CC BY
25
УДК 519.876.5:631.1+332.362
ГОСУДАРСТВЕННОЕ РЕГУЛИРОВАНИЕ И РЕГИОНАЛЬНОЕ РАЗВИТИЕ АПК
DOI: 10.24411/2587-6740-2019-16110
КОГНИТИВНОЕ МОДЕЛИРОВАНИЕ И ЕГО МЕСТО В МЕТОДОЛОГИИ СТРАТЕГИЧЕСКОГО ПЛАНИРОВАНИЯ РАЗВИТИЯ АГРОПРОДОВОЛЬСТВЕННЫХ СИСТЕМ РЕГИОНОВ С УЧЕТОМ КЛИМАТИЧЕСКОГО ФАКТОРА
С.О. Сиптиц
Всероссийский институт аграрных проблем и информатики имени А.А. Никонова — филиал ФГБНУ «Федеральный научный центр аграрной экономики и социального развития сельских территорий — Всероссийский научно-исследовательский институт экономики сельского хозяйства», г. Москва, Россия
В статье обсуждается вопрос применимости методов когнитивного моделирования слабо структурированных систем как элемента методологии стратегического планирования и прогнозирования развития региональных агропродовольственных систем, находящихся под воздействием климатических изменений. Кратко рассмотрена технология разработки когнитивных моделей. Приведены результаты когнитивного моделирования социально-экономического развития сельской территории, представленной в виде взвешенного орграфа. Рассмотрен сценарий падения экономического потенциала сельской территории из-за неблагоприятных климатических изменений в сопоставлении с вариантом современного климата. Получены оценки чувствительности решений при вариациях весовых коэффициентов орграфа.
Ключевые слова: агропродовольственная система, долгосрочные климатические изменения, когнитивное моделирование, сельская территория, устойчивость модельных решений.
Введение. При разработке методологии стратегического планирования и прогнозирования развития агропродовольственных систем регионов с учетом климатических воздействий возникают многочисленные сложности, источником которых является слабая структурированность рассматриваемой системы, отсутствие количественного описания многих объективно существующих, но недостаточно изученных процессов.
Противоречия между сложностью системы, наличием неопределенностей в отношениях между отдельными ее элементами, а также между элементами и внешним окружением, с одной стороны, и необходимостью в получении целостной реакции этой системы на те, или иные воздействия, с другой стороны, могут быть частично разрешены методами когнитивного моделирования (модель когнитивной карты).
Методы. С формальной точки зрения, модель когнитивной карты представляет собой граф, вершинами которого являются вводимые в рассмотрение понятия, а ребрами — отношения между ними.
Свойства вводимых в рассмотрение понятий (концептов), приписываемых соответствующим вершинам графа, могут измеряться в различных шкалах: лингвистических, порядковых, шкалах отношений. В последнем случае и при наличии знаний теоретического или эмпирического характера о влиянии одного концепта на другой (например, в физических системах) нужда в когнитивных моделях отпадает, и на передний план выходят математические модели соответствующих физических процессов и явлений.
Таким образом, модели когнитивных карт заполняют пространство в границах от частичного знания и экспертных представлений о закономерностях тех или иных предметных областей до хорошо изученных систем физической, химической, биологической, экологической и т.п. природы.
Из этого следует, что технология когнитивного моделирования не лишена субъективизма, связанного с необходимостью использования экспертных процедур как на этапе формирова-
ния множества концептов, так и при описании отношений между ними. Это является своеобразной платой за неполное и неточное знание. Однако в большинстве случаев побеждает желание исследователя получить целостную картину для сложных и слабо структурированных систем, возможность изучить их реакции на изменения значений концептов, порождающих возмущения, распространяющиеся по графу.
Общепризнанным родоначальником когнитивного моделирования считают Ф. Робертса, который изложил базовые идеи метода [1].
С нашей точки зрения, возможности когнитивных моделей в наиболее полном виде изложены в двухтомной коллективной монографии [2]. В настоящее время существует обширная литература теоретико-методического и прикладного характера, в которой модели когнитивных карт применяют для решения следующих классов задач в разных сферах человеческой деятельности:
• моделирование процессов эволюции различных систем и ситуаций;
• моделирование отклика системы на управляющие воздействия;
• поиск точек приложения и характеристик управляющих воздействий, приводящих систему или ситуацию в желаемое состояние. Рассмотрим наиболее распространенные
способы построения моделей когнитивных карт, выделяя основные этапы и решаемые при этом задачи:
• формирование множества концептов, с достаточной полнотой характеризующих предметную область;
• выбор шкал для измерения свойств, введенных в рассмотрение концептов;
• описание отношений между каждой парой концептов;
• описание способов аккумулирования влияния нескольких концептов-источников на один концепт-сток;
• моделирование динамики и анализ устойчивости распространения возмущений на графе.
Решение. Наиболее подходящим способом измерения значений концептов в слабострук-
МЕЖДУНАРОДНЫЙ
турированных системах является применение лингвистических шкал, имеющих градации по степени выраженности их состояний или изменений (табл. 1).
Отношения между парой причинно связанных концептов изображаются дугой ориентированного графа. На приведенной на рисунке 1 схеме дуги графа ориентированы от факторов-причин к факторам-следствиям. Взаимное влияние одного концепта на другой можно описать разными способами: указанием знака этого влияния; в форме весов со знаками; в виде функции, аргументами которой могут быть значения концептов, а также номер шага (аналог времени) при моделировании динамики.
Аккумулирование воздействия нескольких концептов на один в динамическом варианте может быть произведено в соответствие со следующим выражением:
К и + 1) = F{£ № Кю + К (1) + д (Г)},
где №.. — вес, отражающий влияние _/-го концепта на /-й; д. — внешнее управляющее воздействие; Р{*} — функция, отображающая значения аргумента на выбранную шкалу.
Это наиболее распространенный, но не единственный способ описания отношений между концептами когнитивной карты.
Рассмотрим представленную на рисунке 2 когнитивную карту сельской территории, находящуюся под влиянием климатических изменений, на которой взаимодействуют экономическая (в том числе агропродовольственная) и социально-демографическая подсистемы.
Разумеется, количество вводимых в рассмотрение концептов для реальных сельских территорий может существенно отличаться в большую сторону, однако особенности метода можно проиллюстрировать и на такой предельно агрегированной модели. Числовые значения весов можно изменять или заменять их функциональными выражениями в процессе верификации модели, которая, как правило, ограничивается контролем соответствия реакций изучаемой системы на качественном уровне в прошлом.
- 71
ЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ № 6 (372) / 2019
Таблица 1
Лингвистическая шкала для оценок состояния концептов когнитивной карты
Лингвистическая шкала для оценки степени критичности проблемы или показателя Балл Интервал шкалы
1. <проблемы отсутствуют>, <нулевая степень критичности>, <абсолютно лучше нормы> 0,94 1-0,89
2. <проблемы отсутствуют>, <нулевая степень критичности^ <очень существенно лучше нормы> 0,83 0,89-0,78
3. <проблемы отсутствуют>, <нулевая степень критичности>, <существенно лучше нормы> 0,72 0,78-0,67
4. <проблемы отсутствуют>, <нулевая степень критичности>, <незначительно лучше нормы> 0,61 0,67-0,56
5. <проблемы отсутствуют>, <нулевая степень критичности>, <в пределах нормы> 0,5 0,56-0,44
6. <беспокоящая>, <низкая степень критичности>, <незначительно хуже нормы> 0,39 0,44-0,33
7. <угрожающая>, <средняя степень критичности>, <существенно хуже нормы> 0,28 0,33-0,22
8. <критическая> (предаварийная), <высокая степень критичности>, <очень существенно хуже нормы> 0,17 0,22-0,11
9. <аварийная>, <очень высокая степень критичности>, <абсолютно хуже нормы> 0,06 0,11-0
Источник: https://studopedia.ru/2_7878_shkala-sootvetstviya-lingvisticheskih-otsenok-i-chislovih-znacheniy.html
Рис. 1. Схема аккумулирования влияния нескольких концептов-причин на концепт-следствие
Чувствительность решений когнитивной
Рис. 2. Представление взаимодействия экономической и социально-демографической подсистем в когнитивной модели сельских территорий
Таблица 2
на изменения весовых коэффициентов
№ Фактор-причина\ Фактор-следствие 1-2 2-4 2-5 2-13 2-14 3-6 4-5 5-1 5-3 5-7 6-9 7-8 7-10 7-12 8-11 9-11 10-11 11-4 11-7 12-7 12-8 12-11 14-2 14-13
1 Инвестиции 4,05 0,33 1,61 0,002 4,07 4,05 0,11 1,56 0,56 3,56 3,46 1,01
2 Развитие сельской экономики 1,72 0,87 0,20 2,77 1,72 1,58 0,97 0,49 1,11 1,75 0,42 1,91 0,11 0,13 0,37 0,20
3 Поступления в муниципальный бюджет 8,63 8,53 8,63 0,16 0,11 0,13 0,25 0,11 8,45 9,48
4 Рабочие места 5,96 0,11 5,77 5,96 0,21 0,11 0,13 0,52 0,16 5,85 6,17
5 Валовой продукт сельской экономики 10,29 0,94 0,15 8,37 10,29 0,15 1,90 0,15 1,19 0,70 1,38 0,77 9,55 0,20 0,52 10,74
6 Обеспеченность социоинфраструктурой 6,28 0,49 0,11 5,68 6,28 0,89 0,55 0,28 0,62 0,99 0,24 6,17 0,21 7,13
7 Душевые доходы населения 3,35 3,08 3,35 0,13 0,17 0,55 0,18 3,14 3,16
8 Рождаемость 3,53 0,42 0,10 3,14 3,53 0,66 0,28 1,17 0,34 3,54 0,74 0,16 3,71
9 Смертность 2,53 0,34 2,22 2,53 0,51 0,43 0,37 1,06 0,32 2,54 0,48 0,12 0,54 2,58
10 Эмиграция 0,15 2,16 1,91 1,99 2,28 0,39 0,13 1,56
11 Численность населения 0,38 0,13 3,47 3,74 5,62 0,47 0,23 2,67 1,50 0,12
12 Иммиграция 0,40 0,22 0,72 0,40 0,18 0,11 0,23 0,49 0,25 0,39 0,71 0,76 0,12 0,18 0,30
13 Экономический потенциал сельской территории 0,89 0,19 0,73 0,89 0,25 0,83 0,28 0,90 0,19 0,79
14 Аридизация климата 0,006
Суммарный эффект 47,63 4,24 0,55 1,61 0,01 2,52 50,48 47,63 2,46 10,29 2,66 3,85 5,62 2,36 3,75 11,02 2,97 50,60 3,02 0,28 0,99 1,28 47,85 1,01
ГОСУДАРСТВЕННОЕ РЕГУЛИРОВАНИЕ И РЕГИОНАЛЬНОЕ РАЗВИТИЕ АПК © О
Рис. 3. Дифференциальный эффект от воздействия климатического фактора на показатели социально-экономического развития сельской экономики в соответствии со сценарием аридизации климата на сельской территории, исходно находившейся в субаридной зоне. Все переменные нормированы
Опуская процедуру верификации когнитивной карты, рассмотрим возможности когнитивного моделирования, как одного из методов изучения слабо структурированных систем, на примере развития социально- экономической системы сельской территории, находящейся под воздействием климатической динамики аридного типа.
Для описания модели используются 14 концептов, взаимодействующих друг с другом и образующих взвешенный ориентированный граф. Каждому концепту ставится в соответствие значение лингвистической переменной и соответствующее ей числовое значение из таблицы 1. Весовые коэффициенты, связанные с дугами графа, получены экспертным путем. Положительные значения весов означают, что рост значения параметра в вершине с исходящей стрелкой приводит к росту значения параметра в
вершине, в которую стрелка входит; знак минус меняет реакцию на противоположную.
На графе моделируется динамический процесс, то есть задаются начальные значения параметров во всех вершинах, а также модельное время.
Реализованный далее сценарий описывает сельскую экономику в условиях частично освоенного экономического потенциала, использование которого происходит за счет инвестиций, генерируемых собственно сельской экономикой без внешнего инвестора. Рост объемов валового продукта, пополнение муниципального бюджета, развитие социоинфраструктуры и, как следствие, позитивное влияние на демографическую ситуацию, представляет собой контур с положительной обратной связью, то есть является экономическим акселератором. Как уже говорилось, сельская экономика находится под воздействием
МЕЖДУНАРОДНЫЙ
климатических изменений. В данном сценарии моделируется процесс аридизации климата и его воздействие на сельскую территорию, исходно находящуюся в субаридной климатической зоне.
Первое, и самое простое, что можно сделать — выделить комплексный эффект от изменяющегося климата. Результат применения такой процедуры показан на рисунке 3.
Негативные воздействия нарастания засушливости климата проявляются в некотором снижении экономического потенциала территории, увеличении времени его освоения из-за снижения инвестиционных возможностей экономики, появлении интервала, на котором практически мало меняется количество рабочих мест, сельская экономика практически стагни-рует, несмотря на наличие инвестиций. Кроме того, наблюдается падение душевых доходов, что сопряжено со снижением финансирования
- 73
ЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ № 6 (372) / 2019
12,00
jo 10,00
§ 8,00 I
g 6,00 h s
g 4,00
QO >
T 2,00 0,00
Рис. 4. Реакция концептов когнитивной модели на изменение веса воздействия «аридизации климата» на «развитие сельской экономики»
социоинфраструктурных проектов и приводит к падению рождаемости. Вместе с тем можно отметить, что динамика численности населения варьирует слабо и восполняется миграционным сальдо.
Опора на экспертные оценки при разработке и использовании когнитивных моделей всегда сопряжена с необходимостью ответа на вопрос: что изменится в характере решений при варьировании весовых коэффициентов в определенных пределах? Здесь можно ожидать как количественные эффекты в динамике отдельных процессов развития объекта, так и качественные, связанные с изменением формы зависимостей (появление экстремумов, точек перегиба на графиках, интервалов модельного времени с нулевыми значениями переменных).
Выполним анализ чувствительности когнитивной модели, вычисляя модуль относительного изменения средних значений всех переменных при 10% изменении фиксированного
Об авторе:
весового коэффициента. Результаты такого анализа показаны в таблице 2. При этом значения коэффициентов чувствительности менее 0,1 в результирующую таблицу не включены.
В «шапке» таблицы сгруппированы варианты изменения весовых коэффициентов, стоящие на пересечении строк и столбцов матрицы когнитивной модели. Таким образом, в каждом столбце помещен отклик всех переменных модели на упомянутое изменение.
Например, в столбце 14-2 сведены результаты оценки чувствительности решений к изменению весового коэффициента, связывающего воздействие изменяющегося климата на развитие сельской экономики и далее на другие введенные при моделировании концепты (рис. 4).
В итоговой строке таблицы 2 просуммированы эффекты по всем переменным модели. Эти данные могут служить ориентиром для детального рассмотрения в дальнейшем межфакторных связей при стратегическом планировании
механизмов, обеспечивающих развитие изучаемой системы.
Выводы. Несмотря на очевидный субъективизм данного метода, его применение предоставляет исследователю широкие возможности для анализа самых разнообразных результатов эволюции моделируемой системы. При этом у него имеются следующие степени свободы: количество вводимых в рассмотрение понятий и их содержание; система отношений между концептами; способы количественного описания этих отношений; возможность изучения реакций модели на управляющие воздействия, подаваемые в соответствующие вершины графа на протяжении одного или нескольких тактов моделирования.
Отвечая на вопрос о месте когнитивных моделей агропродовольственной системы региона в методологии стратегического планирования и прогнозирования их развития в условиях климатических изменений, со всей определенностью можно сказать, что данный инструмент достаточно продуктивен на этапе предварительного анализа эффектов от взаимодействия элементов агропродовольственной системы между собой и с внешней средой. Его применение дает возможность с большей обоснованностью выделять направления ее стратегического развития по сравнению с известными приемами и схемами стратегического менеджмента.
Литература
1. Робертс Ф. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. М.: Наука, 1986.
2. Модели и методы анализа и синтеза сценариев развития социально-экономических систем / под ред. В.Л. Шульца, В.В. Кульбы; Центр исследования проблем безопасности РАН Института проблем управления им. В.А. Трапезникова. М.: Наука, 2012.
3. Романенко И.А., Сиптиц С.О., Евдокимова Н.Е., Егорова ОД. Влияние чрезвычайных ситуаций на продовольственную безопасность Российской Федерации // Научные труды ВИАПИ имени А.А. Никонова. Вып. 43. М.: ЭРД, 2015.
Сиптиц Станислав Оттович, доктор экономических наук, руководитель отдела системных исследований экономических проблем АПК, ORCID: http://orcid.org/ 0000-0003-2587-2350, ssiptits@viapi.ru
COGNITIVE MODELING AND ITS PLACE IN THE METHODOLOGY OF STRATEGIC PLANNING OF DEVELOPMENT OF AGRICULTURAL FOOD SYSTEMS OF REGIONS WITH ACCOUNT OF CLIMATIC FACTOR
S.O. Siptits
All-Russian institute of agrarian problems and informatics named after A.A. Nikonov — branch of the FSBSI "Federal research center of agrarian economy and social development of rural areas — All-Russian research institute of agricultural economics", Moscow, Russia
The article discusses the applicability of methods of cognitive modeling of poorly structured systems as an element of the methodology of strategic planning and forecasting the development of regional agri-food systems affected by climate change. The technology of developing cognitive models is briefly reviewed. The results of cognitive modeling of the socio-economic development of the rural territory, presented in the form of a weighted digraph, are presented. The scenario of reducing the economic potential of the rural area due to adverse climatic changes in comparison with the modern climate option is considered. Estimates of the sensitivity of the solutions are obtained for variations in the weight coefficients of the digraph.
Keywords: agri-food system, long-term climate change, cognitive modeling, rural territory, sustainability of model solutions.
References
1. Roberts F. Discrete mathematical models with applications to social, biological and environmental problems. Moscow: Nauka, 1986.
About the author:
2. Models and methods of analysis and synthesis of scenarios for the development of socio-economic systems. Edited by V.L. Shults, V.V. Kulby; Center of security studies of Russian academy of sciences V.A. Trapeznikov. Moscow: Nauka, 2012.
3. Romanenko I.A., Siptits S.O., Evdokimova N.E., Egoro-va O.D. The impact of emergencies on food security of the Russian Federation. Nauchnye trudy VIAPI imeni A.A. Niko-nova = Scientific works of VIAPI named after A.A. Nikonov. Issue 43. Moscow: ERD, 2015.
Stanislav O. Siptits, doctor of economic sciences, head of the department of system research of economic problems of the agro-industrial complex, ORCID: http://orcid.org/0000-0003-2587-2350, ssiptits@viapi.ru
ssiptits@viapi.ru
