следования подхода, который поддерживал бы интеллектуальный, творческий процесс решения трудноформализуемых задач, способствуя при этом активизации применения интуиции и опыта специалистов (экспертов) в процессе работы.
Одним из таких подходов является когнитивный подход [1]. Его основная идея состоит в учете когнитивных возможностей специалиста (восприятие, представление, познание, понимание, объяснение) в процессе решения трудноформализуемых задач [2].
Методы структурно-целевого и имитационного моделирования систем на основе когнитивного подхода принято объединять под общим термином «когнитивное моделирование». В общем виде под когнитивным моделированием понимается исследование структуры системы и процессов ее функционирования и развития путем анализа ее когнитивной модели. В основе когнитивной модели системы лежит когнитивная карта, которая отражает субъективное представление исследователя о ней (индивидуальное или коллективное) в виде множества семантических категорий (называемых факторами или концептами) и набора причинно-следственных связей между ними.
В качестве математического аппарата, применяемого для представления когнитивных моделей и лежащего в основе методов их анализа, часто применяется нечеткая логика. Подробный обзор моделей, основанных на различных типах нечетких когнитивных карт (НКК), дан в монографии [3]. В практических задачах моделирования и анализа слабоструктурированных систем хорошо зарекомендовали себя НКК В.Б. Силова, впервые предложенные в работе [4] и представляющие собой развитие знаковых когнитивных карт [5].
Отметим, что когнитивная модель является инструментом оценочного, разведочного анализа исследуемой системы и не позволяет получить ее точные, количественные характеристики. Тем не менее, с помощью когнитивной модели можно оценить тенденции и тренды поведения системы, связанные с реализацией того или иного управленческого решения, и выявить параметры, оказывающие наиболее существенное влияние на ее поведение. Благодаря этому появляется возможность поиска, генерации и отбора решений, имеющих наибольшую потенциальную эффективность. В дальнейшем можно выполнить более детальный анализ таких решений и их моделирование с применением (в тех случаях, когда это возможно) более строгого математического аппарата.
В настоящее время достаточно полно разработан инструментально-методический аппарат оцен-
ки уровня и потенциала устойчивого развития сельских территорий. Вопросам моделирования и управления сельскими территориями посвящен ряд работ, среди которых можно выделить статьи [6—8]. Применение методологии когнитивного моделирования к решению задач развития региональных социально-экономических систем раскрыто в трудах [9—14]. Вместе с тем, в научной литературе отсутствуют работы по проблематике сценарного прогнозирования устойчивого развития сельских территорий на основе когнитивных моделей.
В целях исследования тенденций развития и поведения сельских территорий для последующей разработки стратегий их эффективного устойчивого развития и принятия научно обоснованных управленческих решений авторами была разработана нечеткая когнитивная модель комплексного развития сельских территорий. В настоящей работе представлены результаты ее структурно-целевого анализа, а также сценарного моделирования развития возможных ситуаций при реализации стратегий комплексного развития сельских территорий в условиях различных управляющих воздействий.
1. НЕЧЕТКОЕ КОГНИТИВНОЕ МОДЕЛИРОВАНИЕ: СПРАВОЧНАЯ ИНФОРМАЦИЯ
Нечеткая когнитивная карта Силова описывается выражением
в = <Е, W),
где Е = {ер е2, ..., ек} — множество факторов (концептов), W — бинарное отношение на множестве Е, которое задает набор связей между его элементами и представляется в виде набора чисел wj■, характеризующих направление и степень интенсивности (вес) влияния между концептами е. и е. (при
* У
этом полагается, что —1 < w¡■ < 1).
ч
Структурно-целевой анализ НКК помимо непосредственно заданных связей учитывает все опосредованные взаимовлияния факторов друг на друга, для этого вводится операция транзитивного замыкания, преобразующая исходную матрицу интенсивности взаимовлияний W в транзитивно замкнутую матрицу Д элементами которой являются пары (г,-, г,ч), где характеризует силу положительного влияния, а — силу отрицательного влияния 1-го концепта нау-й. Алгоритм расчета нечеткого транзитивного замыкания подробно описан в работе [4]. На основе матрицы Z может быть рассчитан ряд системных показателей НКК.
Влияние /-го концепта на систему и влияние системы на у-й концепт рассчитываются по формулам:
1 n
P = П Z Pj
n j = 1
P =
Z Pj
(1)
(2)
где п — число концептов в системе, р~ — влияние (воздействие) /-го концепта на у-й (т. е. доминирующее по силе влияние между концептами):
р„ = вщп^ + г,- ^ахАг! 1г,- |), Ы * 11и I (3)
где sign(x) =
1, при x > 0, 0, при x = 0, -1, при x < 0.
Консонанс (показатель, определяющий степень доверия к знаку и силе воздействия) влияния /-го концепта на систему и консонанс влияния системы на у-й концепт рассчитываются по формулам:
_ _ i n C i = n Z cr n j=1
1 n
Cj = 1 Z V
г = 1
(4)
(5)
где е.. — консонанс влияния i-го концепта на j-и: j
c = | Zj + zj
j N + M
(6)
В ходе выполнения сценарного моделирования динамика состояний концептов описываются с помощью импульсных процессов. Пусть гг(/) — состояние концепта ег в момент времени t. Импульсом рг(/) называется изменение состояния данного концепта, которое полагается равным разности его состояний в текущий и в предыдущий моменты времени:
p(t) = v(t) - v(t - 1).
(7)
Модель импульсного процесса для НКК Сило-ва, учитывающая как передачу влиянии между концептами, так и внешние воздействия, имеет вид:
f
v(t + 1) = min v(t) + u/t + 1) +
+ qß + 1) + Z ^pß, 1 j = 1
(8)
где + 1) — управляющее воздействие на концепт е; в момент времени ^ + 1); + 1) — внешнее воздействие на е. в момент ^ + 1).
2. ТЕХНОЛОГИЯ МОДЕЛИРОВАНИЯ СЛАБОСТРУКТУРИРОВАННЫХ СИСТЕМ НА ОСНОВЕ НЕЧЕТКИХ КОГНИТИВНЫХ КАРТ СИЛОВА
Для проведения описанного в настоящей работе исследования применялась авторская технология (рис. 1), которая расширяет возможности применения НКК Силова для моделирования слабоструктурированных систем. Коротко опишем основные авторские результаты, используемые в рамках данной технологии.
• Разработаны следующие экспертные методы идентификации НКК:
— модифицированный метод парных сравнений, отличающийся от оригинального метода Т. Саати применением оригинальной авторской оценочной шкалы превосходства, имеющей ряд преимуществ перед классической шкалой в контексте задания весов НКК [15];
— метод, основанный на построении функции принадлежности дискретного нечеткого множества с применением метода множеств уровня Р. Яге-ра в комбинации с оригинальной авторской методикой оценки согласованности и непротиворечивости суждений эксперта [16].
• Разработана методика идентификации НКК на основе анализа статистических данных, представленных как в виде пространственной выборки, так и в виде временных рядов. Особенность методики заключается в возможности не только параметрической, но и структурной идентификации, под которой в данном случае подразумевается установление факта наличия причинно-следственной связи между концептами. С этой целью предложено и обосновано использование теста Грэнджера на причинность [17].
• Разработана методика сценарного анализа нечетких когнитивных моделей, основанная на нечеткой модели импульсного процесса, имеющей следующие особенности по сравнению с классической моделью для знаковых когнитивных карт:
— возможность учета не только передачи влияний между концептами, но и внешних воздействий (в форме управляющих воздействий и возмущений);
— возможность моделирования различного характера изменения состояний концептов при передаче влияния между ними [18].
n
1
n
- Интерпретация результатов ___________*__________
Дальнейший анализ отобранных альтернатив другими методами
►! Уточнение целей моделирования ¡-
Визуализация
0 щ
Э 5 р э
N
1 в
я Н
С
й 5
н о л fe к ° и
Б
й н
<в
Он
Рис. 1. Технология построения и анализа нечеткой когнитивной модели
На основе разработанной методики сценарного анализа предложен метод генерации и отбора управляющих воздействий для приведения моделируемой системы в желаемое целевое состояние [19]. • В работе [20] был рассмотрен подход к визуализации нечетких когнитивных карт, в основе которого лежит понятие метафоры визуализации [21] и визуального образа [22]. Для построения метафоры визуализации НКК предложено применять алгоритмы визуализации графов и критерии когнитивной ясности. Описанная технология когнитивного моделирования и комплекс связанных с ней моделей, методов и алгоритмов реализованы в системе поддержки принятия решений (СППР) «ИГЛА» (Интеллектуальный Генератор Лучших Альтернатив) [19], которая применялась при проведении данного исследования.
3. НЕЧЕТКАЯ КОГНИТИВНАЯ МОДЕЛЬ КОМПЛЕКСНОГО РАЗВИТИЯ СЕЛЬСКИХ ТЕРРИТОРИЙ
Для формирования списка концептов когнитивной модели привлекались эксперты в области социально-экономического развития села (10 чел.), которым предлагалось ответить на вопросы специально разработанной анкеты. Также изучались труды отечественных ученых по проблематике управления устойчивым развитием сельских территорий. На основании полученных знаний был сделан вывод о целесообразности учета при построении когнитивной модели набора из 11 наиболее значимых концептов, которые были разделены на четыре блока.
Институциональный блок
1. Развитие рыночной инфраструктуры (налоговая, кредитная, бюджетная, инновационная политика).
2. Развитие сельского самоуправления.
Социально-демографический блок
3. Среднегодовая численность населения.
4. Уровень безработицы.
5. Развитие социальной сферы.
Экономический блок
6. Доходы на душу населения.
7. Производство сельскохозяйственной продукции.
8. Развитие малого и среднего предпринимательства (МСП).
9. Инвестиции в основной капитал (ОК).
10. Уровень диверсификации экономики.
Экологический блок
11. Негативное воздействие на окружающую природную среду.
Далее эксперты установили существующие причинно-следственные связи между концептами и характер их влияния друг на друга (положительное или отрицательное).
Веса полученной НКК задавались с помощью двух авторских методик параметрической идентификации НКК: на основе модифицированного метода парных сравнений [15] и на основе анализа временных рядов [17]. Полученная в результате нечеткая когнитивная матрица построенной НКК приведена в табл. 1.
На рис. 2 (см. третью страницу обложки) приведено графическое представление НКК, построенное в подсистеме визуализации СППР «ИГЛА».
Номер влияющего Номер концепта, подверженного влиянию
концепта 1 2 3 4 5 6 7 8 9 10 11
1 0 0,434 0 0 0 0 0 0,654 0,512 0 0
2 0 0 0 0 0,53 0 0 0,471 0 0,417 0
3 0 0 0 0 0 0 0,178 0 0 0 0
4 0 0 0 0 -0,55 -0,99 0 0 0 0 0
5 0 0 0,353 0 0 0 0 0 0 0 0
6 0 0 0,118 0 0,353 0 0 0 0 0 0
7 0 0 0 -0,39 0 0 0 0 0 0 0,564
8 0 0 0 -0,69 0 0,527 0,8 0 0 0 0,446
9 0 0 0 0 0 0 0,78 0,691 0 0 0,418
10 0 0 0 -0,52 0,531 0 0 0,393 0 0 0
11 0 0 -0,6 0 0 0 0 0 0 0 0
Таблица 1
Нечеткая когнитивная матрица когнитивной карты управления комплексным развитием сельских территорий
Рисунки к статье Подгорской С.В., Подвесовского А.Г., Исаева Р.А. и др.
«МОДЕЛИРОВАНИЕ СЦЕНАРНОГО РАЗВИТИЯ СЕЛЬСКИХ ТЕРРИТОРИЙ НА ОСНОВЕ НЕЧЕТКОЙ КОГНИТИВНОЙ МОДЕЛИ» (с. 49-59)
Негативное воздействие на окружающую природную среду
Рис. 2. Нечеткая когнитивная модель управления комплексным развитием
сельских территорий
Рыночная инфраструктура
Сельское самоуправление
Инвестиции в OK
Социальная сфера
Численность населения
Негативное воздействие на окружающую природную среду
Рис. 3. Распределение влияний концептов на систему
Дуги красного цвета соответствуют положительным влияниям, синего — отрицательным, толщина дуги пропорциональна интенсивности влияния. Визуальное разделение концептов по цветовым стилям отражает их разделение по блокам, приведенное выше. Этот, а также ряд других возможных подходов к визуализации НКК подробно описаны в авторской работе [20]. Отметим, что все они направлены на повышение эффективности когнитивной интерпретации [23] визуального образа НКК на различных этапах когнитивного моделирования — в частности, на снижение времени, затрачиваемого на интерпретацию [24].
4. СТРУКТУРНО-ЦЕЛЕВОЙ АНАЛИЗ РАЗРАБОТАННОЙ НЕЧЕТКОЙ КОГНИТИВНОЙ МОДЕЛИ
Ряд основных системных показателей разработанной нечеткой когнитивной модели, рассчитанных по формулам (1)—(6), представлен в табл. 2. Их анализ показывает, что наиболее существенное положительное влияние на систему оказывают такие концепты, как «Развитие рыночной инфраструктуры», «Развитие сельского самоуправления» и «Инвестиции в основной капитал». Именно эти концепты будут далее рассматриваться как управляемые в процессе моделирования сценариев поведения системы. Наибольшее отрицательное влияние на систему исходит от концепта «Уровень безработицы», при этом он также оказывает существенное влияние на целевые концепты «Доход на душу населения» и «Развитие социальной сферы», что свидетельствует о его важности для развития системы в целом и необходимости его контроля при моделировании управляющих воздействий.
Распределение влияния концептов на систему также показано графически на рис. 3 (см. третью страницу обложки).
Интенсивность цвета каждого концепта пропорциональна уровню влияния. В свою очередь, воздействие системы на концепты распределено таким образом: наибольшее положительное — на концепты «Производство сельскохозяйственной продукции» и «Развитие МСП», наибольшее отрицательное — на концепт «Уровень безработицы».
Показатель консонанса влияния на систему почти для всех концептов превышает 0,9, что свидетельствует о высоком уровне доверия к знакам и степеням данных воздействий. Высокий уровень доверия в данном случае означает, что интегральные положительные/отрицательные влияния на концепты превалируют над влияниями противоположных знаков, которые реализуются посредством других транзитивных путей когнитивного графа.
5. СЦЕНАРНОЕ МОДЕЛИРОВАНИЕ УПРАВЛЕНИЯ КОМПЛЕКСНЫМ РАЗВИТИЕМ СЕЛЬСКИХ ТЕРРИТОРИЙ
Следующий этап — моделирование сценариев развития системы с применением модели импульсного процесса (формулы (7) и (8)). Сценарий — это совокупность тенденций, характеризующих ситуацию в настоящий момент, целей развития, заданных на концептах когнитивной карты, комплекса мероприятий (управляющих воздействий), воздействующих на развитие ситуации, и системы наблюдения параметров (факторов), иллюстрирующих поведение процессов.
Сценарии устойчивого развития сельских территорий должны разрабатываться на основе сравнительных преимуществ сельской местности, поиска точек роста, выявления и поддержки приоритетных направлений развития.
№ концепта Консонанс влияния концепта на систему Консонанс влияния системы на концепт Диссонанс влияния концепта на систему Диссонанс влияния системы на концепт Влияние концепта на систему Влияние системы на концепт
1 0,9047 1,0000 0,1862 1,0000 0,2424 0,0000
2 0,8944 1,0000 0,3784 0,9091 0,1992 0,0395
3 0,9151 0,5851 0,5394 0,4149 0,0232 -0,0957
4 0,9584 0,9143 0,4962 0,0857 -0,1613 -0,2637
5 0,9380 0,9390 0,5165 0,0610 0,0422 0,1816
6 0,9482 0,9245 0,5063 0,0755 0,0466 0,1723
7 0,8922 0,8635 0,5624 0,1365 0,0342 0,2596
8 0,9047 1,0000 0,5499 0,6364 0,1230 0,2008
9 0,9119 1,0000 0,4517 0,9091 0,1731 0,0465
10 0,9070 1,0000 0,4566 0,8182 0,1453 0,0544
11 0,9380 0,8864 0,5165 0,1136 -0,0718 0,2008
Таблица 2
Основные системные показатели когнитивной карты управления комплексным развитием сельских территорий
Сценарий может моделироваться по трем основным направлениям:
— прогноз развития ситуации без всякого воздействия на процессы (саморазвитие);
— прогноз развития ситуации с выбранным комплексом мероприятий-управлений (прямая задача);
— синтез комплекса мероприятий для достижения желаемого изменения состояния ситуации (обратная задача).
На основании опроса экспертов были определены начальные состояния концептов когнитивной модели, которые задаются значениями лингвистической переменной, определенной на диапазоне от 0 до 1 (табл. 3).
На основании результатов проведенного структурно-целевого анализа НКК комплексного развития сельских территорий было определено, что такие концепты, как «Развитие рыночной инфраструктуры», «Развитие сельского самоуправления» и «Инвестиции в основной капитал» наиболее эффективные.
Развитие рыночной инфраструктуры — прежде всего, повышение доступности кредитных ресурсов, выделение земельных участков и возможности подключения к коммуникациям — создаст условия для увеличения числа субъектов малого и среднего предпринимательства на селе, роста уровня диверсификации экономики (что будет способствовать сокращению безработицы), увеличения инвестиций в основной капитал.
Развитие сельского самоуправления не требует дополнительных бюджетных вложений. Необходим лишь пересмотр полномочий и соответствующее перераспределение доходных и расходных бюджетных обязательств. Если у органов местного самоуправления появятся возможности для реализации идей развития своего поселения, то это будет стимурировать инициативу населения. Повышение инициативности населения будет способствовать созданию малых предприятий и реализации разного рода социальных проектов.
Инвестиции в основной капитал, с одной стороны, могут выступать следствием развития рыночной инфраструктуры, а с другой стороны — самостоятельным фактором, непосредственным образом влияющим на уровень достижения целевых показателей развития сельских территорий. Централизованные инвестиции должны осуществляться в соответствии с документами территориального планирования и предусматривать два направления. Одно из них — развитие рыночной инфраструктуры сельских территорий, другое направление связано с инвестированием в развитие социальной сферы. Инвестиции частного капитала следует привлекать для диверсификации экономики сельских территорий.
В качестве целевых определим те концепты, достижение определенных состояний которых в процессе целенаправленного развития системы определяет устойчивость и положительную динамику всей системы. Такими концептами являются «Доход на душу населения» и «Развитие социальной сферы» (очевидно, их состояния требуется максимизировать). Проведенные авторами исследования [25—28] показывают, что именно эти концепты отражают цель комплексного развития сельских территорий, которую можно сформулировать в виде тезиса: проживание в сельских населенных пунктах должно обеспечивать гражданам получение стабильно высокого уровня доходов и доступность социальных благ.
Развитие социальной инфраструктуры села однозначно определяет экономическую динамику хозяйствующих субъектов сельских территорий. Доказано [29, 30], что развитость институтов социальной сферы играет ключевую роль в решении демографических вопросов, создает условия для увеличения численности населения и, как следствие, закрепления рабочих кадров и специалистов в сельской местности. В сельских поселениях, где хорошо развита социальная инфраструктура, текучесть кадров значительно ниже, чем в населенных пунктах, где она не развита или развита недостаточно.
В целях верификации когнитивной модели рассмотрим сценарий развития ситуации при отсутствии целенаправленных внешних воздействий на систему — так называемый вариант саморазвития («что будет, если ничего не делать?»).
Таблица 3
Начальные состояния концептов когнитивной модели
№ Наименование концепта Начальное состояние концепта
1 Развитие рыночной Ниже среднего
инфраструктуры
2 Развитие сельского Ниже среднего
самоуправления
3 Среднегодовая численность Средний
населения
4 Уровень безработицы Выше среднего
5 Развитие социальной сферы Средний
6 Доход на душу населения Ниже среднего
7 Производство сельскохозяй- Высокий
ственной продукции
8 Развитие малого и среднего Ниже среднего
предпринимательства
9 Инвестиции в основной капитал Низкий
10 Уровень диверсификации Ниже среднего
экономики
11 Негативное влияние на окру- Ниже среднего
жающую природную среду
Рис. 4. Динамика состояния концепта «Уровень безработицы» Рис. 5. Динамика состояния концепта «Социальная сфера» при при реализации различных сценариев реализации различных сценариев
Очень Высокий
Высокий
Выше среднего
Средний
Ниже среднего
Низкий Очень
Рис. 6. Динамика состояния концепта «Доход на душу населе- Рис. 7. Динамика состояния концепта «Негативное влияние на ния» при реализации различных сценариев окружающую природную среду»
Сценарий саморазвития (0) демонстрирует, что основные тенденции, характерные для социально-экономических процессов сельских территорий в настоящее время, сохранятся и в последующие периоды времени (динамика состояний ряда ключевых концептов при реализации различных сценариев представлена на рис. 4—7; номера сценариев, которым соответствуют кривые, указаны справа). Подходы к управлению не будут совершенствоваться, во многом моноотраслевая структура экономики сельских территорий будет закрепляться. Уровень жизни сельского населения, развитие инфраструктуры в широком смысле будут полностью определяться государственной политикой и поддержкой, его инвестиционной деятельностью — основным ресурсом реализации сценария останется значительное субсидирование капитальных инвестиций в экономику и социальную сферу села. В качестве базового механизма поддержки сельских территорий сохранится действующая в настоящее время практика межбюджетных трансфертов.
Такие показатели, как «Развитие рыночной инфраструктуры», «Развитие местного самоуп-
равления», «Развитие малого и среднего предпринимательства», «Инвестиции в основной капитал» и «Уровень диверсификации экономики» остаются без изменения. Состояния таких концептов, как «Численность населения», «Социальная сфера», «Доходы на душу населения» и «Производство сельскохозяйственной продукции», незначительно ухудшаются и стабилизируются в течение всего периода моделирования. Что касается концепта «Уровень безработицы», то он незначительно увеличивается и далее остается неизменным. Из положительных эффектов отметим только улучшение состояния концепта «Негативное влияние на окружающую природную среду», что вызвано снижением уровня производства и антропогенной нагрузки на экологию.
Таким образом, при отсутствии управляющих воздействий система не в состоянии за счет собственных ресурсов выйти на положительный тренд и достичь целевого уровня. В соответствии с прогнозом, условия жизни селян только ухудшатся. Инерционный вариант развития приведет к дальнейшему сокращению сельского населения, отто-
ку, прежде всего, молодежи в поисках возможностей получения более высоких доходов и лучших условий жизни, усугубит имеющиеся сегодня значительные экономические и социальные диспропорции и, таким образом, создаст устойчивые очаги неблагополучия.
В процессе работы с НКК управления комплексным развитием сельских территорий моделировалось несколько десятков сценариев, дающих основание для отбора желаемых тенденций. При этом формальный сценарный анализ сопровождался предметным анализом экспертами проблемы реализуемости сценария. В целях изучения поведения системы при целенаправленных управляющих воздействиях сформируем сценарии развития ситуации при различных сочетаниях допустимых значений управляемых концептов.
Так называемые «умеренно-оптимистические» сценарии 1—3 учитывают современные реалии управления социально-экономическим развитием сельских территорий. В рамках этих сценариев рассмотрены ситуации, при которых управляющее воздействие оказывается только на один из управляемых концептов.
Сценарий 1. Предположим, что в результате активизации законодательных инициатив существенно улучшились институциональные условия по обеспечению рыночной инфраструктурой, и состояние соответствующего концепта теперь оценивается как «средний». Результаты моделирования (см. рис. 4—7) показывают, что при реализации данного сценария существенно улучшается динамика институциональных концептов, уровень безработицы снижается до среднего значения, что, однако, недостаточно и не позволит уменьшить социальную напряженность в сельской местности. В целом же, несмотря на положительную динамику, развитие системы по рассматриваемому сценарию не позволяет достичь целевых показателей даже в отдаленных временных периодах.
Сценарий 2 описывает ситуацию, когда состояние концепта «Развитие сельского самоуправления» повышается до уровня «выше среднего».
В рамках сценария 3 моделируется ситуация, когда происходит улучшение состояния концепта «Инвестиции в основной капитал» до уровня «выше среднего».
Анализ динамики целевых концептов позволяет сделать вывод о том, что из трех умеренно-оптимистических сценариев сценарий 2 является наиболее приемлемым, так как достигаемый уровень доходов на душу населения примерно сопоставим с достигаемыми при реализации двух других сценариев, а достигаемое состояние социальной сферы характеризуется как «очень высокое».
Рассмотрим теперь оптимистический сценарий 4, при реализации которого управляющие воз-
действия одновременно оказываются на все три управляемых концепта (при этом характер и интенсивность данных воздействий остаются теми же, что и в сценариях 1—3). Оценивая результаты его моделирования (см. рис. 4—7), можно утверждать, что общая ситуация значительно улучшилась по сравнению с рассмотренными ранее сценариями — все значимые показатели имеют положительную динамику, целевые концепты достигают желаемого уровня. Вместе с тем, угрозой развитию системы является ухудшение экологической обстановки (см. рис. 7), которое потребует дополнительных решений по урегулированию негативного влияния на окружающую природную среду в результате развития производства.
Таким образом, оптимистический сценарий 4 предполагает значительные позитивные изменения в социально-экономическом, экологическом и инфраструктурном развитии сельских территорий при условии кардинального улучшения инвестиционного климата, осуществлении значительных государственных и частных инвестиций, развитии местного самоуправления.
ЛИТЕРАТУРА
1. Кулинич А.А. Ситуационный, когнитивный и семиотический подходы к принятию решений в организациях // Открытое образование. — 2016. — Т. 20, № 6. — С. 9—17. [Kulinich, AA. Situatsionnyi, kognitivnyi i semioticheskii pod-khody k prinyatiyu reshenii v organizatsiyakh // Otkrytoe obra-zovanie. — 2016. — Vol. 20, No. 6. — P. 9—17. (In Russian)]
2. Авдеева З.К., Коврига С.В., Макаренко Д.И. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) // Управление большими системами. — 2007. — Вып. 16. — С. 26—39. [Avdeeva, Z.K., Kovriga, S.V., Makarenko, D.I. Kognitivnoe modelirovanie dlja reshenija zadach upravlenija slabostrukturi-rovannymi sistemami (situacijami) // Upravlenie bolshimi sis-temami. — 2007. — Vol. 16. — P. 26—39 (In Russian)]
3. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. — М.: Горячая линия — Телеком, 2012. — 284 с. [Borisov, V.V., Kruglov, V.V., Fedulov, A.S. Nechetkie modeli i seti. — Moscow: Gorjachaja linija — Telekom, 2012. — 284 s. (In Russian)]
4. Силов В.Б. Принятие стратегических решений в нечеткой обстановке. — М.: ИНПРО-РЕС, 1995. — 228 с. [Silov, V.B. Prinjatie strategicheskih reshenij v nechetkoj obstanovke. Moscow: INPRO-RES, 1995. — 228 s. (In Russian)]
5. Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам: Пер. с англ. — М.: Наука, 1986. — 496 с. [Roberts, F.S. Discrete Mathematical Models, with Applications to Social, Biological, and Environmental Problems: Translation from English. — Moscow: Science, 1986. — 496 s. (In Russian)]
6. Волошенко Е.В. Индикаторы устойчивого развития сельских территорий: региональный аспект // Вестник Российского государственного университета им. И. Канта. — 2011. — Вып. 1. — С. 117—124. [Voloshenko, E.V. Indikatory ustoichivogo razvitiya sel'skikh territorii: regional'nyi aspekt // Vestnik Rossiiskogo gosudarstvennogo universiteta im. I. Kant. — 2011. — Vol. 1. — P. 117—124. (In Russian)]
7. Попова А.Л., Канавцев М.В. Особенности моделирования развития сельских территорий РФ // Инновационная наука. — 2G15. — № б. — С. 139, 14G. [Popova, A.L., Kanav-tsev, M. V. Osobennosti modelirovaniya razvitiya sel'skikh terri-torii RF // Innovatsionnaya nauka. — 2G15. — No. б. — P. 139, 14G. (In Russian)]
В. Холопова Ю.С., Галиуллин Х.Я. Оценка территориальной остроты ситуации сельских территорий как основа для разработки стратегии социально-экономического развития района // Вестник Ульяновской государственной сельскохозяйственной академии. — 2G12. — № 4. — С. 15В—1б4. [Kholopova, Yu.S., Galiullin, Kh.Ya. Otsenka territorial'noi os-troty situatsii sel'skikh territorii kak osnova dlya razrabotki strategii sotsial'no-ehkonomicheskogo razvitiya raiona // Vest-nik Ul'yanovskoi gosudarstvennoi sel'skokhozyaistvennoi akademii. — 2G12. — No. 4. — P. 15В—1б4. (In Russian)]
9. Доргушаова А.В. Динамическая модель экономического каркаса несырьевого развития региона // Траектория науки. Электронный научный журнал. — 2G16. — № 4 (9). — С. 211—221. [Dorgushaova, A.V. Dinamicheskaya model' ehkonomicheskogo karkasa nesyr'evogo razvitiya regiona // Traektoriya nauki. Ehlektronnyi nauchnyi zhurnal. — 2G16. — No. 4 (9). — P. 211—221. (In Russian)]
1G. Горелова Г.В., Захарова Е.Н., Гинж Л.А. Когнитивный анализ и моделирование устойчивого развития социально-экономических систем. — Ростов н/Д: Изд-во Ростовского ун-та, 2GG5. [Gorelova, G.V., Zakharova, E.N., Ginis, L.A. Kognitivnyi analiz i modelirovanie ustoichivogo razvitiya sot-sial'no-ehkonomicheskikh sistem. — Rostov n/D: Izd-vo Ros-tovskogo un-ta, 2GG5. (In Russian)]
11. Лавреш И.И., Миронов В.В., Смирнов А.В. Когнитивное моделирование социально-экономических рейтингов регионов // Вестник ИТАРК. — 2G11. — № 1. — С. 22—3G. [Lav-resh, I.I., Mironov, V.V., Smirnov, A.V. Kognitivnoe modelirov-anie sotsial'no-ehkonomicheskikh reitingov regionov // Vestnik ITARK. — 2G11. — No. 1. — P. 22—3G. (In Russian)]
12. Каранашев А.Х., Селиванов С.В. Применение нечетких когнитивных моделей в задачах эколого-экономического управления регионом // Вестник Адыгейского государственного университета. — 2G16. — Вып. 3 (1В5). — С. 114—12б. [Karanashev, A.Kh., Selivanov, S.V. Primenenie nechetkikh kognitivnykh modelei v zadachakh ehkologo-ehkonomichesko-go upravleniya regionom // Vestnik Adygeiskogo gosudarstven-nogo universiteta. 2G16. — Vol. 3 (1В5). — P. 114—12б. (In Russian)]
13. Кондрашина О.Н., Анохина М.Е. Использование нечетких когнитивных карт в оценке качества экономического роста отдельной отрасли // Экономика и предпринимательство. — 2G17. — № 5-1. — С. В9б—В99. [Kondrashina, O.N., Anokhi-na, M.E. Ispol'zovanie nechetkikh kognitivnykh kart v otsenke kachestva ehkonomicheskogo rosta otdel'noi otrasli // Ehkono-mika i predprinimatel'stvo. — 2G17. — No. 5-1. — P. В9б—В99. (In Russian)]
14. Мельник М.С., Орехов В.Д., Причина О.С. Моделирование тенденций и закономерностей трудовой деятельности в России: когнитивный подход // Проблемы экономики и юридической практики. — 2G1B. — № 3. — С. 94—1G1. [Mel'nik, M.S., Orekhov, V.D., Prichina, O.S. Modelirovanie tendentsii i zakonomernostei trudovoi deyatel'nosti v Rossii: kognitivnyi podkhod // Problemy ehkonomiki i yuridicheskoi praktiki. — 2G1B. — No. 3. — P. 94—1G1. (In Russian)]
15. Имев Р.А. Модифицированный метод парных сравнений для экспертной оценки параметров нечеткой когнитивной модели // Современные информационные технологии и ИТ-образование. — 2G16. — Т. 12, № 2. — С. 35—42. [Isaev, R.A. Modificirovannyj metod parnyh sravnenij dlja jek-spertnoj ocenki parametrov nechetkoj kognitivnoj modeli // Modern Information Technology and IT-education. — 2G16. — Vol. 12, No. 2. P. 35—42 (In Russian)]
16. Имев Р.А., Подветвжий А.Г. Оценка согласованности суждений эксперта при построении функции принадлежности нечеткого множества методом множеств уровня //
Современные информационные технологии и ИТ-образование. - 2017. - Т. 13, № 3. - С. 9-15. [Isaev, R.A., Pod-vesovskij, A.G. Ocenka soglasovannosti suzhdenij jeksperta pri postroenii funkcii prinadlezhnosti nechetkogo mnozhestva me-todom mnozhestv urovnja // Modern Information Technology and IT-education. — Vol. 13, No. 3. P. 9—15 (In Russian)]
17. Isaev, R.A., Podvesovskii, A.G. Application of time series analysis for structural and parametric identification of fuzzy cognitive models (2018) CEUR // Workshop Proceedings of the International Conference Information Technology and Nanotech-nology. Session Data Science (DS-ITNT 2018), Vol. 2212. -P. 119-125.
18. Isaev, R.A., Podvesovskii, A.G. Generalized Model of Pulse Process for Dynamic Analysis of Sylov's Fuzzy Cognitive Maps // CEUR Workshop Proceedings of the Mathematical Modeling Session at the International Conference Information Technology and Nanotechnology (MM-ITNT 2017), Vol. 1904. -P. 57-63.
19. Подвесовский А.Г., Лагерев Д.Г., Коростелев Д.А. Применение нечетких когнитивных моделей для формирования множества альтернатив в задачах принятия решений // Вестник Брянского государственного технического университета. - 2009. - № 4 (24). - С. 77-84. [Podvesovskii, A.G, Lagerev, D.G., Korostelev, D.A. Primenenie nechetkikh kogni-tivnykh modelei dlya formirovaniya mnozhestva al'ternativ v zadachakh prinyatiya reshenii // Vestnik Bryanskogo gosudarst-vennogo tekhnicheskogo universiteta. - 2009. - No. 4 (24). -P. 77-84. (In Russian)]
20. Подвесовский А.Г., Исаев Р.А. Метафоры визуализации нечетких когнитивных карт // Научная визуализация. -2018. - Т. 10, № 4. - С. 13-29. [Podvesovskij, A.G., Isaev, R..A. Visualization metaphors for fuzzy cognitive maps. Scientific Visualization. - 2018. - Vol. 10, No. 4. - P. 13-29. (In Russian)]
21. Захарова А.А., Шкляр А.В. Метафоры визуализации // Научная визуализация. - 2013. - Т. 5, № 2. - С. 16-24. [Zakharova, A.A., Shklyar, A. V. Metafory vizualizatsii // Nauchnaya vizualizatsiya. - 2013. - Vol. 5. - No. 2. -P. 16-24. (In Russian)]
22. Захарова А.А., Вехтер Е.В., Шкляр А.В. Методика решения задач анализа данных при использовании аналитических визуальных моделей // Научная визуализация. - 2017. -Т. 9. - № 4. - С. 78-88. [Zakharova, А.А., Vekhter, E.V., Shklyar, A.V. Metodika resheniya zadach analiza dannykh pri ispol'zovanii analiticheskikh vizual'nykh modelei // Nauchnaya vizualizatsiya. - 2017. - Vol. 9, No. 4. - P. 78-88. (In Russian)]
23. Захарова А.А., Вехтер Е.В., Шкляр А.В. и др. Количественная оценка когнитивной интерпретируемости визуализации // Научная визуализация. - 2018. - Т. 10, № 4. -С. 145-153. [Zakharova, А.А., Vekhter, E.V., Shklyar, A.V., et al. Kolichestvennaya otsenka kognitivnoi interpretiruemosti vizualizatsii // Nauchnaya vizualizatsiya. - 2018. - Vol. 10, No. 4. - P. 145-153. (In Russian)]
24. Захарова А.А., Шкляр А.В. Информативные признаки задач визуализации // Научная визуализация. - 2015. - Т. 7, № 2. - С. 73-80. [Zakharova, A.A., Shklyar, A.V. Informa-tivnye priznaki zadach vizualizatsii // Nauchnaya vizualiza-tsiya. - 2015. - Vol. 7, No. 2. - P. 73-80. (In Russian)]
25. Подгорская С.В. Методологические основы когнитивного моделирования комплексного развития сельских территорий // Вестник Донского государственного аграрного университета. - 2018. - № 2-2 (28). - С. 44-48. [Podgor-skaya, S.V. Metodologicheskie osnovy kognitivnogo modelirov-aniya kompleksnogo razvitiya sel'skikh territorii // Vestnik Donskogo gosudarstvennogo agrarnogo universiteta. - 2018. -No. 2-2 (28). - P. 44-48. (In Russian)]
26. Подгорская С.В. Характеристика системы концептов когнитивной модели управления устойчивым развитием сельских территорий // Инновационные пути решения актуальных проблем АПК России: Материалы всеросс. (нац.) науч.-практ. конф. - Персиановский: Донской
ГАУ, 2018. - С. 642-646. [Podgorskaya, S.V. Kharakteristika sistemy kontseptov kognitivnoi modeli upravleniya ustoichivym razvitiem sel'skikh territorii // Innovatsionnye puti resheniya aktual'nykh problem APK Rossii: Materialy vseross. (nats.) nauch.-prakt. konf. — Persianovskii: Donskoi GAU, 2018. — P. 642—646. (In Russian)]
27. Тарасов А.С., Антонова Н.И., Маркина Е.Д., Бахматова Г.А. Формирование комплексного прогноза развития инженерной, рыночной и природоохранной инфраструктуры сельских территорий // Проблемы развития АПК региона. — 2017. — Т. 3, № 3 (31). — С. 147—152. [Tarasov, AS., An-tonova, N.I., Markina, E.D., Bahmatova, G.A. Formirovanie kompleksnogo prognoza ustojchivogo razvitija inzhenernoj, rynochnoj, i prirodoohrannoj infrastruktury sel'skih territorij // Problemy razvitija APK regiona. — 2017. — Vol. 3, No. 3 (31). — P. 147—152. (In Russian)]
28. Антонова Н.И. Развитие сельских территорий — условие сохранения территориальной целостности страны // Повышение эффективности АПК в системе социально-ориентированного развития сельских территорий: сб. науч. тр. ФГБНУ НИИЭОАПК ЦЧР России [по результатам межрегион. науч.-практ. конф.]. — Воронеж, 2015. [Antonova, N.I. Razvitie sel'skikh territorii — uslovie sokhraneniya territori-al'noi tselostnosti strany // Povyshenie ehffektivnosti APK v sisteme sotsial'no-orientirovannogo razvitiya sel'skikh territorii: sb. nauch. tr. FGBNU NIIEOAPK CHR Rossii [po re-zul'tatam mezhregion. nauch.-prakt. konf.]. — Voronezh, 2015. (In Russian)]
29. Подгорская С.В. Концептуальная модель инвестиционного обеспечения развития социальной инфраструктуры села (на материалах Ростовской области): дис. канд. экон. наук. — Южный федеральный университет. Персианов-ский. — 2008. — 202 с. [Podgorskaja, S.V. Konceptual'naja model' investicionnogo obespechenija razvitija social'noj infras-
truktury sela (na materialah Rostovskoj oblasti) (Ph. D. Thesis), Rostov-na-Donu. — 2008. — 202 s. (In Russian)] 30. Марамохина Е.В. Основные проблемы социальной инфраструктуры сельской местности (на примере Нижегородской области) // Аэкономика: экономика и сельское хозяйство. — 2016. — № 2 (10). [Maramokhina, E.V. Osnovnye problemy sotsial'noi infrastruktury sel'skoi mestnosti (na primere Nizhegorodskoi oblasti) // Aehkonomika: ehkonomika i sel'skoe khozyaistvo. — 2016. — No. 2 (10). (In Russian)]
Статья представлена к публикации членом редколлегии О.П. Кузнецовым.
Поступила в редакцию 3.03.2019, после доработки 21.05.2019.
Принята к публикации 26.06.2019.
Подгорская Светлана Валерьевна — канд. экон. наук, Всероссийский научно-исследовательский институт экономики и нормативов (ВНИИЭиН) — филиал Федерального Ростовского аграрного научного центра, г. Ростов-на-Дону, Н [email protected],
Подвесовский Александр Георгиевич — канд. техн. наук,
Брянский государственный технический университет,
Исаев Руслан Александрович — аспирант,
Брянский государственный технический университет,
Тарасов Алексей Сергеевич — д-р экон. наук, ВНИИЭиН — филиал Федерального Ростовского аграрного научного центра, г. Ростов-на-Дону, Н [email protected],
Бахматова Галина Александровна — ВНИИЭиН — филиал Федерального Ростовского аграрного научного центра, г. Ростов-на-Дону, Н [email protected].
Abstract. Application of cognitive modeling to such complex semistructured social and economic systems as rural territories is considered. The fuzzy cognitive model of complex development of rural territories is developed, a set of significant parameters (concepts) of model is determined in backbone spheres of activity, such as social, demographic, economic, institutional and ecological. The technology of modeling is complemented with authors' techniques of parametrical identification of fuzzy cognitive maps and its scenario analysis on the basis of fuzzy model of pulse process. On the basis of the structural and target analysis of system indicators of the fuzzy cognitive map its defined that the greatest impact on target concepts and a system in general is made by factors of the institutional environment, such as development of market infrastructure and rural self-government, which defines them as the most effective applications of the operating influences. The results of scenario modeling of model of complex development of rural territories allowing planning and quick estimation of development of a territorial recreational system in the conditions of the fast-changing external environment are presented. Results of the research can be used by state authorities of agro-industrial complex on all levels for forming effective strategy and developing programs of social and economic development of rural territories.
Keywords: complex development of rural territories, cognitive modeling, fuzzy cognitive model, semistructured systems, structural and target analysis, scenario analysis.
MODELING OF SCENARIO DEVELOPMENT OF RURAL TERRITORIES BASED ON FUZZY COGNITIVE MODEL
S.V. Podgorskaya1, #, A.G. Podvesovskii2, R.A. Isaev2, A.S. Tarasov1, G.A. Bakhmatova1
1 The Federal Agrarian Scientific Centre of Rostov,
2
2 Bryansk State Technical University #H [email protected]
[Информационные технологии в управлении
УДК 519.254 001: http://doi.Org/10.25728/pu.2019.5.6
АДАПТИВНЫЙ АЛГОРИТМ УПРАВЛЕНИЯ ИЗМЕРЕНИЯМИ КВАЗИСТАЦИОНАРНЫХ ПЕРИОДИЧЕСКИХ ПРОЦЕССОВ
А.К. Волковицкий
Аннотация. Поставлена задача создания эффективного метода управления работой линейных измерительных систем в условиях преобладающего влияния искажений, обусловленных изменчивостью во времени параметров измерительного преобразования. Представлены метод и алгоритм управления измерениями спектра и временной формы квазистационарного периодического процесса, заключающиеся в одновременном раздельном наблюдении параметров исследуемого процесса и параметров измерительной системы с последующим введением корректирующих поправок. Отмечено, что контроль параметров системы осуществляется с помощью искусственного стационарного полигармонического эталонного воздействия, причем спектры исследуемого и эталонного воздействий не пересекаются. Показан способ синтеза временной формы процесса эталонного воздействия. Определены основные ограничения и область условий возможного применения метода, показана его эффективность на примере экспериментальных данных, полученных в процессе функционирования низкочастотной индуктивной электроразведочной системы в режиме измерения переменного магнитного поля.
Ключевые слова: управление измерениями, контроль параметров преобразования, адаптивная коррекция, квазистационарный периодический процесс.
ВВЕДЕНИЕ
Высокоточное измерение параметров различных процессов — необходимый и важный элемент функционирования большинства систем управления. От точности измерений зависит, в конечном счете, точность работы различного рода регуляторов, систем управления движением, контроля параметров технологических процессов. Значительное место в технике измерений занимает контроль параметров циклических квазистационарных процессов, которые можно полагать периодическими на некотором интервале времени наблюдения. Такого рода измерения часто возникают в тех случаях, когда предметом измерения является характер реакции какого-либо объекта на известный зондирующий процесс. В этом случае датчики измерительной системы регистрируют воздействие процесса, также периодического, однако в общем случае, неизвестного. Входное воздействие преобразуется в электрический сигнал, а затем и в циф-
ровую информацию. Датчики, участвующие в процессе измерений, будучи сложными по структуре и принципу работы, зачастую вносят существенные искажения в результаты преобразования [1]. Параметры преобразования оказываются зависимыми от различного рода внешних воздействий — прежде всего от тепловых процессов в самом датчике и электронных блоках измерительной системы. Форма сигнала на выходе измерительной системы становится непредсказуемо отличной от формы входного воздействия. В случае сложных датчиков бывает даже так, что искажающее влияние изменчивости измерительных характеристик оказывается значительно большим, чем влияние шумов и помех. Для решения задач контроля, регулирования, слежения и многих других задач важно получать точное представление об исследуемом процессе.
В этом контексте управление процессом измерений, заключающееся в мониторинге характера измерительных искажений и внесении адаптивных корректирующих поправок, позволяющих восстановить истинные параметры исследуемого про-