CC BY
25
УДК 330.44
Ю. Ш. Блам, Л. В. Машкина
Институт экономики и организации промышленного производства СО РАН пр. Акад. Лаврентьева, 17, Новосибирск, 630090, Россия
E-mail: blam@ieie.nsc.ru
ЧИСЛОВОЙ ЭКСПЕРИМЕНТ СИСТЕМНОЙ РЕАЛИЗАЦИИ ДЕТАЛИЗИРОВАННЫХ МОДЕЛЕЙ, ОПИСЫВАЮЩИХ ОТРАСЛЕВЫЕ ПОДСИСТЕМЫ В ОМММ
Прогнозы для отдельных отраслевых систем, полученные путем решения детализированных моделей, позволяют нивелировать влияние ряда упрощающих факторов, связанных с однопозиционным представлением исследуемой отраслевой системы в народнохозяйственной модели. На их основе могут быть созданы специализированные модельные комплексы, целиком охватывающие анализируемую совокупность однородных экономических объектов, но с акцентированным описанием ее отдельных аспектов. Основной принцип построения таких модельных комплексов заключается в следующем: детальное описание ядра (комплекса отраслей, группы предприятий, территориального сочетания ресурсов) дополняется агрегированным описанием фона (народнохозяйственного, отраслевого, смежных территорий). При этом ядром системы поочередно могут выступать объекты, выделенные из «фона». В статье представлена численная реализация схемы согласования решений совокупности оптимизационных межотраслевых межрайонных моделей с детализированным представлением комплексов отраслей.
Ключевые слова: специализированные модельные комплексы, оптимизационная межотраслевая межрайонная модель, схема согласования, числовой эксперимент.
Одно из важнейших направлений совершенствования управления экономикой страны состоит в усилении комплексного подхода к оценке (прогнозу) последствий изменений внешней среды и решений, принимаемых на народнохозяйственном уровне, ориентированных на повышение эффективности экономики и выхода из кризисных ситуаций. Такой прогноз, базирующийся на условии межотраслевой и внутриотраслевой сбалансированности производства, может служить основой для формирования экономической политики, направленной на совершенствование структуры экономики в отраслевом и территориальном разрезах, с позиций достижения высоких конечных результатов в масштабах всего народного хозяйства [1].
В решении проблемы совершенствования системы взаимоувязанных народнохозяйственных прогнозов - долгосрочных, среднесрочных и годовых - важное место занимают экономико-математические методы согласования расчетов, осуществляемых в различных отраслях и сферах и на различных уровнях управления народным хозяйством. Нестрогость эмпирически сложившейся на практике процедуры согласования прогнозов является одной из причин недооценки последствий принятия тех или иных управленческих решений, содержащей угрозу снижения эффективности общественного производства. Прогнозы для отдельных отраслевых систем народного хозяйства, полученные путем решения детализированных / специализированных моделей, позволяют нивелировать влияние ряда упрощающих моментов, связанных с однопозиционным представлением исследуемой отраслевой системы.
Проблема получения согласованного детализированного прогноза развития взаимосвязанных экономических подсистем является альтернативной формулировкой проблемы большой размерности. Задачу большой размерности оказывается нецелесообразным решать как единую, и потому желательно разбивать ее на частные задачи, решения которых должны быть в определенном смысле непротиворечивы. «Естественным» подходом к формированию прогноза развития экономики в целом и принятии на его основе того или иного решения является замена исходной детализированной задачи другой задачей, более агрегированной. Однако в результате расчета агрегированной модели мы уже не получаем детализированных переменных исходной задачи. Более того, найденные здесь значения могут не совпадать со значениями аналогов / агрегатов, получаемым при суммировании переменных исходной задачи. Это происходит в силу того, что значения агрегатов, помимо обычных ошибок, возникающих в любых расчетах, неизбежно содержат ошибки нового рода - ошибки агрегирования.
ISSN 1818-7862. Вестник НГУ. Серия: Социально-экономические науки. 2009. Том 9, выпуск 4 © Ю. Ш. Блам, Л. В. Машкина, 2009
Если при формировании исходной базы агрегированной модели используются предположительные значения детализированных переменных, то в результате, какой бы способ дезагрегации полученных значений переменных макромодели ни применялся, он не может сразу привести к агрегированному решению исходной задачи. Стремление уменьшить ошибку агрегирования в решении макромодели выбором наилучшего способа укрупнения привело к возникновению хорошо известной классической теории агрегирования. Но методы классического агрегирования позволяют лишь уменьшить ошибку агрегирования в решении макромодели и неспособны (за исключением частных случаев) устранить ее полностью. Главное же - эти методы не позволяют получить решения исходной задачи большой размерности. Такая проблема в теории классического агрегирования даже не ставилась.
Формального разрешения указанной проблемы удалось добиться для достаточно большого класса экономических задач благодаря разработке специального подхода к проблеме агрегирования. В основу этого подхода была положена идея пересмотра привычного отношения к агрегации и дезагрегации. Полученные в результате первой агрегации и решения агрегированной модели показатели, а также показатели, получаемые в результате дезагрегации, не следует рассматривать как окончательные. Они должны рассматриваться как промежуточные, т. е. как некоторый этап первой итерации процесса решения исходной модели. Сами эти операции должны осуществляться на каждой итерации и проводиться таким образом, чтобы вместе с остальными операциями обеспечить сходимость итеративного процесса к решению исходной задачи. Разработанные [2] в результате использования этих идей строгие методы взаимоувязки прогнозов с показателями разной степени детализации и получили название процессов итеративного агрегирования, или, иначе говоря, последовательного переагрегирования укрупненных показателей, соответствующего их дезагрегирования и уточнения детализированных показателей. Специальным образом, обобщая и синтезируя идею агрегации и дезагрегации и идею итеративности, методы итеративного агрегирования позволяют решать проблему обеспечения строгого согласования задач, имеющих дело с показателями разной степени детализации.
Общая схема многоуровневых процессов итеративного агрегирования аналогична схеме процесса формирования и движения информации в реальной экономике с иерархической структурой управления. По аналогичной схеме могли проводиться расчеты по разработке и детализации прогноза развития экономики страны с использованием оптимизационной межотраслевой межрайонной модели (ОМММ) [1; 4-6]. Аналогия здесь состоит в следующем. И на практике на нижних уровнях решаются локальные задачи, в каждой из которых рассчитывают значения отдельной группы детализированных переменных. Далее информация агрегируется и после этого передается на верхние уровни управления, где и проводятся макрорасчеты в агрегированных показателях. Результаты макрорасчетов (или модифицированная информационная база агрегированной модели, т. е. другая по сравнению с полученной снизу) в виде агрегированной информации «спускаются» на нижние уровни управления (построения прогноза), где заново решаются локальные задачи с учетом агрегированной информации, полученной с верхних уровней управления.
На протяжении многих лет в Институте экономики и организации промышленного производства СО АН СССР разрабатывались специализированные модельные комплексы, целиком охватывающие анализируемую совокупность однородных экономических объектов, но с акцентированным описанием ее отдельных аспектов. Основной принцип построения таких модельных комплексов заключается в следующем: детальное описание ядра (комплекса отраслей, группы предприятий, территориального сочетания ресурсов) дополняется агрегированным описанием фона (народнохозяйственного, отраслевого, смежных территорий). При этом ядром системы поочередно могут выступать объекты, выделенные из «фона». Сгенерированные таким образом модели объединяются в двухуровневые системы. На верхнем уровне рассматривается базовая (агрегированная) модель, на нижнем (уточняющем) уровне - модели с детализированным описанием отдельных условий функционирования. Модель нижнего уровня в свою очередь может рассматриваться ядром нижеследующей специализированной системы.
Одним из таких модельных комплексов был проект «СОНАР» (Согласование отраслевых и народнохозяйственных решений) [4-6]. Идея проекта СОНАР состоит в возможной парал-
лельной разработке группы моделей по крупным межотраслевым народнохозяйственным комплексам и согласования их решения с использованием ОМММ. Автономность работы по каждому комплексу может привести к существенной модификации базовой модели, а при принятой схеме обмена информации между ними к несогласованности, вызванной различной структурой используемых моделей. Поэтому единственным путем поддержания целостности всего проекта является постоянный контроль за базовой информацией, доступной различным пользователям, и взаимный обмен информацией о конструктивных изменениях ядра. Общая идея модельного комплекса СОНАР может быть представлена в виде совокупности детализированных и специализированных моделей и связующей базовой ОМММ (рис. 1).
Рис. 1. Схема взаимодействия в системе моделей, построенных на базе ОМММ:
Б - базовая модель;
С1 - специализированная модель, условия которой выходят за рамки базовой модели;
Д* - «детализированная» модель (в рамках базовой модели расширена номенклатура отраслей)
Обычный способ расширения области применимости разработанной модели состоит в добавлении и / или модификации учитываемых условий и факторов. В специализированных народнохозяйственных моделях более подробно отражены внутренние специфические условия рассматриваемой отраслевой системы. Главное преимущество этих специализированных моделей, с одной стороны, в возможности получения прогнозов развития отраслей, согласованных в масштабе народного хозяйства, а с другой стороны, оценка сбалансированности пропорций народного хозяйства в целом, учитывающая возможности развития хозяйственных подсистем.
В качестве системы, используемой для оценки взаимодействия моделей отраслевых подсистем, в описываемом числовом эксперименте использовались два уровня, содержащие базовую и детализированные модели, однородные с точки зрения модельной конструкции и сервисного обеспечения и различающиеся лишь количеством рассматриваемых отраслей (подотраслей).
Реализация единой детализированной (включающей весь набор подотраслей) модели затруднена не только из-за ее размерности, но и из-за того, что отдельные блоки предполагают привлечение разных специалистов. Использованная нами схема разбиения общей задачи на комплекс «детализированных отраслевых» является конструктивным подходом для решения этой проблемы, а схема формирования информационных потоков - вполне адекватный инструмент получения детализированного решения. Предложенная схема получения общего детализированного решения основана на свойствах сходимости (экспериментально подтвержденных) базовой модели. Такая система моделей имитирует итерационный процесс построения прогноза, основанного на обмене агрегированной информацией между «отраслевыми комитетами».
В области разработки алгоритмов и схем взаимодействия моделей в системах велись и ведутся интенсивные исследования, при этом алгоритмы и схемы согласования обычно относятся к «разнородным» моделям [2]. Далее описывается реализация схемы взаимодействия
«отраслевых подсистем» на основе «однородных» моделей, базирующихся на единой модельной конструкции. Это резко сокращает, по нашему мнению, требования к сервисному программному обеспечению и позволяет использовать простые процедуры агрегирования информации. При этом в наборе моделей нижнего уровня рассмотрена вся номенклатура подотраслей задачи большой размерности.
Экспериментальный модельно-программный комплекс
Двухуровневая система оптимизационных моделей (рис. 2) построена на основе оптимизационной межрайонной межотраслевой модели (ОМММ: 27 отраслей и 8 регионов) \ Отметим, что вся номенклатура отраслей большеразмерной модели (27-отраслевой) представлена в «наборе» моделей подсистем и предполагается, что композиция решений моделей второго уровня дает решение исходной модели (рис. 2, табл. 1).
Рис. 2. Структура модельного комплекса
Единая структура используемых моделей позволяет использовать модельно-программный комплекс, разработанный для реализации различных модификаций базовой ОМММ [7]. Кроме необходимой настройки комплекса на реализацию конкретных моделей системы, он был расширен 2 рядом процедур агрегирования, позволившим в автоматическом режиме формировать исходные данные для каждой подсистемы.
На этапе подготовки исходных «детализированных» моделей была реализована следующая процедура агрегирования 27-отраслевой модели.
1. Коэффициенты материальных затрат, трудоемкость, капиталоемкость на действующих и новых мощностях, рассчитывались как средневзвешенные, в качестве весов использовались фиксированные объемы производства на действующих мощностях.
2. Коэффициенты транспортных затрат на экспорт и импорт, а также коэффициенты перевода цен в импортные и в экспортные, связанные с внешнеэкономической деятельностью, рассчитывались как средневзвешенные, в качестве весов использовались фиксированные объемы экспорта и импорта.
3. Коэффициенты транспортных затрат на межзональные перевозки на этапе формирования исходных агрегированных моделей рассчитывались как среднеарифметические значения соответствующих затрат транспортабельных отраслей.
4. Коэффициенты расчета верхних (иР) и нижних ^О) границ на новые мощности на этапе формирования исходных агрегированных моделей рассчитывались как среднеарифметические значения максимальных и минимальных значений темпов прироста объемов производства.
5. Отраслевая структура конечного потребления, значения правых частей ограничений, фиксированные объемы производства по действующим мощностям, ограничение на объемы экспорта и импорта рассчитывались как простое сложение.
1 Работающий модельно-программный комплекс 27-отраслевой базовой модели был предоставлен нам Н. М. Ибрагимовым, за что авторы статьи приносят ему большую благодарность. В данной статье не обсуждаются качественные характеристики прогноза, поэтому везде приведены относительные значения.
2 Авторы благодарят Виталия Костина за помощь в реализации моделей - расширение модельно-программного комплекса и консультации в процессе его использования.
Таблица 1
Взаимосоответствие номенклатуры моделей: исходной и подсистем
Номенклатура исходной 27-отраслевой ОМММ ОМММ-Д1 ОТР-15 ОМММ-Д2 ОТР-10 ОМММ-Д3 ОТР-13 ОМММ-Д4 0ТР-10 ОМММ-7 базовая
1. Электро- и теплоэнергетика 1. - I
2. Продукты нефтедобычи 2. - II
3. Продукты нефтепереработки 3. - III
4. Продукты газовой пр-ти 4. - IV
5. Уголь и прочее топливо 5. - V
6. Руды черных металлов 6. - VI
7. Черные металлы 7. - VII
8. Руды цветных металлов 8. - VIII
9. Цветные металлы 9. - IX
Агр. 1-9 - I Агр. 1-9 - I Агр. 1-9 - I Агр. 1-9 - I
10. Продукты химической промышленности 10. - II
11. Продукты нефтехимической промышленности 11. - III
12. Продукция лесозаготовительной и д/обрабат. пр-ти 12. - IV
13. Продукция ЦБП 13. - V
Агр. 10-13 - X Агр. 10-13 - II Агр. 10-13 - II Агр. 10-13 - II
14. Промышленность стройматериалов 14. - III
15. Легкая промышленность 15. - IV
16. Пищевая промышленность 16. - V
17. Прочие отрасли пр-ти 17. - VI
18. Сельское и лесное хозяйство 18. - VII
19. Торговля и обществ. питание 19. - VIII
20. Прочие отрасли матер. производства 20. - IX
Агр. 14-20 - XI Агр. 14-20 - VI Агр. 14-20 - III Агр. 14-20 - III
21. Жилищно-коммунальное хозяйство 21. - IV
22. Здравоохранение, физкультура 22. - V
23. Другие услуги 23. - VI
24. Управление, финансы 24. - VII
Агр. 21-24 - XII Агр. 21-24 - VII Агр. 21-24 - X Агр. 21-24- IV
25. Машиностроение 25. - XIII 25. - VIII 25. - XI 25. - VIII 25. - V
26. Строительство 26. - XIV 26. - IX 26. - XII 26. - IX 26. - VI
27. Транспорт и связь 27. - XV 27. - X 27. - XIII 27. - X 27. - VII
Таким образом, на информационной базе 27-отраслевой модели были сформированы четыре «детализированные» и одна агрегированная модели. Агрегируя информацию, по описанному алгоритму, получили соответствующие файлы данных для всех 5 моделей из двухуровневой системы. Причем в исходных данных каждой детализированной модели ([Данные10усл.х^], [Данные13.xls], [Данные10х/л.х^], [Данные15.хк]) присутствует информация агрегированной 7-отраслевой модели (по прямым ссылкам на файл данных [Дан-ные7.х^] агрегированной модели).
Опишем технологию и последовательность проведенных нами экспериментальных расчетов по взаимодействию информационных потоков (рис. 3).
После решения к-й детализированной модели производится агрегирование информационных массивов этой модели с учетом полученного оптимального решения в информационные массивы агрегированной модели.
Блок агрегированной 7-отраслевой модели
Блок агрегированной 7-отраслевой модели
Блок агрегированной 7-отраслевой модели
Блок агрегированной 7-отраслевой модели
Блок детализированной модели
<
Формирование данных АвК7 после решения детализированной модели
>
Решение детализированной модели
Формирование МРЭ файла детализированной модели
О
|Данные15.xls] Часть данных файла |Дан-Hbie15.xls] детализированной модели берется по ссылке из |Данные7.х15]
Блок детализированной модели
<
Формирование данных АвК7 после решения детализированной модели
>
Решение детализированной модели
Формирование МРЭ файла детализированной модели
|Данные10_1.xls] Часть данных файла [Данные! 0_1.xls] детализированной модели берется по ссылке из |Данные7.х15]
Блок детализированной модели
<
Формирование данных АвК7 после решения детализированной модели
>
Решение детализированной модели
Формирование МРЭ файла детализированной модели
|Данные13.х15] Часть данных файла [Данные! 3.xls] детализированной модели берется по ссылке из [Данные7.х15]
Блок детализированной модели
<
Формирование данных АвК7 после решения детализированной модели
>
Решение детализированной модели
Формирование МРЭ файла детализированной модели
[Данные10_2.х15] Часть данных файла [Дан-Hbie10_2.xls] детализированной модели берется по ссылке из [Данные7.х15]
Г
Рис. 3. Последовательность расчетов по детализированным моделям системы
ю ■о
На второй и следующих итерациях применялся следующий алгоритм расчета величин, определяющих нижние и верхние границы агрегированных объемов производства на новых мощностях: в качестве нижней границы задавалась величина = [(1 — а) х Хопт]., а верхней = [(1 + а) х Хопт], где Хопт - оптимальное значение на предыдущей итерации соответствующего агрегата. В качестве а при разных экспериментах выбирались величины от 0,2 до 0,5. Представленные далее результаты относятся к а = 0,2. Отметим, что значения а брались одинаковыми для всех агрегатов, хотя влияние этой величины на результаты неодинаково для разных комплексов отраслей.
В табл. 1 приведена номенклатура отраслей, которая использовалась в расчетах. Как описано ранее, на начальном этапе были сформированы пять задач: «ОМММ-Д1 ОТР-15» с детальным представлением отраслей 1-го комплекса (с первой по девятую отрасли исходной 27-отраслевой модели), «ОМММ-Д2 ОТР-10» с детальным представлением отраслей 2-го комплекса (с десятой по тринадцатую отрасли исходной 27-отраслевой модели) и аналогично «ОМММ-Д3 ОТР-13», «ОМММ-Д4 ОТР-10» и «ОМММ-7 базовая». Далее будем обозначать их соответственно: исходная (27-отраслевая), Д1, Д2, Д3, Д4 и Агр7.
Очередность и процедура расчетов были следующими (см. рис. 3). На «нулевой» итерации (ИТЕР_0) решаются сформированные из 27-отраслевой модели задачи, при этом на базе решения Д1 формируется новый файл «Б7_1» агрегированной модели. На первой итерации (ИТЕР_1), используя файл «Б7_1», формируется и решается задача Д2. На базе решения Д2 формируется новый файл данных агрегированной модели «Б7_1_2» (в котором сохраняются изменения, внесенные после решения задачи Д1 и Д2), используя который, формируется и решается задача Д3, и т. д. Цепочку решений можно описать следующим образом.
Решение исходных задач - ИТЕР_0: Д1 ^ «Б7_1», Д2, Д3, Д4 и Агр7.
Далее процесс продолжается с использования полученного файла данных «Б7_1»:
Итерация 1 - ИТЕР_1:
«Б7_1» ^ Д2 ^ «Б7_1_2» ^ Д3 ^ «Б7_1_2_3» ^ Д4 ^ «В7_1_2_3_4» = «*Б7».
Итерация 2 - ИТЕР_2:
«*Б7» ^ Д1 ^ «*Б7_1» ^ Д2 ^ «*Б7_1_2»
^ «*Б7 1 2 3 4» = «
^ Д3 ^ «*Б7_1_2_3» ^ Д4 Б7».
Итерация 3 - ИТЕР_3:
«**Б7» ^ Д1 ^ «**Б7_1» ^ Д2 ^ «**Б7_1_2» ^ Д3 ^ «**Б7_1_2_3» ^ Д4 ^ «**Б7_1_2_3_4»;
«**Б7_1_2_3_4» ^ Агр7.
ИТЕР_0 ИТЕР_1 ИТЕР_2
■Исходная - - Д1 -А - Д2 — -Х— -ДЗ — Ж- Д4
Рис. 4. Значения функционалов моделей по итерациям
Вопрос о критерии прекращения итерационного процесса является, безусловно, узловым. Например, можно считать критерием прекращения итеративного процесса близость значений
функционалов на нескольких последовательных итерациях. На рис. 4 показаны изменения значений целевых функций модели по итерациям. После третьей итерации функционалы «устойчиво близки» (разница между ними менее 0,7 процента), однако они на 1,5-2,1 % меньше значения целевой функции исходной 27-отраслевой модели.
Таблица 2
Суммарные объемы производства в конечном году прогнозируемого периода
Итерация 3 27-отр. Д1 Д2 Д3 Д4 Агр7
Комплекс 1 12,8 12,7 12,9 12,8 12,9 12,9
Комплекс 2 2,9 2,7 2,8 2,8 2,8 2,8
Комплекс 3 31,7 30,9 30,5 32,3 31,4 31,4
Комплекс 4 16,9 16,6 15,3 16,6 16,6 16,6
Машиностроение 10,3 9,5 10,4 10,4 10,6 10,6
Строительство 10,1 9,7 10,7 10,1 10,2 10,2
Транспорт и связь 5,6 5,4 5,4 6,0 6,1 6,1
Решения детализированных моделей на последней итерации, как и ожидалось, оказались «устойчиво повторяемы» по целому ряду основных показателей, не потребовав при этом наложения каких-либо дополнительных условий. В табл. 2 приведены суммарные объемы производства в конечном году прогнозируемого периода. Отметим только, что даже в разрезе агрегатов наблюдаются отличия решений «детализированных» моделей от агрегированного эталонного 27-отраслевого решения. Анализ же расхождений в детализированной номенклатуре в разрезе 8 выделенных макрорегионов требует дополнительного анализа и здесь не приводится.
Список литературы
1. Гранберг А. Г., Маршак В. Д., Мельникова Л. В., Суслов В. И., Суслов Н. И., Суспи-цын С. А. Методологические основы системного моделирования социально-экономического развития Сибири // Сибирь в первые десятилетия XXI века / Отв. ред. В. В. Кулешов. Новосибирск: Изд-во ИЭОПП СО РАН, 2008. Гл. 18. С. 247-272.
2. Итеративное агрегирование и его применение в планировании / Под ред. Л. М. Дудки-на. М.: Экономика, 1979. 328 с.
3. Ершов Ю. С., Ибрагимов Н. М., Мельникова Л. В. Современные постановки прикладных межрегиональных межотраслевых моделей // Исследования многорегиональных экономических систем: опыт применения оптимизационных межрегиональных межотраслевых моделей: Сб. ст. / Под ред. В. И. Суслова. Новосибирск: ИЭОПП СО РАН, 2007. С. 29-59.
4. Суслов Н. И., Бузулуцков В. Ф., Чернышов А. А. Применение оптимизационной межотраслевой межрайонной модели для анализа развития энергетики в системе народнохозяйственных взаимосвязей // Исследования многорегиональных экономических систем: опыт применения оптимизационных межрегиональных межотраслевых систем: Сб. ст. / Под ред. В. И. Суслова. Новосибирск: ИЭОПП СО РАН, 2007. С. 95-127.
5. Блам Ю. Ш., Машкина Л. В. Структурный подход к формированию модельно-программных комплексов // Исследования многорегиональных экономических систем: опыт применения оптимизационных межрегиональных межотраслевых систем: Сб. ст. / Под ред. В. И. Суслова. Новосибирск: ИЭОПП СО РАН, 2007. С. 128-145.
6. Блам Ю. Ш. Структурное проектирование и реализация программно-модельных комплексов / Отв. ред. Г. М. Мкртчян; ИЭОПП СО РАН. Новосибирск: Наука, Сиб. отд-ние, 1992.111 с.
7. Суслов В. И., Ибрагимов Н. М. Модельно-программный комплекс прогнозирования и анализа территориальной структуры экономики // Экономическое развитие России: Региональный и отраслевой аспекты: Сб. науч. тр. / Под ред. Е. А. Коломак, Л. В. Машкиной. Новосибирск: ИЭОПП СО РАН, 2005. Вып. 6. С. 119-133.
Материал поступил в редколлегию 09.09.2009
Yu. Sh. Blam, L. V. Mashkina
NUMERIC EXAMPLE OF THE SYSTEMATIC REALIZATION OF DETAILED INDUSTRIAL SUBSYSTEMS MODELS IN THE OPTIMIZATION INTERBRANCH INTERDISTRICT MODEL
Forecasts for the certain industrial systems received with the help of detailed models, allow decreasing the influence of some simplifying factors connected with one-item representation of investigated industrial system in the economic model. Based on these forecasts specialized modeling complexes can be developed, which entirely cover analyzed set of homogeneous economic objects, but with a specific description of the certain aspects. The main principle of construction of such modeling complexes consists of the following: the detailed description of a kernel (a complex of branches, group of the enterprises, or a territorial combination of resources) is supplemented with an aggregated description of a background (economic, branch, adjacent territories). Thus, the objects allocated in the «background» can take turns in serving as a system kernel. The article presents a numerical example of the realization of the decisions coordination scheme using the set of Optimisation Interbranch Interdistrict Models (OIIM) with the detailed representation of industrial complexes.
Keywords: specialized model complexes, Optimization Interbranch Interdistrict Models, coordination scheme, numeric experiment.
