732 -1727 -5
33 72 809 -361 72 809 -306 394 146 -1065 224 510 -705 520 -53
34
35
36 1934 -499 1934 -445 1256 8 1256 1796
37 501 555 745 -789 -329 349 -66
38 -1545 -446 270 -1545 -446 324 -2223 114 487 192 -416 262 -1683 542
39 1934 1448 1934 1448 2063 -1992 671 840 -2066 1796
40 474 363 474 418 -204 548 -663 1211 -204 59 337 -526
41 -577 -2063 312 -577 -2063 366 -1255 -44 455 -255 330 -1130 330
42 126 1963 -2307 126 1963 -2252 1448 -215 863 770 -1874 1311 -874
43 -539 -287 144 -539 -287 198 -480 120 61 -1387 105 46 -454 198
44 2349 863 2349 863 1671 -577 3086 -651 1796
45 2448 2448 2256 1256 1796
46 501 555 423 211 -914 571 -236
47 777 777 -519 777 777 -464 777 114 -1683 777 477 -738 777 -223
48 501 555 -1314 1474 -1066 612 934
49 501 555 423 211 -914 571 -236
50 777 777 -519 777 777 -464 777 114 -1683 777 477 -738 777 -223
Таблица 3 - БАЗА ЗНАНИИ, МЕРА ЗНАНИИ - РАЗНОСТЬ ФАКТИЧЕСКОГО И ТЕОРЕТИЧЕСКОГО ЗНАЧЕНИЙ ХИ-
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 -190 -1764 1780 -190 -1764 1780 -949 422 604 318 -1832 1341 -1695 -713
2 1022 -450 -114 1022 -450 -114 1398 236 -970 -561 1849 -831 784 -876
3 -762 1904 -1444 -762 1904 -1444 -525 -631 436 417 100 -820 742 2054
4 -190 -1764 1780 -190 -1764 1780 -949 422 604 318 -1832 1341 -1695 -713
5 1154 -254 -423 1154 -254 -423 1614 -255 -704 -485 2275 -1313 1084 -1352
6 -1762 1904 -444 -1762 1904 -444 -1525 369 436 417 -900 180 -259 3054
7 -454 -156 398 -454 -156 398 -382 405 72 167 -1684 1305 -294 -1761
8 1436 -802 -408 1436 -802 -408 1800 -1868 836 530 -261 -43 2191 -160
9 -912 648 231 -912 648 231 -1494 1490 -837 -523 2062 -1572 -2066 2386
10 361 -2430 2430 361 -2430 2430 -685 693 699 61 720 -419 -713 -1494
11 -159 2316 -2518 -159 2316 -2518 825 -1157 -362 189 -177 -373 843 1483
12 -132 -196 309 -132 -196 309 -217 491 -266 -76 -426 482 -299 476
13 202 -115 -87 202 -115 -87 141 -464 337 250 -458 208 130 -11
14
15 -132 -196 309 -132 -196 309 -217 491 -266 -76 574 -518 -299 476
16 -132 -196 309 -132 -196 309 -217 491 -266 -76 574 -518 -299 476
17 -1159 316 482 -1159 316 482 -1175 -1157 2638 189 -2177 1627 -1157 -517
18 1493 -234 -879 1493 -234 -879 1532 201 -2035 136 1146 -902 586 1030
19 -132 -196 309 -132 -196 309 -217 491 -266 -76 574 -518 -299 476
20 -423 924 -900 -423 924 -900 392 -2174 2105 1038 -2029 592 244 -1564
21 625 -1038 812 625 -1038 812 -252 1710 -1769 -788 1571 -384 -114 1553
22 -264 -392 618 -264 -392 618 -433 983 -532 -152 148 -35 -599 953
23 105 708 -1135 105 708 -1135 258 -1140 1170 -659 1674 -1338 442 2531
24 229 -626 739 229 -626 739 99 184 -567 985 -1706 1063 -13 -3018
25 603 -588 -73 603 -588 -73 350 474 -799 773 723 -1553 1102 -571
26 114 238 -319 114 238 -319 635 -955 1174 -1227 1481 -220 -804 603
27 -648 40 614 -648 40 614 -1061 508 -304 629 -2087 1463 -467 434
28 312 532 -1282 312 532 -1282 959 -192 -427 -114 2119 -2444 1645 2388
29 -110 -1646 2195 -110 -1646 2195 -819 -273 764 -636 -1577 2651 -1515 -2399
30 -132 804 -691 -132 804 -691 -217 491 -266 924 -426 -518 -299 476
31 -397 -588 927 -397 -588 927 -650 1474 -799 -227 -278 447 -898 1429
32 -520 -2254 3052 -520 -2254 3052 -1490 -1850 3939 129 -3897 4047 -2444 -23
33 119 2727 -3066 119 2727 -3066 1280 911 -2803 348 3717 -4286 2472 -417
34
35
36 736 -392 -382 736 -392 -382 567 -17 -532 -152 1148 -1035 1401 -1047
37 -793 -1176 1853 -793 -1176 1853 -1299 1948 -597 -455 -555 894 -1797 -142
38 -1948 -1371 3588 -1948 -1371 3588 -3828 657 3064 311 -2496 2455 -4678 5321
39 2943 2432 -5529 2943 2432 -5529 5268 -3069 -2130 394 2593 -3142 5604 -4190
40 273 -1078 1199 273 -1078 1199 -191 1202 -464 583 -342 153 353 -880
41 -1014 -3469 4243 -1014 -3469 4243 -2936 -597 2931 -1727 -1709 3197 -3827 3059
42 75 3628 -3838 75 3628 -3838 2484 -561 -1863 470 2019 -2624 2904 -1666
43 -1401 -1527 2986 -1401 -1527 2986 -2210 1062 1135 -1523 820 761 -2972 2560
44 1603 412 -2073 1603 412 -2073 1350 -526 -799 1773 -1278 -553 2102 -1571
45 -132 804 -691 -132 804 -691 783 -509 -266 -76 574 -518 701 -524
46 -1190 -1764 2780 -1190 -1764 2780 -1949 1422 604 -682 -1832 2341 -2695 -713
47 2053 2629 -4412 2053 2629 -4412 3172 657 -3936 1311 3504 -4545 4322 -1679
48 -661 -980 1544 -661 -980 1544 -1083 -1543 2669 -379 -1129 1412 -1497 2381
49 -1190 -1764 2780 -1190 -1764 2780 -1949 1422 604 -682 -1832 2341 -2695 -713
50 2053 2629 -4412 2053 2629 -4412 3172 657 -3936 1311 3504 -4545 4322 -1679
51 -793 -1176 1853 -793 -1176 1853 -1299 -2052 3403 -455 -1555 1894 -1797 2858
52 -1256 -1862 3434 -1256 -1862 3434 -2057 2168 471 -720 -2045 3082 -1845 25
53 -1824 1295 463 -1824 1295 463 -1988 2981 -1674 -45 2124 -2144 -2132 1773
54 3282 452 -3984 3282 452 -3984 4185 -4613 539 1015 464 -1730 4107 -1808
55 -859 -1274 2508 -859 -1274 2508 -1407 2694 -730 -492 -768 1635 -1946 596
56 2119 -1273 -1066 2119 -1273 -1066 2280 -5089 2197 1348 -2283 714 2472 -2417
57 -1190 2236 -1220 -1190 2236 -1220 -949 2422 -1396 -682 3168 -2659 -695 2287
58 -1520 -2254 4052 -1520 -2254 4052 -2490 3150 -61 -871 -1897 3047 -2444 977
59 647 2511 -3302 647 2511 -3302 2146 -54 -2738 651 4420 -5215 1670 -1322
60 943 -568 -529 943 -568 -529 268 -3069 2870 394 -2407 1858 604 810
61 -529 -784 1236 -529 -784 1236 -866 965 -65 -303 -703 929 -1198 905
62 -507 -2234 3121 -507 -2234 3121 -1468 -1799 3965 136 -2854 3098 -2414 30
63 1105 2708 -4135 1105 2708 -4135 2258 860 -3830 341 3674 -4338 3442 -469
64 -529 -784 1236 -529 -784 1236 -866 965 -65 -303 -703 929 -1198 905
65 -441 -2136 2467 -441 -2136 2467 -1360 -2544 4098 174 -2642 2357 -2264 -709
66 1039 2610 -3481 1039 2610 -3481 2150 1606 -3963 303 3461 -3596 3292 269
67 -2313 -2430 4906 -2313 -2430 4906 -3789 1098 3341 -326 -4452 4940 -3240 1835
68 1515 2315 -3993 1515 2315 -3993 2930 -563 -3005 576 3994 -4733 2370 -846
ТАБЛИЦА 4 - БАЗА ЗНАНИЙ, МЕРА ЗНАНИЙ - ЯО!
(КЕТСК № ОЯ ШУЕ8ТМ] Е^Г) ФРАГМЕНТ)
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 -159 -1000 286 -159 -1000 286 -487 92 252 467 -478 288 -629 -151
2 1045 -311 -22 1045 -311 -22 872 63 -492 -1000 587 -217 354 -226
3 -276 465 -100 -276 465 -100 -116 -59 78 263 11 -76 118 188
4 -159 -1000 286 -159 -1000 286 -487 92 252 467 -478 288 -629 -151
5 1364 -203 -96 1364 -203 -96 1165 -78 -413 -1000 835 -396 565 -403
6 -638 465 -31 -638 465 -31 -337 35 78 263 -101 17 -41 279
7 -312 -72 52 -312 -72 52 -160 72 25 200 -360 229 -89 -306
8 560 -211 -30 560 -211 -30 428 -189 162 361 -32 -4 377 -16
9 -1000 479 49 -1000 479 49 -1000 425 -456 -1000 702 -440 -1000 660
10 220 -1000 284 220 -1000 284 -255 110 212 64 136 -65 -192 -230
11 -50 494 -152 -50 494 -152 160 -95 -57 105 -17 -30 118 118
12 -1000 -1000 447 -1000 -1000 447 -1000 966 -1000 -1000 -1000 932 -1000 909
13 42 -16 -3 42 -16 -3 18 -25 35 91 -30 11 12 -1
14
15 -1000 -1000 447 -1000 -1000 447 -1000 966 -1000 -1000 1348 -1000 -1000 909
16 -1000 -1000 447 -1000 -1000 447 -1000 966 -1000 -1000 1348 -1000 -1000 909
17 -367 67 29 -367 67 29 -227 -95 415 105 -214 132 -162 -41
18 991 -105 -112 991 -105 -112 621 35 -670 158 236 -153 172 172
19 -1000 -1000 447 -1000 -1000 447 -1000 966 -1000 -1000 1348 -1000 -1000 909
20 -124 182 -50 -124 182 -50 70 -165 305 529 -184 44 31 -115
21 455 -509 113 455 -509 113 -112 323 -639 -1000 355 -71 -37 285
22 -1000 -1000 447 -1000 -1000 447 -1000 966 -1000 -1000 174 -34 -1000 909
23 36 165 -75 36 165 -75 55 -102 201 -397 180 -118 67 221
24 129 -239 80 129 -239 80 34 27 -159 970 -299 153 -3 -430
25 1522 -1000 -35 1522 -1000 -35 540 311 -1000 3400 566 -1000 1226 -364
26 29 41 -16 29 41 -16 100 -64 150 -551 118 -14 -91 39
27 -1000 41 181 -1000 41 181 -1000 204 -233 1694 -1000 577 -318 169
28 85 97 -66 85 97 -66 159 -14 -58 -54 178 -169 197 163
29 -99 -1000 378 -99 -1000 378 -450 -64 342 -1000 -441 610 -602 -545
30 -1000 4102 -1000 -1000 4102 -1000 -1000 966 -1000 12200 -1000 -1000 -1000 909
31 -1000 -1000 447 -1000 -1000 447 -1000 966 -1000 -1000 -217 288 -1000 909
32 -342 -1000 384 -342 -1000 384 -598 -316 1287 148 -796 680 -710 -4
33 41 638 -204 41 638 -204 271 82 -483 211 400 -380 379 -37
34
35
36 2783 -1000 -277 2783 -1000 -277 1309 -17 -1000 -1000 1348 -1000 2339 -1000
37 -1000 -1000 447 -1000 -1000 447 -1000 638 -374 -1000 -217 288 -1000 -45
38 -661 -314 233 -661 -314 233 -793 58 516 184 -263 213 -701 456
39 2783 1551 -1000 2783 1551 -1000 3041 -754 -1000 650 761 -759 2339 -1000
40 376 -1000 315 376 -1000 315 -160 430 -317 1400 -146 54 214 -306
41 -336 -776 269 -336 -776 269 -595 -52 483 -1000 -176 271 -561 256
42 81 2644 -793 81 2644 -793 1639 -157 -1000 886 677 -724 1385 -454
43 -318 -234 130 -318 -234 130 -306 63 128 -604 58 44 -298 147
44 4044 701 -1000 4044 701 -1000 2079 -345 -1000 7800 -1000 -356 2339 -1000
45 -1000 4102 -1000 -1000 4102 -1000 3619 -1000 -1000 -1000 1348 -1000 2339 -1000
46 -1000 -1000 447 -1000 -1000 447 -1000 311 252 -1000 -478 502 -1000 -151
47 696 602 -286 696 602 -286 657 58 -663 776 369 -394 647 -144
48 -1000 -1000 447 -1000 -1000 447 -1000 -607 2005 -1000 -530 545 -1000 909
49 -1000 -1000 447 -1000 -1000 447 -1000 311 252 -1000 -478 502 -1000 -151
50 696 602 -286 696 602 -286 657 58 -663 776 369 -394 647 -144
51 -1000 -1000 447 -1000 -1000 447 -1000 -672 2130 -1000 -609 610 -1000 909
52 -1000 -1000 523 -1000 -1000 523 -1000 449 186 -1000 -506 627 -648 5
53 -1000 479 49 -1000 479 49 -665 425 -456 -44 361 -300 -516 245
54 1910 177 -443 1910 177 -443 1487 -698 156 1031 84 -257 1055 -266
55 -1000 -1000 558 -1000 -1000 558 -1000 815 -422 -1000 -277 486 -1000 175
56 735 -298 -71 735 -298 -71 483 -459 379 816 -246 63 379 -212
57 -1000 1268 -196 -1000 1268 -196 -487 529 -583 -1000 826 -571 -258 485
58 -1000 -1000 510 -1000 -1000 510 -1000 539 -20 -1000 -387 512 -710 162
59 275 720 -268 275 720 -268 557 -6 -578 483 583 -566 313 -142
60 891 -362 -96 891 -362 -96 155 -754 1348 650 -706 449 252 193
61 -1000 -1000 447 -1000 -1000 447 -1000 474 -61 -1000 -413 449 -1000 432
62 -336 -1000 396 -336 -1000 396 -595 -310 1307 158 -588 525 -707 5
63 382 631 -273 382 631 -273 476 77 -657 205 394 -383 525 -41
64 -1000 -1000 447 -1000 -1000 447 -1000 474 -61 -1000 -413 449 -1000 432
65 -306 -1000 327 -306 -1000 327 -576 -459 1412 211 -569 418 -694 -124
66 351 594 -225 351 594 -225 443 141 -665 179 363 -310 491 23
67 -1000 -708 406 -1000 -708 406 -1000 123 717 -246 -597 545 -618 200
68 610 628 -307 610 628 -307 720 -59 -600 404 499 -486 421 -86
ТАБЛИЦА 5 - ДОСТОВЕРНОСТЬ ЧЕТЫРЕХ МОДЕЛЕЙ БАЗ ЗНАНИИ С ДВУМЯ ИНТЕГРАЛЬНЫМИ КРИТЕРИЯМИ
Частный критерий количества знаний Интегральный критерий Расчет закончен Достоверность идентификации (%) Достоверность неидентифи-кации (%) Средняя достоверность (%)
Дата Время
Классический А.Харкевича Корреляция 07-11-11 08:18:38 92,900 80,782 86,841
Свертка 07-11-11 08:19:24 93,481 82,088 87,784
Модифицированный А.Харкевича Корреляция 07-11-11 08:22:01 89,464 79,310 84,387
Свертка 07-11-11 08:22:46 89,464 79,310 84,387
Разность фактического и теоретического значений хи-квадрат Корреляция 07-11-11 08:25:24 84,583 86,066 85,325
Свертка 07-11-11 08:26:06 85,652 75,528 80,590
ROI (return on nvestment) Корреляция 07-11-11 08:30:36 85,153 85,927 85,540
Свертка 07-11-11 08:31:27 86,110 75,049 80,580
Пояснения по аналитическому виду частных критериев количественных мер знаний даны в работах [2, 3, 4], в т.ч. в таблице 3 работы [4].
Из таблицы 5 видно, что наивысшую среднюю достоверность прогнозирования (87,784%) в данном случае обеспечивает модель знаний с применением в качестве частного критерия количества знаний классического критерия А.Харкевича и с интегральным критерием - сверткой. Несущественно: примерно на 1%, меньше достоверность у модели знаний с классическим критерием А.Харкевича и с интегральным критерием - нормированной сверткой, т.е. корреляцией. Эта достоверность вполне достаточна для достижения цели данной работы: создания методики оперативного (на полгода вперед) прогнозирования трендов значений экономических показателей многоотраслевой корпорации.
4. Решение задачи краткосрочного прогнозирования трендов значений экономических показателей многоотраслевой корпорации.
Данная задача решается на основе ранее созданных моделей знаний, отражающих причинно-следственные зависимости между трендами значений прошлых экономических показателей предприятий, входящих в корпорацию и трендами значений будущих экономических показателей кор-
порации в целом. Эти причинно-следственные зависимости в количественной форме представлены в базах знаний (таблицы 1-4).
Способ решения задачи прогнозирования состоит в сравнении конкретных образов ситуаций с обобщенными образами классов путем вычисления интегрального критерия сходства конкретной ситуации с каждым из классов. Математически задача прогнозирования в СК-анализе решается следующим образом [2, 3, 4]. На этапе синтеза модели рассчитывается какое количество знаний содержится в факте наблюдения некоторого значения фактора о том, что нам предъявлено определенное состояние моделируемого объекта. Если известно, какой набор значений факторов действует на объект управления, то для каждого состояния объекта можно посчитать, какое суммарное количество знаний содержится во всей системе этих значений факторов о переходе объекта управления в это состояние. После этого можно ранжировать (рассортировать) все состояния объекта управления в порядке убывания суммарного количества знаний о переходе в эти состояния под действием данной системы значений факторов. Логично считать, что объект управления, скорее всего, перейдет в те состояния, о переходе в которые в системе действующих на него значений факторов содержится максимальное количество знаний и, скорее всего не перейдет в те, о переходе в которые в ней содержится минимум знаний.
Отметим, что задачи распознавания (идентификации) и прогнозирования математически тождественны и отличаются только тем, что при идентификации признаки объекта и его состояния одновременны, а при прогнозировании действующие значения факторов (признаки) относятся к прошлому, а состояния объекта, формализуемые в виде классов, к будущему.
Решение задачи прогнозирования выполняется за три шага:
1. Ввод информации о значениях действующих на объект факторов в систему "Эйдос".
2. Пакетное распознавание (прогнозирование).
3. Вывод (отображение) и содержательная интерпретация результатов распознавания (прогнозирования).
Прогнозирование осуществляется в 4-й подсистеме системы «Эйдос», некоторые экранные формы которого приведены на рисунке 1:
l:\WINDOWS\system32\cmd.exe
Универсальная когнитивная аналитическая система. И
Подсистема распознавания. Пакетное распознавание
В90
10:23 (С) НПП "ЭИДОС*
N Наименование операции: % исп Стадия выполнения
1 Пакетное распознавание
2 Генерация БД: объект-классы..
3 Генерация БД: класс-объекты..
Интегральный критерий сходства: [1]-корреляция; [2]-сумма информации:
ВНИМАНИЕ ! ! !
База результатов распознавания RASP.DBF не пуста и содержит данные по объектам распознаваемой выборки с кодами от 1 до 40.
Процесс распознавания был некорректно прерван и система восстановит данные.
Начать процесс распознавания с начала: [1]; продолжить [2]:
Задайте диапазон кодов распознаваемых объектов:
~ l:\WINDOWS\system32\cmd.exe
Универсальная когнитивная аналитическая система. 10:24 СО нпп *эйдос* I
подсистема распознавания. Пакетное распознавание.
N Наименование операции: % исп Стадия выполнения
1 2 3 Пакетное распознавание О 1Л ГҐ1
Генерация БД: объект-классы.. Генерация БД: класс-объекты..
Интегральный критерий сходства: [1]-корреляция; [2]-сумма информации:
Процесс распознавания запущен в Прошло с начала процесса Прогноз длительности исполнения Ожидаемое время окончания Средн.время идент-ии 1-й анкеты Прогноз времени до окончания
10:23:55 всего: 0: 1: 2 всего: 0: 2:57 всего: 10:26:53 всего: 0: 0: 4 всего: 0: 1:55 всего:
22587836 сек.с нач.года 62 сек.
177 сек.
37613 сек.с нач.суток 4.433571 сек.
115 сек.
аспознавания с кодом:
50 не описан !!!
Рисунок 1. Экранные формы режима прогнозирования системы «Эйдос» (_42)
Результаты прогнозирования, отображаются в форме, представленной на рисунке 2:
Рисунок 2. Карточки результатов прогнозирования, генерируемые режимом _431 системы «Эйдос» (_42)
На карточке результатов прогнозирования:
- в верхней части карточки показаны классы, о которых в системе действующих в прошлом значений факторов содержится положительное количество знаний в порядке убывания этого количества знаний, а в нижней - отрицательное;
- птичками отмечены состояния корпорации, по которым прогноз оправдался.
Таким образом, в статье описывается процедура синтеза четырех моделей корпорации, отличающихся частными критериями взаимосвязи между трендами прошлых показателей предприятий, входящих в корпорацию и будущими состояниями корпорации в целом, производится верификация всех частных моделей с использованием двух интегральных критериев, осуществляется прогнозирование будущих состояний корпорации по их системе детерминации
В качестве перспективы планируется создать систему визуализации результатов прогнозирования с отображением как точечных прогнозов, представленных в карточках прогнозирования (рисунок 2), так и средневзвешенного прогноза, формируемого на основе точечных с учетом количества знаний в каждом из них. Кроме того, планируется разработать методику оперативного прогнозирования сценариев изменения как значений экономических показателей многоотраслевой корпорации, так и их трендов.
По результатам работы можно сделать обоснованный вывод о том, что поставленная цель работы достигнута и сформулированная проблема решена.
Литература2
1. Оперативное прогнозирование трендов экономических показателей многоотрасле-
вой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко,
В.И. Лойко, О.А. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №09(73). - Режим доступа: http://ei.kubagro.ru/2011/09/pdf/43.pdf. 0,75 у.п.л.
2. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.
3. Луценко Е.В. Методологические аспекты выявления, представления и использования знаний в АСК-анализе и интеллектуальной системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №06(70). С. 233 - 280. - Режим доступа: http://ei.kubagro.ru/2011/06/pdf/18.pdf, 3 у.п.л.
4. Луценко Е.В. Метод когнитивной кластеризации или кластеризация на основе знаний (Кластеризация в системно-когнитивном анализе и интеллектуальной системе «Эйдос») / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. -№07(71).- Режим доступа: http://ei.kubagro.ru/2011/07/pdf/40.pdf. 2,94 у.п.л.
5. Луценко Е.В. Метод визуализации когнитивных функций - новый инструмент ис-
следования эмпирических данных большой размерности / Е.В. Луценко, А.П. Трунев, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №03(67). С. 240 - 282. -Шифр Информрегистра: 0421100012\0077. - Режим доступа:
http://ei.kubagro.ru/2011/03/pdf/18.pdf, 2,688 у.п.л.
2 Для удобства читателей некоторые из работ приведены на сайте одного из авторов: http ://lc. kubagro. ru http://ei.kubagro.ru/2011/09/pdf/44.pdf
