РАЗРАБОТКА ПОЛЬЗОВАТЕЛЬСКОГО АЛГОРИТМА И ИССЛЕДОВАНИЕ ВЛИЯНИЯ ИНВЕСТИЦИЙ НА РЕЗУЛЬТАТЫ ДЕЯТЕЛЬНОСТИ АПК

Луценко Евгений Вениаминович; Лаптев Владимир Николаевич

УДК 004.8

08.00.13 - Математические и инструментальные методы экономики (экономические науки)

РАЗРАБОТКА ПОЛЬЗОВАТЕЛЬСКОГО АЛГОРИТМА И ИССЛЕДОВАНИЕ ВЛИЯНИЯ ИНВЕСТИЦИЙ НА РЕЗУЛЬТАТЫ ДЕЯТЕЛЬНОСТИ АПК1

Луценко Евгений Вениаминович

д.э.н., к.т.н., профессор

Web of Science ResearcherID S-8667-2018

Scopus Author ID: 57188763047

РИНЦ id=123162, SPIN-code: 9523-7101

prof.lutsenko@gmail.com http://lc.kubagro.ru

https://www.researchgate.net/profile/Eugene-Lutsenko

Лаптев Владимир Николаевич к.т.н., доцент

Кубанский Государственный Аграрный университет имени И.Т.Трубилина, Краснодар, Россия

При исследовании влияния инвестиций на результаты деятельности АПК возникает ряд задач, решение которых представляет собой этапы автоматизированного системно-когнитивного анализа (АСК-анализ) (Луценко, 2002). Задача 1: Когнитивная структуризация предметной области. Задача 2: Формализация предметной области (разработка классификационных и описательных шкал и градаций и обучающей выборки). Задача 3: Синтез и верификация статистических и системно-когнитивных моделей. Задача 4: Решение задачи идентификации (распознавания, классификации, диагностики) и прогнозирования. Задача 5: Решение задач принятия решений, т.е. управления (достижения целей). Задача 6: Решение задачи исследования объекта моделирования путем исследования его модели. Ряд этих задач решены в предыдущих работах авторов. В данной работе на реальном численном примере решаются задачи разработки пользовательского алгоритма и исследования влияния инвестиций на результаты деятельности АПК с применением этого алгоритма

Ключевые слова: ВЛИЯНИЕ ИНВЕСТИЦИЙ, РЕЗУЛЬТАТЫ ДЕЯТЕЛЬНОСТИ АПК, ИНФОРМАЦИОННО-КОГНИТИВНЫЙ МЕХАНИЗМ АДАПТИВНОГО УПРАВЛЕНИЯ, ОТКРЫТЫЕ СИСТЕМЫ

DOI: http://dx.doi.org/10.21515/1990-4665-169-013

UDC 004.8

08.00.13 - Mathematical and instrumental methods of Economics (Economics)

DEVELOPMENT OF A CUSTOM ALGORITHM AND STUDY OF THE IMPACT OF INVESTMENTS ON THE RESULTS OF THE AGRO-INDUSTRIAL COMPLEX

Lutsenko Evgeniy Veniaminovich

Dr.Sci.Econ., Cand.Tech.Sci., professor

Web of Science ResearcherlD S-8667-2018

Scopus Author ID: 57188763047

RSCI id=123162, SPIN-code: 9523-7101

prof. lutsenko @gmail. com http://lc.kubagro.ru

https://www.researchgate.net/profile/Eugene-

Lutsenko

Laptev Vladimir Nikolaevich

Dr.Sci.Econ., associate professor

Kuban State Agrarian University named after I. T.

Trubilin, Krasnodar, Russia

When studying the impact of investments on the results of agricultural activities, a number of tasks arise, the solution of which is the stages of automated system-cognitive analysis (ASC-analysis) (Lutsenko, 2002). Task 1: Cognitive structuring of the subject area. Task 2: Formalization of the subject area (development of classification and descriptive scales and gradations and training samples). Task 3: Synthesis and verification of statistical and system-cognitive models. Task 4: Solving the problem of identification (recognition, classification, diagnostics) and forecasting. Task 5: Solving the problems of decision-making, i.e. management (achieving goals). Task 6: Solving the problem of studying the object of modeling by studying its model. A number of these problems are solved in the previous works of the authors. In this study we solve the problems of developing a custom algorithm and studying the impact of investments on the results of agricultural activities, using this algorithm with the help of a real numerical example

Keywords: IMPACT OF INVESTMENTS, RESULTS OF AGRIBUSINESS ACTIVITIES, INFORMATION AND COGNITIVE MECHANISM OF ADAPTIVE MANAGEMENT, OPEN SYSTEMS

1 Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-010-00143

СОДЕРЖАНИЕ

ВВЕДЕНИЕ...................................................................................................................................................2

1. КЛАССИФИКАЦИЯ ЗАДАЧ, ВОЗНИКАЮЩИХ ПРИ ИССЛЕДОВАНИИ ВЛИЯНИЯ ИНВЕСТИЦИЙ НА РЕЗУЛЬТАТЫ ДЕЯТЕЛЬНОСТИ АПК С ПРИМЕНЕНИЕМ ИНФОРМАЦИОННО-КОГНИТИВНЫХ ТЕХНОЛОГИЙ..........................................................................3

1.1. Задача 1: когнитивная структуризация предметной области................................................3

1.2. Задача 2: формализация предметной области............................................................................4

1.3. Задача 3: синтез и верификация статистических и системно-когнитивных моделей .... 4

1.3.1. Синтез моделей...............................................................................................................................4

1.3.2. Верификация моделей.....................................................................................................................4

2. ЗАДАЧА 4: ИДЕНТИФИКАЦИЯ (РАСПОЗНАВАНИЯ, КЛАССИФИКАЦИЯ, ДИАГНОСТИКА) И ПРОГНОЗИРОВАНИЕ.................................................................................................................................5

3. ЗАДАЧА 5: ПРИНЯТИЕ РЕШЕНИЙ, Т.Е. УПРАВЛЕНИЕ (ДОСТИЖЕНИЕ ЦЕЛЕЙ)....................9

4. ЗАДАЧА 6: ИССЛЕДОВАНИЕ ОБЪЕКТА МОДЕЛИРОВАНИЯ ПУТЕМ ИССЛЕДОВАНИЯ ЕГО МОДЕЛИ......................................................................................................................................................13

4.1. Пользова тельский алгоритм самостоятельного исследования влияния инвестиций на результаты деятельности АПК.............................................................................................................. 13

4.2. Семантические портреты значений факторов (инвертированные SWOT-диаграммы) . 14

4.3. Когнитивные диаграммы классов................................................................................................ 15

4.4. Агломеративная когнитивная кластеризация классов..........................................................16

4.5. Когнитивные диаграммы значений факторов........................................................................... 19

4.6. Агломеративная когнитивная кластеризация значений факторов....................................20

4.7. Нелокальные нейроны и нелокальные нейронные сети........................................................22

4.8. 3й-интегральные когнитивные карты..........................................................................................24

4.9. Когнитивные функции.......................................................................................................................25

4.10. Сила и направление влияния зна чений факторов и сила влияния самих факторов на поведение объекта моделирования.....................................................................................................28

4.11. Степень детерминированности классов (будущих состояний объекта моделирования) значениями обуславливающих их факторов.....................................................34

ЗАКЛЮЧЕНИЕ............................................................................................................................................43

ЛИТЕРАТУРА.............................................................................................................................................43

Введение

Задача исследования влияния инвестиций на результаты деятельности АПК является не только в высшей степени актуальной, но и в той же степени необычной.

Дело в том, что традиционно в инвестиционном анализе исследуется и разрабатывается комплекс методических и практических приемов и методов, обоснования и оценки целесообразности осуществления инвестиций с целью принятия инвестором эффективного решения. Главная цель инвестиционного анализа состоит в объективной оценке целесообразности осуществления краткосрочных и долгосрочных инвестиций с точки зрения инвестора. В этой области есть огромное количество научных работ, математических моделей, научно-методических разработок и программных систем.

Однако при отслеживании законных интересов инвестора как-то забывают о том, для чего вообще нужны инвестиции. Обычно все отвечают на этот вопрос опять же с точки зрения инвестора: «Для получения прибыли» инвестором. При этом мало кого интересуют интересы получателя инвестиций. А ведь первичный фундаментальный смысл инвестиций лежит не в области виртуальных финансов и состоит не в еще большем обогащении инвестора, а в том, чтобы что-то изменить к лучшему в реальной предметной области, т.е. у производственника -получателя инвестиций.

По сути, с этой точки зрения инвестиции необходимо рассматривать как управляющий фактор, влияющий на повышение эффективности работы получателя инвестиций. Сам же получатель инвестиций с этой точки зрения рассматривается как объект управления.

1. Классификация задач, возникающих при исследовании влияния инвестиций на результаты деятельности АПК с применением информационно-когнитивных технологий

При исследовании влияния инвестиций на результаты деятельности АПК возникает ряд задач, решение которых представляет собой этапы автоматизированного системно-когнитивного анализа (АСК-анализ) (Луценко, 2002) [1]:

Задача 1: Когнитивная структуризация предметной области.

Задача 2: Формализация предметной области (разработка классификационных и описательных шкал и градаций и обучающей выборки).

Задача 3: Синтез и верификация статистических и системно-когнитивных моделей.

Задача 4: Решение задачи идентификации (распознавания, классификации, диагностики) и прогнозирования.

Задача 5: Решение задач принятия решений, т.е. управления (достижения целей).

Задача 6: Решение задачи исследования объекта моделирования путем исследования его модели.

В данной работе кратко рассмотрим содержание первых трех задач и решение 4-й, 5-й и 6-й задач.

1.1. Задача 1: когнитивная структуризация предметной области

На этом этапе АСК-анализа решается, что мы рассматриваем как факторы, а что как результаты их влияния. В качестве факторов мы рассматриваем инвестиции различных объемов в различные отрасли и подотрасли АПК, а в качестве результатов их влияния - объемы производства различных видов сельскохозяйственной продукции [2].

Данный этап АСК-анализа единственный, не автоматизированный в его программном инструментарии - интеллектуальной системе «Эйдос».

Класс - это градация классификационной шкалы. Признак - это градация описательной шкалы. Классификационные шкалы описывают обобщающие категории, соответствующие текущим или будущим состояниям объекта моделирования. Описательные шкалы описывают свойства их значения, или факторы и их значения. Шкалы могут быть текстовые или числовые, текстовые шкалы могут быть номинальные и порядковые.

1.2. Задача 2: формализация предметной области

Однако для синтеза моделей влияния объемов и направленности инвестиций на результаты работы АПК решения задачи 1 недостаточно. Необходимо еще разработать справочники значений инвестиционных факторов, влияющих на результаты деятельности АПК, а также справочники самих результатов деятельности АПК. Затем исходные данные необходимо закодировать с использованием этих справочников и получить в результате этого обучающую выборку. Эта задача решена в работе [3].

1.3. Задача 3: синтез и верификация статистических и системно-когнитивных моделей

Решение первых двух задач АСК-анализа в работах [1, 2] создало все необходимые и достаточные условия для решения 3-й задачи, т.е. для синтеза и верификации статистических и системно-когнитивных моделей влияния инвестиций на результаты деятельности АПК. Этому и посвящена данная работа.

1.3.1. Синтез моделей

Для выполнения этого этапа АСК-анализа запускаем режим 3.5 интеллектуальной системы «Эйдос», которая в настоящее время является единственный системой, полностью автоматизирующей АСК-анализ. В результате работы режима 3.5 созданы 3 статистические и 7 системно-когнитивных моделей [4].

1.3.2. Верификация моделей

Верификация моделей - это процесс измерения их достоверности, адекватности, правильности отражения в модели моделируемой предметной области [4].

Если модель адекватна, то ее корректно использовать для решения различных задач: идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области. Если же модель неадекватна то этого делать ни в коем случае нельзя. Если же степень адекватности модели неизвестна (не оценивалась), то ее применение для решения задач выработки рекомендаций, предназначенных для реализации на практике, является крайне безответственным и авантюристичным, а точнее сказать просто профанацией и дискредитацией всей науки о

прогнозировании и принятии решений. Причина очень проста: если модель с неизвестной достоверностью окажется неадекватна, то применение на практике рекомендаций, выработанных с ее применением, может иметь самые тяжелые и даже тяжкие последствия.

Эту адекватность моделей можно оценивать путем сравнения результатов решения различных задача в этих моделях с фактом с использованием ретроспективных данных (данных прошлых периодов). Для этого могут быть использованы задачи идентификации (классификации, распознавания, диагностики) и прогнозирования. А задача принятия решений для этого не подходит, т.к. не может быть решена на ретроспективных данных и предполагает применение результатов решения этой задачи на практике до оценки достоверности мелели, что неприемлемо. Задача исследования моделируемой предметной области путем исследования ее модели подходит для оценки достоверности модели только в том случае, если предметная область уже хорошо изучена.

В системе «Эйдос» адекватность модели оценивается путем решения задачи идентификации (прогнозирования) и сравнения результатов решения этой задачи с фактом с применением Б-меры Ван Ризбергена и ее инвариантное относительно объемов данных нечеткого мультиклассового обобщения, предложенного автором [5].

По результатам работы [4] можно обоснованно сделать вывод о том, что достоверность модели оказалась очень высокой, что позволяет корректно применить ее для решения задач идентификации, прогнозирования, приятия решений и исследования влияния инвестиций на результаты деятельности АПК.

2. Задача 4: идентификация (распознавания,

классификация, диагностика) и прогнозирование

Задачу идентификации и прогнозирования состояния объекта моделирования, как и другие задачи, решаем в наиболее достоверной модели 1№3 (рисунок 1).

Смысл решения задачи идентификации состоит в том, что когда некоторый конкретный объект, о котором мы раньше ничего не знали, кроме того, какие у него признаки, относится системой на основе модели к определенным обобщенным категориям, (классам), то мы узнаем об этом объекте все, что знаем об этих классах.

Задачи идентификации и прогнозирования тесно взаимосвязаны: при идентификации значения свойств и принадлежность объекта к классу относятся к одному моменту времени, а при прогнозировании значения факторов относятся к прошлому, а переход объекта под действием этих факторов в состояние, соответствующее классу относится к будущему. По математической модели, алгоритмам и структурам данных решение этих задач не отличается.

Исходные данные для идентификации и прогнозирования вводятся в систему в том же автоматизированном программном интерфейсе АР1-2.3.2.2, в котором вводились исходные данные для формирования моделей [3] с теми же параметрами за исключением одной опции в группе:

«Задайте режим» (рисунок 2):

Рисунок 1. Экранная форма режима 3.4 системы «Эйдос» с результатами измерения достоверности моделей

2-3.2.2. Универсальный программный интерфейс импорта данных б систему ~ЭЙДОС-Х-|-

_LMJ

Автоматическая формализация предметной области: генерация классификационных и описательных шкал и градаций, а также обучающей и распознаваемой выборки на основе базы исходных данных: "1пр_с1а1а"

Задайте параметры:-

Стандарт XLS-файла

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Задайтетип Файла исходных данных: "lnp_data' f? XLS -MS Excel-2003 Г XLSX-MS Excel-2007(2010) Г DBF • DBASE IV (DBF/NTX) Стандарт DBF-Файла

С CSV • CSV => DBF конвертер Стандарт CSV-Файла

(* Нули и пробелы считать ОТСУТСТВИЕМ данных Г Нули и пробелы считать ЗНАЧЕНИЯМИ данных Г~ Создавать БД средних по классам "lnp_davг.dbf"? Требования к Файлу исходных данных

-Задайте диапазон столбцов классификационных шкал: Начальный столбец классификационных шкал: Конечный столбец классификационных шкал:

92

-Задайте диапазон столбцов описательных шкал: Начальный столбец описательных шкал: Конечный столбец описательных шкал:

Задайте режим:

С Формализации предметной области (на основе "lnp_data") ^^Генерации распознаваемой выборки (на основе "lnp_rasp"|

Задайте способ выбора размера интервалов: С Равные интервалы с разным числом наблюдений ♦ Разные интервалы с равным числом наблюдений

Задание параметров Формирования сценариев или способа интерпретации текстовых полей "lnp_data":-(* Не применять сценарный метод АСК-анализа С Применить сценарный метод АСК-анализа

Параметры интерпретации значений текстовых полей "Inp data":

Интерпретация ТХТ-полей классов:-

Значения полей текстовых классификационных шкал Файла

исходных данных "lnp_data" рассматриваются как целое

Интерпретация ТХТ-полей признаков:

Значения полей текстовых описательных шкал Файла

исходных данных "lnp_data" рассматриваются как целое

-Какие наименования ГРАДАЦИЙ числовых шкал использовать: (* Только интервальные числовые значения С Только наименования интервальных числовых значений С И интервальные числовые значения, и их наименования

(например: "1 Л-{59873.0000000,178545.6666667}") (например: "Минимальное")

(например: "Минимальное: 1/3459873.0000000,178545.6666667}")

Рисунок 2. Экранная форма API-2.3.2.2 системы «Эйдос» http://ei.kubagro.ru/2021/05/pdf/13.pdf

Наряду с задачами когнитивной кластеризации (истинной) кластеризации [6] задачи идентификации и прогнозирования являются одними из наиболее затратных по вычислительным ресурсам и времени решения. Это связано с тем, что при решении этой задачи каждый объект распознаваемой выборки сравнивается с каждым из классов, для каждого сравнения необходимо сложить количество информации во всех признаках этого объекта о его принадлежности к классу, а количество объектов, классов и признаков может быть очень велико.

Поэтому в системе «Эйдос» эта задача решается не сразу для всех моделей, а лишь для одной модели, заданной в качестве текущей. Придание модели статуса текущей осуществляется в режиме 5.6 системы «Эйдос» (рисунок 3):

•Задайте текущую стагг.модель или модель знаний Статистические базы:

С 1. ABS - частный критерий: количество встреч сочетаний: "класс-признак" у объектов обуч.выборки С 2. PRC1 - частный критерий: усл. вероятность i-ro признака среди признаков объектов ¡-го класса С 3. PRC2 - частный критерий: условная вероятность i-го признака у объектов ¡-го класса Системно-когнитивные модели (Базы знаний):

С 4. INFI - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1 С 5. INF2 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2

(* 16. ¡NF3 - частный критерий: Хи-квадраг, разности между фактическими и ожидаемыми абс. частотами С 7. INF4 - частный критерий: ROI (Return.On Investment); вероятности из PRC1 Г" 8, INF5 - частный Критерий; ROI [Return On Investment); вероятности из PRC2 С Э. INF6 - частный критерий: разн.усл.и безусл. вероятностей; вероятности из PRC1 С 10,1 N F7 - частный критерий: разн.усл.и безу с л. вероятностей; вероятности из PRC2

Как задавать параметры синтеза моделей

Б качестве текущей можно задать любую из ранее расчитанных в режимах 3.1,3.2,3.3 или 3.4 стат. моделей и моделей знаний, но до исследования достоверности моделей в режиме 3.5 рекомендуется выбрать в качестве текущей базу знаний INFI. Смысл моделей знаний, применяемых в системе 'Эйдос-Х++" раскрыт в публикациях, размещенных по адресам: http: /Ас.kubagro.ru/aidos/index.htm, http://www.twirpx.com/file/793311/

Gk

Cancel

5.6, Выбрать модель и сделать ее текущей

I Hi I- ¡ä -I

-Стадии исполнения процесса

ОПЕРАЦИЯ: ПРИСВОЕНИЕ МОДЕЛИ '№3" СТАТУСА ТЕКУЩЕЙ МОДЕЛИ:

1/7: Копирование в массивы итоговых строки столбцов текущей модели-Готово

2/7: Перенос информации из текущей модели в базы классов: Оаззез и Ог_С13с- Готово

3/7: Перенос информации из текущей модели в базы признаков: ААпЬиЛеэ и Сг_Ор5с- Готово

4/7: Расчет значимости класс.и опис.шкал-Сброс сумматоров - Готово

5/7: Расчет значимости класаи опис.шкал-Накопление данных-Готово

6/7: Расчет значимости класаи опис.шкал-Дорасчет - Готово

7/7: Запись информации о текущей модели- Готово

Выбор модели знаний "INF3M в качестве текущей прошел успешно!!!

—Прогноз Бремени - Начало: 07:41:53 Окончание: 7:41:59

ЗШь № |

Прошло: 0:00:00 Осталось: 0:00:00

Рисунок 3. Экранные формы режима 5.6 системы «Эйдос»

После задания модели 1№3 в качестве текущей проводим решение задачи идентификации и прогнозирования в режиме 4.1.2 (рисунок 4):

Рисунок 4. Экранные формы режима 4.1.2 системы «Эйдос»

Результаты решения задачи идентификации и прогнозирования выводятся в системе «Эйдос» в большом количестве табличных (MS Excel) выходных форм и 10 экранных формах, из которых приведем лишь одну (рисунок 5):_

с3 4.13.1. Ви уаткШ результатов распознавания б отношен. ш лассь . Текущая модель: "INF3"

Распознаваемые о&ъ р _ I - мвйвмВЖМВШ

2 1991 1992 СРЕДНИЙ НАСТРИГ ШЕРСТИ ОТ ОДНОЙ ОВЦЫ-2/ЗЧЗ.О. 3.8) ПОЛЫЧЕНО МОЛОКА ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-2ЛЗ-(1270.6,1419.8} 100 0, 00.. 00.. 19.03.2021 19.03.2021 Г

3 1ЭЭЗ ПОЛЫЧЕНО ЯИЦ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-3/3-{1412.8.1752.21 0. 00.. V 19.03.2021

4 1994 10 ПОЛЫЧЕНО ШЕРСТИ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-1/3-(0.3, 8.3) 0, 00.. 19.03.2021

5 1995 14 ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО СЕЛЬМ]ЗПРЕДПРИЯТИЯМ-2/3-{165.7.215.0) 0. 00.. V 19.03.2021

6 1*996 17 ПОЛЫЧЕНО МОЛОКА ПО СЕЛЬХ03ПРЕДПРИЯТИЯМ-2/3-(914.2,Ю13.7} 0, 00.. 19.03.2021

7 1997 .21 ПОЛЫЧЕНО ЯИЦ ПО СЕ Л ЬХО ЗП РЕ ДП РИ Я Т И Я М -3/3-1819.3.1168.9) 0. 00.. V 19.03.2021

8 1998 22 ПОЛЫЧЕНО ШЕРСТИ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-1/3-10.2,0.2) 0, 00.. V 19.03.2021

9 1999 .27 ОБ. ПР.ПРО Д. ВСЕГО ПО АПК-3/3-{11608.0. 45602.0) 0. 00.. 19.03.2021

10 2000 33 0Е.ПР.ПР0Д. ПО ОТРАСЛЯМ АПК, ПЕРЕРАБ.СЛСЫРЬЕ-З/ЗД 0780.0,52817.0) 0, 00.. V 19.03.2021 -

11 2001 <1 I

12 2002 ■1 ЬИЫМя аний"

ПОГОЛОВЬЕ КОРОВ-1/3-{262Д 290.0) 83 61.. 19.03.2021

188 ПОГОЛОВЬЕ ОВЕЦ-1/3-ЙШ 59.0) 83 V ■I 19.03.2021

.33 ОБ. ПР.ПРО Д. ПО ОТРАСЛЯМ АПК. ПЕРЕРАБ.С/ХСЫРЬЕ-3/3-{10788.8.52817.0) 81 V 19.03.2021

36 ОБ.ПР.ПРО Д. ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК-3/3-{9362.0.48599.8) 81 V 19.03.2021

39 ОБ. ПР.ПРО Д. ПО МУК.-КРУ П.И КОМ БИКОРМ.ПРЕ ДП Р.АПК-3/3-{1486.8.4218.8} 81 19.03.2021

81 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКИМИ ХОЗЯЙСТВАМИ ВСЕХ КАТЕГОРИЙ-3/3-{13817.0. 73378.0! 81 V 19.03.2021

84 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫМИ ПРЕДПРИЯТИЯМИ-ЗЛ-ЙОЗО.О. 4402... 81 19.03.2021

87 ПРОИЗВОДСТВО ПРОДУКЦИИ ХОЗЯЙСТВАМИ НАСЕЛЕНИЯ-3/3-{5924.0. 24948.0} 81 V 19.03.2021

98 ПРОИЗВОДСТВО ПРОДУКЦИИ КРЕСТЬЯНСКИМИ (ФЕРМЕРСКИМИ]Х03ЯЙСТВАМИ-3/3-(Е36Д 449... 81 19.03.2021

«I [-, - ■ I 81 v Г

Помощь | Зшс» | ¡ЯШШшш классов с MaxMin УрСх | ВСЕ классы | ВКЛ. фильтр по класс.шкале ЫКЛ.филь рп ао с. шкале Гра*

Рисунок 5. Экранные формы режимов 4.1.3.1 и 4.1.32 системы «Эйдос» с результатами решения задачи прогнозирования

3. Задача 5: принятие решений, т.е. управление (достижение целей)

В простейшем случае задача принятия решений является обратной по отношению к задаче прогнозирования: при прогнозировании мы по значениям факторов, действующих на объект, определяем его будущее состояние, а при принятии решений, наоборот: по заданному целевому будущему состоянию объекта определяем значения факторов, обуславливающих его переход в это целевое состояние. В простейшем случае задача принятия решений решается путем применения автоматизированного когнитивного SWOT-анализа [7].

На рисунке 6 приведеш примерз SWOT-диаграмм системы детерминации некоторых целевых состояний АПК:

Рисунок 6. SWOT-диаграммы систем детерминации некоторых целевых состояний АПК

Отметим, что SWOT-анализ является широко известным и общепризнанным метод стратегического планирования. Однако это не мешает тому, что он подвергается критике, часто вполне справедливой, обоснованной и хорошо аргументированной. В результате критического рассмотрения SWOT-анализа выявлено довольно много его слабых сторон (недостатков), источником которых чаще всего является необходимость привлечения экспертов, в частности для оценки силы и направления влияния факторов.

Ясно, что эксперты это делают неформализуемым путем (интуитивно), на основе своего опыта и профессиональной компетенции. Но возможности экспертов имеют свои ограничения и часто по различным причинам они не могут и не хотят это сделать.

Таким образом, возникает проблема проведения SWOT-анализа без привлечения экспертов.

Эта проблема может решаться путем автоматизации функций экспертов, т.е. путем измерения силы и направления влияния факторов непосредственно на основе эмпирических данных. Подобная технология разработана давно, ей уже более 30 лет, но, к сожалению, она сравнительно малоизвестна - это интеллектуальная система «Эйдос» [1-21].

Другими ограничениями SWOT-анализа, которые могут рассматриваться как его недостатки при применении для выработки управляющих решений является то, что:

- может быть задано только одно будущее целевое состояние, тогда как в реальных задачах их может быть несколько в натуральном и стоимостном выражении (например, высоко количество и качество продукции, высокая прибыль и рентабельность);

- заданные целевые состояния могут быть совместимыми по системе детерминирующих их значений факторов, а могут быть и альтернативными, недостижимыми одновременно;

- некоторые рекомендуемые факторы может не быть технологической и финансовой возможности использовать.

Поэтому в АСК-анализе и системе «Эйдос» реализован развитый алгоритм принятия решений (режим 6.3) [12] в котором кроме SWOT-анализа используются также результаты решения задачи прогнозирования и результаты кластерно-конструктивного анализа классов и значений факторов, т.е. некоторые результаты решения задачи исследования предметной области (рисунок 7).

Развитый алгоритм принятия решений в адаптивных интеллектуальных системах управления на основе АСК-анализа и системы «Эйдос»

Шаг 1-й. Ставим цели управления, т.е. определяем целевые состояния объекта управления. Обычно в натуральном выражении целевые состояния - это количество и качество продукции, а в стоимостном выражении - прибыль и рентабельность. Объект управления как система, эффективность объекта управления как системное свойство, повышение уровня системности объекта управления как цель управления. Модель отражает определенный уровень технологий, поэтому целевые состояния, недостижимые в одной модели, могут быть достижимы в другой модели с большим числом классов и факторов

(^^Выход^^)

Рисунок 7. Развитый алгоритм приятия решений АСК-анализа

Шаг 1-й. Ставим цели управления, т.е. определяем целевые состояния объекта управления. Обычно в натуральном выражении целевые состояния - это количество и качество продукции, а в стоимостном выражении - прибыль и рентабельность. Объект управления как система, эффективность объекта управления как системное свойство, повышение уровня системности объекта управления как цель управления. Модель отражает определенный уровень технологий, поэтому целевые состояния, недостижимые в одной модели, могут быть достижимы в другой модели с большим числом классов и факторов [8, 9, 10].

Шаг 2-й (см.реж.6.4). Когнитивно-целевая структуризация и формализация предметной области (реж.2.3.2.2) [11], синтез и верификация моделей (реж.3.5), определяем наиболее достоверную из них по Б-критерию Ван Ризбергена и критериям Ь1 и Ь2 проф.Е.В.Луценко (реж.3.4) [5]. Повышение уровня системности и адекватности модели объекта управления (принцип Уильяма Росса Эшби) [9, 10].

Шаг 3-й. Если целевое состояние одно, то переходим на шаг 6.

Шаг 4-й. Иначе оцениваем корректность поставленных целей путем сравнения системы детерминации целевых состояний методом когнитивной кластеризации (4.2.2.3) или на основе матрицы сходства (4.2.2.1), т.е. определяем, являются ли целевые состояния совместимыми, т.е. достижимыми одновременно, по обуславливающим их значениями факторов, или они являются взаимоисключающими (альтернативными) по системе детерминации и одновременно недостижимы [6].

Шаг 5-й. Поставленные цели управления корректны, совместимы, достижимы одновременно? Если нет, то переход на шаг 1-й для пересоздания модели с более высоким уровнем системности и адекватности [9].

Шаг 6-й. Решаем задачу поддержки принятия решений в упрощенном варианте путем решения обратной задачи прогнозирования в автоматизированном SWOT-анализе (реж.4.4.8) для каждого из целевых состояний и объединяем рекомендованные значения факторов в одну систему управляющих факторов [7].

Шаг 7-й. Оцениваем технологические и финансовые возможности применения на практике рекомендованных на шаге 6 значений факторов.

Шаг 8-й. Если такая возможность имеется для всех значений факторов, то принимаем их для реализации на практике и выходим из алгоритма принятий решений.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Шаг 9-й. Если же такой возможности нет, то исключаем из системы значений факторов, рекомендованных на шаге 6, те из них, которые по каким-либо причинам нет возможности применить на практике (реж.4.1.1) и переходим на шаг 10.

Шаг 10-й. Прогнозируем результаты применения на практике сокращенной системы значений факторов в которой есть только те, которые есть реальная возможность применить на практике (реж.4.1.2).

Шаг 11-й. Сокращенная система значений факторов приводит к достижению целевых состояний? Если да, то значит искомая система значений управляющих факторов получена и выходим из алгоритма.

Шаг 12-й. Заменяем рекомендованные на шаге 6, но удаленные на шаге 9 значения факторов другими, сходными по влиянию на объект управления, но которые есть возможность использовать (4.1.1). Эти значения факторов для замены выбираются с использованием когнитивного кластерно-конструктивного анализа значений факторов (4.3.2.3) или просто матрицы сходства (4.3.2.1) [6].

Шаг 13-й. Прогнозирование результатов применения на практике системы значений факторов, сформированной на предыдущих этапах (реж.4.1.2).

Шаг 14-й. Сформированная система значений факторов приводит к достижению целевых состояний? Если нет, то переход на шаг 1-й для пересоздания модели с более высоким уровнем системности и адекватности [9].

Шаг 15-й. Выход.

4. Задача 6: исследование объекта моделирования путем

исследования его модели 4.1. Пользовательский алгоритм самостоятельного исследования влияния инвестиций на результаты деятельности АПК

Предлагается следующий пользовательский алгоритм (порядок) самостоятельного исследования влияния инвестиций на результаты деятельности АПК:

1. Семантические портреты значений факторов (инвертированные SWOT-диаграммы).

2. Когнитивные диаграммы классов.

3. Агломеративная когнитивная кластеризация классов.

4. Когнитивные диаграммы значений факторов.

5. Агломеративная когнитивная кластеризация значений факторов.

6. Нелокальные нейроны и нелокальные нейронные сети.

7. 3d-интегральные когнитивные карты.

8. Когнитивные функции.

9. Сила и направление влияния значений факторов и сила влияния самих факторов на поведение объекта моделирования.

10. Степень детерминированности классов (будущих состояний объекта моделирования) значениями обуславливающих их факторов.

11. Устойчивость результатов выращивания помидоров от значений обуславливающих их морфологических свойств.

Ниже поэтапно реализуем предлагаемый пользовательский алгоритм (порядок) самостоятельного исследования влияния инвестиций на результаты деятельности АПК.

4.2. Семантические портреты значений факторов (инвертированные SWOT-диаграммы)

При решении задачи идентификации образы конкретных объектов сравниваются с обобщенными образами классов. Моделью объекта является вектор его свойств. Моделью класса является вектор, соответствующей колонки матрицы статистической или системно-когнитивной модели. Координатами вектора класса являются значения частных критериев модели. Представляет самостоятельный интерес узнать смысловое содержание классов. Для этого необходимо получить информацию о координатах векторов классов в удобной для анализа наглядной форме. Это и обеспечивают Семантические портреты значений факторов (инвертированные SWOT-диаграммы).

Семантический (смысловой) портрет значения факторов состоит из двух частей (рисунок 8), на левой части диаграммы приведены классы, соответствующие будущим состояниям объекта моделирования, переходу в которые данное значение фактора способствует, а справа - препятствует. Толщина линий соответствует силе влияния значения фактора.

Рисунок 8. Пример инвертированной SWOT-диаграммы

4.3. Когнитивные диаграммы классов

При решении задачи идентификации образы конкретных объектов сравниваются с обобщенными образами классов. Когнитивные диаграммы классов представляют собой визуализацию результатов сравнения классов друг с другом, т.е. по сути, графическую визуализацию матрицы сходства классов (рисунок 9):

Рисунок 9. Пример когнитивной диаграммы классов

Когнитивная диаграмма показывает сходство-различие классов по системе их детерминации значениями факторов. Цвет линии означают знак связи: красные - сходство классов, синие - различие, толщина линии означает силу связи.

Из рисунка 9 видно, что все классы образуют две большие группы (кластера), условно говоря, верхний и нижний. Эти кластеры представляют

собой полюса конструкта. В одном кластере объединены совместимые классы, сходные по системе детерминации значениями факторов, которые могут быть достигнуты одновременно. В разных кластерах находятся альтернативные, несовместимые по системе детерминации классы, которые не могут быть достигнуты одновременно.

4.4. Агломеративная когнитивная кластеризация классов

Однако при большом числе классов когнитивные диаграммы, типа приведенной на рисунке 9, могут быть, мягко говоря, не очень наглядны. Поэтому актуальной является другая форма представления информации о сходстве-различии классов, а именно агломеративная дендрограмма, представляющая собой результат когнитивной (истинной) кластеризации [6, 21].

Этот метод отличается от известных традиционных тем, что:

а) в нем параметры обобщенного образа кластера вычисляются не как средние от исходных объектов (классов) или их центр тяжести, а определяются с помощью той же самой базовой когнитивной операции АСК-анализа, которая применяется и для формирования обобщенных образов классов на основе примеров объектов и которая действительно корректно обеспечивает обобщение;

б) в качестве критерия сходства используется не евклидово расстояние или его варианты, а интегральный критерий неметрической природы: «суммарное количество информации», применение которого теоретически корректно и дает хорошие результаты в неортонормированных пространствах, которые обычно и встречаются на практике;

в) кластерный анализ проводится не на основе исходных переменных, матриц частот или матрицы сходства (различий), зависящих от единиц измерения по осям, а в когнитивном пространстве, в котором по всем осям (описательным шкалам) используется одна единица измерения: количество информации, и поэтому результаты кластеризации не зависят от исходных единиц измерения признаков объектов.

Все это позволяет получить результаты кластеризации, понятные специалистам и поддающиеся содержательной интерпретации, хорошо согласующиеся с оценками экспертов, их опытом и интуитивными ожиданиями, что часто представляет собой проблему для классических методов кластеризации.

На рисунке 10 приведена агломеративная дендрограмма когнитивной (истинной) кластеризации классов, а на рисунке 11 - график изменения межкластерных расстояний при когнитивной (истинной) кластеризации классов.

ДЕНДРОГРАММА КОГНИТИВНОМ КЛАСТЕРИЗАЦИИ КЛАССОВ В МОДЕЛИ: "1NF1 Приложение: "АСК-анализ влияния инвестиций в АПК на результаты его деятельности"

Рисунок 10. Агломеративная дендрограмма когнитивной (истинной)

кластеризации классов

Рисунок 11. График изменения межкластерных расстояний при когнитивной (истинной) кластеризации классов

4.5. Когнитивные диаграммы значений факторов

Когнитивные диаграммы значений факторов представляют собой визуализацию результатов сравнения друг с другом значений факторов по их влиянию на объект управления, т.е. по сути, графическую

визуализацию матрицы сходства значений факторов (рисунок 12):

СЕМАНТИЧЕСКАЯ 20 СЕТЬ ПРИЗНАКОВ В МОДЕЛИ: "1^3"

КОНСТРУКТ ПРИЗНАКА: [1]-ИНВЕСТИЦИИ 8 ОСНОВНОЙ КАПИТАЛ ■ ВСЕГО, МЛН.РУБ.-1/4-{5.0000000, 743.0000000} Приложение; Исследование влияния инвестиций на результаты деятельности АПК

----епьсгво. ып Д«ПИ0И КОДОВ ПРИНЯКОГ 1-68

Уровень сходства не иенее; № Числа отображэей ых признаков 995

Способ выборки классов: МАХ и !.Ш /р.ск.

Здта к врен я сознания формы: 20.03.2021-07:55:56

Сходегво и различие иеэд прнзнакаи* по их признакам (градациям факторов, «стене детерминации):

СХОДСТВО признаков отображается линиями связи КРАСНОГО цвета толщина лини» (приведенная в круючке в центре линии} отражает степень сходства. РАЗЛИЧИЕ признаков отображается лииадын связи СИНЕ Г0 цвета, тычина лини* (приведенная в «ружчке в центре личин| отражает степень различия.

Рисунок 12. Пример когнитивной диаграммы значений факторов

Когнитивная диаграмма показывает сходство-различие значений факторов по их влиянию на поведение объекта управления. Цвет линии означают знак связи: красные - сходство значений факторов, синие -различие, толщина линии означает силу связи.

Из рисунка 12 видно, что все значения факторов образуют две большие группы (кластера), условно говоря, верхний и нижний. Эти кластеры представляют собой полюса конструкта. В одном кластере объединены значения факторов, сходные по их влиянию на объект

управления, которые в принципе могут быть использованы вместо друг друга. В разных кластерах находятся значения факторов, оказывающие совершенно различное влияние на объект управления.

4.6. Агломеративная когнитивная кластеризация значений факторов

Однако при большом числе значений факторов когнитивные диаграммы, подобные приведенной на рисунке 12, могут быть, мягко говоря, не очень наглядны. Поэтому актуальной является другая форма представления информации о сходстве-различии значений факторов, а именно агломеративная дендрограмма, представляющая собой результат когнитивной (истинной) кластеризации [6, 21].

Этот метод отличается от известных традиционных тем, что:

а) в нем параметры обобщенного образа кластера вычисляются не как средние от исходных объектов (классов) или их центр тяжести, а определяются с помощью той же самой базовой когнитивной операции АСК-анализа, которая применяется и для формирования обобщенных образов классов на основе примеров объектов и которая действительно корректно обеспечивает обобщение;

б) в качестве критерия сходства используется не евклидово расстояние или его варианты, а интегральный критерий неметрической природы: «суммарное количество информации», применение которого теоретически корректно и дает хорошие результаты в неортонормированных пространствах, которые обычно и встречаются на практике;

в) кластерный анализ проводится не на основе исходных переменных, матриц частот или матрицы сходства (различий), зависящих от единиц измерения по осям, а в когнитивном пространстве, в котором по всем осям (описательным шкалам) используется одна единица измерения: количество информации, и поэтому результаты кластеризации не зависят от исходных единиц измерения признаков объектов.

Все это позволяет получить результаты кластеризации, понятные специалистам и поддающиеся содержательной интерпретации, хорошо согласующиеся с оценками экспертов, их опытом и интуитивными ожиданиями, что часто представляет собой проблему для классических методов кластеризации.

На рисунке 13 приведена агломеративная дендрограмма когнитивной (истинной) кластеризации значений факторов, а на рисунке 14 - график изменения межкластерных расстояний при когнитивной (истинной) кластеризации значений факторов.

Из агломеративной дендрограммы когнитивной (истинной) кластеризации значений факторов на рисунке 13 видно, какие по объему и направленности инвестиции в АПК оказывают сходное влияние на результаты его деятельности, а какие различное.

ДЕНДРОГРАММА КОГНИТИВНОИ КЛАСТЕРИЗАЦИИ ПРИЗНАКОВ В МОДЕЛИ: "1^3" Приложение: "АСК-анализ влияния инвестиций в АПК на результаты его деятельности"

ИНВ В ОСН КАП ПО КРУПН И СРЕДНПРЕДПР ■ НАУКА И НАУЧН.О&С . МЛН РУБ -ЗИ^.ООООООО 47 0000000) ИНВ В ОСН КАП ТО КРУПН И СРЕДНПРЕДПР ■ТРАНСПОРТ, МЛН РУБ ■ 3f4-{1455 0000000, 18492 0000000] ИНВ В ОСН.КАП.ПО КРУПН. И СРЕДН ПРЕДПР ПРОЧ.ПРОИЗВ. ОТРАСЛИ МЛН.РУБ -3/4 (58.0000000. 636 ОООООС ИНВ в ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР - СТРОИТЕЛЬСТВО, млн РУ& W4133 ООООООО. 590 0000000) ИНВ В ОСИ КАП ПО КРУПН и СРЕДИ ПРЕДПР. - ТОРГ и ОБЩ ПИТАНИЕ МЛН РУЬ -3/4-{16 0000000. 204 ООООООО] ИНВ В ОСНКАП ПО КРУПН И СРЕДН ПРЕДПР ■ СВЯЗЬ. МПН.РУБ-3/4Ч27& №00000 1184.0000000) ИНВ В ОСН КАЛ ПО КРУПН и СРЕДИ.ПРЕДПР - ЖИЛ-КОМ ХОЗ . МЛН РУБ.-3/4-(1019 ООООООО 1274 0000000] ИНВ В ОСН КАП ПО КРУПН И СРЕДИ ПРЕДПР - ПЕСНОе ХОЗЯЙСТВО. МЛН РУБ J/4-iH сюооооо. 28 0000О00) ИНВ В СХХ КАП ПО КРУПН и СРЕДИ ПРЕДПР МЕД . ФИЗ КУЛЬТИ СОЦ ОБ МЛН РУБ -4'4-{За74 0000000. 4371 0000000)18

ИНВ В ОСН КАП ПО КРУПН И СРЕДИ ПРЕДПР • МЕД . ФИЗ КУЛЬТ И СОЦ ОБ МЛН РУБ -ЗМ-{791 0000000 3074 00........

ИНВ В ОСН.КАПТО КРУПН ИСРЕДНЛРЕДПР - ЛЕСНОЕ ХОЗЯЙСТВО. МЛН.РУБ-ЗМ-{4.ООООООО 16 0000000) ИНВ В ОСН КАП.ПО КРУПН И СРЕДИ ПРЕДПР. - «ИЛ КОМ ХОЗ. МЛН РУБ.4/4-(1274 ООООООО, 2568,0000000] ИНВ В ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР ■ КУЛЬТУРА И ИСКУССТВО, МЛН РУБ -4/4 (13 0000000, 93 0000000} ИНВ В ОСН КАЛ ПО КРУПН И СРЕДИ ПРЕДПР ПРОЧ НЕПРОИЗВОТР . МЛН РУБ-4/4 (167 0000000. 1042 0000000 ИНВ В ОСШ(АП ПО КРУПН, И СРЕДН ПРЕДПР. • СВЯЗЬ. МЛН.РУБ 4/4-(1164.0000000.10760.0000000) ИНВ В ОСН КАП ПО КРУПН И СРЕДИ ПРЕДПР - СТРОИТЕЛЬСТВО МЛН РУБ -4/Д-(5Э0 0000000. 3157 0000000) ИНВ. В ОСН.КАПТО КРУПН. И СРЕДИ.ПРЕДПР. ■ ТОРГИ ОБЩ.ПИТАНИЕ. МЛН РУБ.4/4-{204.0000000, 914.0000000] ИНВ В ОСН КАП ПО КРУПН И СРЕДИ ПРЕДПР. - ОБРАЗОВАНИЕ МЛН РУБ 4/4-[64 0000000 309 0000000] ИНВ В ОСН КАП ПО КРУПН. И СРЕДН ПРЕДПР. НАУКАМ НАУЧН.ОБС.. МЛН.РУБ 4/4-(47.0000000. 198 0000000) ИНВ В ОСИ КАЛ ПО КРУПН И СРЕДИ ПРЕДПР - ТРАНСПОРТ. МЛН РУБ4/4-{14492 ООООООО. Э?!т9 0000000} ИНВ В ОСИ КАП.ПО КРУПН И СРЕДИ ПРЕДПР. ■ ПРОЧ ЛРОИЗ&ОТРАСЛИ. МЛН РУБ. 4'4-[636.0000000. 854 000000 ИНВ В ОСИ (Wl.no КРУПН И СРЕДИ ПРЕДПР - ПРОМЫШЛЕННОСТЬ, МЛН.РУБ 4/l-(3361.MOOOOO. 8300 ООООООО] ИНВ В ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР СЕЛЬСКОЕ ХОЗЯЙСТВО МЛН РУБ 4/4-{1Э15 0000000.4078 ине в ОСИ КАП АПК ПО МРУЛН.И СРЕДН ПРЕДПР - ВСЕГО, МЛН РУБ.4/4-{2т 0000000. 3296 ИНВЕСТИЦИИ В ОСНОВНОМ КАПИТАЛ - ВСЕГО. МЛН РУБ. 4/4-{26?43 0000000. 74655 СЮООООО]

инв в оси КАП ТО крупн и СРЕДИ предпр - ВСЕГО. млн руб .4/4-{21297.............

ИНВ В ОСН КАП.ПО КРУПН И СРЕДИ ПРЕДПР. - НАУКА И НАУЧН.ОБС.. МЛН РУБ -1/4-(1.00С

инв в оси кап по крупн и среди предпр. - культура и искусство. млн-------

ИНВ В ОСН КАП ПО КРУПН И СРЕДИ ПРЕДПР. . ПРОЧ. НЕПРОИЗВ OTP , МЛН РУБ -1/4-(1 0( ИНВ. ВОСИ.КАП.ПОКРУПН. ИСРЕДНЛРЕДПР.-ЖИЛ.ком.ХОЗ., млн.РУБ.-1/4-11.0000000. 263.0000000) ИНВ В ОСН КАП АПК ПО КРУПН И СРЕДИ ПРЕДПР - ВСЕГО. МЛН РУБ l/4-ß ООООООО, 245 ООООООО] ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО млн РУБ -1/4 (5 0000000. 743 0000000) ИНВ. В ОСН.КАПТО КРУПН. И СРЕДН ПРЕДПР ■ ВСЕГО. МЛИ.РУБ.-1/4-(5.(МООООО. 743.0000000) ИНВ В ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР. - ПРОМЫШЛЕННОСТЬ. МЛН РУБ -1/1-[1 СЮООООО 100.0000000)

инв е оси кал по крупи и среди предпр - сельское хозяйство, млн руб -1лцг ооооооо es ооооооо

ИНВ В ОСИ КАЛ па КРУПН И СРЕДИ ПРЕДПР -ТОРГ И ОБЩ ПИТАНИЕ. МЛН РУБ - 1/4-{Э 0000000. 12 0000000]

ИНВ. В ОСН КАПТО КРУПН ИСРЕДНЛРЕДПР. МЕД.. ФИЗ.КУЛЬТ.И СОЦ.ОБ. МЛН РУБ. .........

ИНВ В ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР. - ОБРАЗОВАНИЕ МЛН РУБ -1/4-{1 ИНВ В ОСИ КАЛ ПО КРУПН И СРЕДИ ПРЕДПР - ТРАНСПОРТ, МЛН РУБ -Ш-{7 0000000. 368 0000000) ИНВ В ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР - СВЯЗЬ. МЛН РУБ -1Й-0 0000000.41 0000000) ИНВ В ОСН-КАП ПО КРУПН И СРЕДИ ПРЕДПР ■ СТРОИТЕЛЬСТВО. МЛН РУБ -1/4-{2 0000000- 85 0000000) ИНВ В ОСИ КАП ТО КРУПН И СРЕДИ ПРЕДПР - ПРОЧ.ПРОИЗВ ОТРАСЛИ МЛН РУБ -1/4-(1 СЮООООО 30 0000000} ИНВ В ОСИ КАП ПО КРУПН и СРЕДИ ПРЕДПР ПРОЧ НЕПРОИЗВ OTP . МЛН РУБ -2/4-117 0000000. 127 0000000) ИНВ В ОСИ КАП.ПО КРУПИ И СРЕДИ.ПРЕДПР ■ СЕЛЬСКОЕ ХОЗЯЙСТВО, МЛН РУБ -2/4^88 ООООООО. 555 ООООООО ИНВ В ОСН КАП АПК ПО КРУПН.И СРЕДНПРЕДПР -ВСЕГО, млн РУБ.-2/4-£245 И0СЮ00, 1G93.0000000) ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО, МЛН.РУБ.-2/4-{743.0000000. 9933-0000000} ИНВ В ОСИ КАП ПО КРУПН и СРЕДИ ПРЕДПР ВСЕГО. МЛН РУБ -2/4-{743 0000000. 6159 0000000) ИНВ В ОСН.КАП.ПО КРУПИ И СРЕДН ПРЕДПР ■ ЛЕСНОЕ ХОЗЯЙСТВО. МЛН РУБ -1/4-{10000000. 3.0000000] ИНВ. В ОСН.КАПТО КРУПИ. И СРЕДН ПРЕДПР. • ПРОМЫШЛЕННОСТЬ. млн.руб--2/4-[100 0000000, 1594 ООООООО]

И СРЕДИ ПРЕДПР. - НАУКА И НАУЧН ОБС-, МЛН.РУБ.-2М-(2................

и среди предпр - проч,непроизе отр. млн руб -зм-ргт

И СРЕДИ ПРЕДПР • ОБРАЗОВАНИЕ. МЛН РУБ -3/4-J43.------

и СРЕДИ ПРЕДПР. КУЛЬТУРА И ИСКУССТВО. МЛН.РУБ -3/4-18. И СРЕДИ ПРЕДПР. - КУЛЬТУРА И ИСКУССТВО МЛН РУЬ -2/4-(6 ООООООО. 8 ИНВ В ОСИ КАЯ.АПК ПО крупн И СРЕДИ ПРЕДПР • 0СЕГО. млн РУб.-3/4-{1&93 0000000. 29/3 0000000] ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ • ВСЕГО МЛН РУБ -3/4 (9933 ООООООО. 25243 0000000} ИНВ В ОСИ КАПТО КРУПН И СРЕДН ПРЕДПР • ВСЕГО. МЛН РУБ -ЗЛЦ6159 ООООООО 21297 0000000) ИНВ В ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР - СЕЛЬСКОЕ ХОЗЯЙСТВО. МЛН РУБ -ЗАЦ555 ООООООО, 1315 ООООООО) ИНВ В ОСИ КАП ПО КРУПИ И СРЕДИ ПРЕДПР - ПРОМЫШЛЕННОСТЬ. МЛН РУБ -3/4-[1594 0000000. 3361 ООООООО] ИНВ В ОСИ КАП.ПО КРУПН И СРЕДИ ПРЕДПР ■ ОБРАЗОВАНИЕ МЛН РУБ -2/4-J23 0000000. 43 0000000) ИНВ В ОСИ кап.ПО КРУПН, и СРЕДИ ПРЕДПР. - жил.КОМЛОЗ , МЛН РУБ.-2/4-{263.ООООООО 1019 0000000) ИНВ в ОСН.КАПТО КРУПИ И СРЕДН ПРЕДПР - ЛЕСНОЕ ХОЗЯЙСТВО, МЛН РУБ -2/4-(3 ООООООО 4 ООООООО) ИНВ В ОСН кап ПО КРУПН и СРЕДН ПРЕДПР - СТРОИТЕЛЬСТВО, МЛН РУБ -2/4-{55 0000000, 133 0000000) ИНВ. В ОСИ КАЛ ПО КРУПН, И СРЕДИ.ПРЕДПР. ■ ТОРГ.И ОБЩ ПИТАНИЕ, МЛН .РУБ .-2/4412.0000000. 16.0000000} ИНВ В ОСИ кап ПО КРУПН И СРЕДИ ПРЕДПР - МЕД . ФИЗ КУЛЬТ И СОЦ ОБ МЛН РУБ -2/4-(247 0000000 791 0000000) ИНВ В ОСИ КАП ПО КРУПН И СРЕДИ ПРЕДПР - ПРОЧ.ПРОИЗВ ОТРАСЛИ МЛН РУБ -2У4-(30 ООООООО, 98 0000000) ИНВ В ОСИ КАП ПО КРУПИ И СРЕДН ПРЕДПР. - ТРАНСПОРТ, МЛН РУБ -2/4-рбВ ООООООО, U55 ООООООО] ИНВ. В ОСН.КАП ПО КРУПН И СРЕДН ПРЕДПР. ■ СВЯЗЬ. МЛН.РУБ.-2/4-(41 ООООООО. 275.0000000)

ИНВ В ОСИ КАП ПО КРУПН V

ИНВ ВОСИКАППОКРУПИ V ИНВ В ОСИ КАП.ПО КРУПН V ИНВ- В ОСИ. КАПТО КРУПН У ИНВ В ОСИ КАП ПО КРУПН I/

МЕЖКЛАСТЕРНЫЕ РАССТОЯНИЯ.

создана 10.01.2020-13:37.46

КЛАСТЕРНАЯ ШОРМУПА С(((5'Э.(2-3,ЭЭ)).СС31.35|.((2"?,43),(20,4аJ|)).(4i.fO,{4-i.(H5i.-64).<-C23-.3ir>.(36.5Z))).((60.(24.4.0H_^12,1&>.(68.(4.8))|)))))).((57.(63.(&1.(((41.65),((1,5).(Э.13[)|,(33,(('15.4Э|.Ц21,25),(29.37Ш))))).№2.((!4.((66.(2,6)).|1'.|10,58)|)).(63.|(51.55),((5^ ((67,(Э.7]],(1&.(1150)))).(42.(18.((30.34).(46,(38,(

Рисунок 13. Агломеративная дендрограмма когнитивной (истинной) кластеризации значений факторов

(23.39) ИМ 40) [28 321 (29.37)

[ЭГЗБ) (36.52) (41.65)

(45.49) (56.64) (38,122.26)1 (59.123 39)) (60,(24,46)) (66,(2 6)) (67.(3 7)1

(66,14 в!)

1<ш(9.13» ((2125)129 37)) ((28 32|.(3б 52j) ((12 16).(68,<4.8),| ((41.65!.(|!.5Ц9ЛЗ))) ((45.49). ((2 ! 25, (29 371,) ((56.64). ((28 331(30 521)) ((60.(24.401) (С12 15) .(68.(4.8))» (331(45 491 |(2I 2S)|29 37)))|

(((56.64) ((28.32) (36.52)11, ((СО C24,4i)|.«12 15|.(6S.(4.ai)|)| (17 НО 58))

(|(41.66).|(1,5), (9.13))), (ЭЗ,((45.49|.«21.25Х(2&,37)1»)

(11.50)

(46.(33.(22.26))) ((30.34).146.<38, (22.26)))) (45.111.601) ((67.(3,7)),(15.(t1.50»)

(44 (((S6.64|((}S32,.(36.52|||,C(60,(24.40)),«12,16)168,(4.8)))))) ((66 (2,6)),(17 (10.58))) (14,((66.ffl,6)) (17,(10.56))))

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

(27 43)

((27,43). (20,48))

(54, ((67.(3.7)). (15. (11.50))))

(18.1(30 ЭЛЦ46 (38.|22.2G))|||

(61.Ш41,661,((1.Ь).(9.1Э))КЗЗ,((46.49),((21.26),(29.37))))))

(19, (44.(1(56.64),((28.32|,|36,52))),((60.(24.4011, ((12,16), (68.(4.81),))))

(42,(18,1(30 34) (46,(38.(22,26))»))

((64 ((67,(Э,7))1(15.(П.60)))),(42 (1в.((30,34),(46,(38 (22,26))))))| 1(3135)4(2».43) (20 48)))

(63,(61,Ц[4165, ([ 1.5)19 13))),(334(4fi.4i)4(2l,2£j429.37))))))) 1(S1.45).([54 ((S7.(3.7)).(IS.(11.50)))),(42 (18 ((30.34, (46.(38,(22,26)))))))) (159.(23.39)1 ((31 35,.(127 43Ц20 48),I)

(47 Iii (-U ii(55 64,1(28 32) (je.52»).«ea.(24 40)) l(12.15).(68i4 8»»»)) (fi3,((S1,5S|,(iM467.(3.7U.(15,(11,50)|))«.i18 ((30.34)446138.(22.26)1)1

(57.(53.(6M((4I 65,1(1.5) (9 13))).(33 (145.49) ((21.25) (29.37)))))))!

((14.((66 (2.6» (17 «10.58))» (63 «At 55, ((54 ((5/ .3.7)) (16.(11.50)))) (12 (18 ((30 34) .46 |38 [22.26),!))))))) (62.1(14.1(66 (2 6)) (1 7,(10 5811)1 (63.(151,051 ((54 ((67,(3,7)),(16 (11.60)))) (42 (1B ((30 34) (46 (38,(22 26))))|)))))| («59.(23.39)).((31.35M(2743).{20.48)1I).(47 (19 (44 («56 64) «28.32) (35.52)»«60 (24 40)1.(112,16)158 (4 81)11))))) ((S7.(63.(6H((41 S5 )(l I5)(9 13))).l 33,1(4 54 S 11(21.25) (?3.37)))U))U62.f(14 1(6612 6» (17 110 58)111(53.((61,651,(164,«57 (3 (11(69,(23,391!,((31.35)1(2743) (20 4811)1 (47 (19,(44 («S6.64I,((28,32),(36,52))) {(60,(24.4011.1112 16) |68.(4.81))))))l) «57ym

1ШВ1ТГ60)))) 142 (18 1(30.34, (-16.(38,(2226})),1)))))))

Т((41.65).((1 5) (9.13))) (33 ((45.491 «21 25, (29 3?)ШШ1 (52 ((t4,((86.(2,6)) (17.1

,.(10.58)))).(63.((61.55).((64.((в7.(3,7)Н15.(11.60»)) (42 (1В

ИЗМЕНЕНИЕ МЕЖКЛАСТЕРНЫХ РАССТОЯНИИ ПРИ КОГНИТИВНОИ КЛАСТЕРИЗАЦИИ ПРИЗНАКОВ В МОДЕЛИ: "1^3

Приложение: АСК-анализ влияния инвестиции в АПК на результаты его деятельности

Рисунок 14. График изменения межкластерных расстояний при когнитивной (истинной) кластеризации значений факторов

4.7. Нелокальные нейроны и нелокальные нейронные сети

Системно-когнитивные модели АСК-анализа и системы «Эйдос» допускают нейросетевую интерпретацию [14]. На рисунке 6 приведен пример SWOT-диаграммы системы детерминации одного из целевых состояний АПК. Аналогичная информация может быть визуализирована в

форме нелокального нейрона (рисунок 15):_

I в UsW

ff) 4_4,10.Графи:ческое отображение нелокальных нейронов б системе "Эйдос"

Выбор нелокального нейрона (класса) для визуализации

Подготовка визуализации нейрона:3 "ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙ...

АКТИВИРУЮЩИЕ рецепторы и сила их влияния

Код Наименование Фактора и его интервального значения Сила влияния

i ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО, МЛН.РУ... 2.045

5 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ВСЕГО... 2.045

9 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОМ... 2.045

13 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. -СЕЛЬС... 2.045

41 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. -ЖИЛ. .. 2.045

65 ИНВ. В ОСН.КАП,АПК ПО КРУПН.И СРЕДН.ПРЕДПР. - ВС... 2.045

21 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТРАНС... 2.041 i

25 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СВЯЗЬ... 2.041

29 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. -СТРО... 2.041

->-7 I-I in ППГП1/ЛППП 1ПП М ГПГ П| 1 ППГ ППП ПГ.П11

ТОРМОЗЯЩИЕ рецепторы и сила их влияния

67 ИНВ. В ОСН.КАП .АПК ПО КРУПЫ.И СРЕДН. ПРЕДПР •..

1±Гл1

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - НАУ.

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - КУЛ.

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР.

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТОР.

30 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СТР.

ВКЛЮЧИТЬ фильтр по фактору

ВЫКЛЮЧИТЬ фильтр по фактору

ВКЛЮЧИТЬ фильтр по фактору

ВЫКЛЮЧИТЬ фильтр по фактору

Помощь

НЕЙРОН

Максимальное количество отображаемых рецепторов: | Минимальный вес.коэфф.отображаемых рецепторов: I

0,000

Сортировать рецепторы: (* по информативности

по модулю информативности

Отображать рецепторы: (• с наименованиями Г" только с кодами

НЕЛОКАЛЬНЫЙ НЕЙРОН В МОДЕЛИ: "1^3"

Нейрон: [3]-ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО ВСЕМ КАТЕГОРИЯМ Х03ЯЙСТВ-3/3-{394.1, 773.3} Приложение: Исследование влияния инвестиций на результаты деятельности АПК

Рисунок 15. Пример экранных форм задания параметров и визуализации

нелокального нейрона

На рисунке 16 приведено вместе 16 нейронов (из 273) одного слоя нейронной сети:

несколько нелокальных

Рисунок 16. Один слой нейронной сети (фрагмент 2,55%)

В приведенном фрагменте слоя нейронной сети нейроны соответствуют количественным, качественным и финансово-экономическим результатам АПК, а рецепторы - различным обуславливающим эти результаты объемам и направленности инвестиций. Нейроны расположены слева на право в порядке убывания силы детерминации, т.е. слева находятся результаты, наиболее жестко обусловленные обуславливающими их факторами, а с права - менее жестко обусловленные.

Модель знаний системы «Эйдос» относится к нечетким декларативным гибридным моделям и объединяет в себе некоторые особенности нейросетевой и фреймовой моделей представления знаний. Классы в этой модели соответствуют нейронам и фреймам, а признаки рецепторам и шпациям (описательные шкалы - слотам).

От фреймовой модели представления знаний модель системы «Эйдос» отличается своей эффективной и простой программной реализацией, полученной за счет того, что разные фреймы отличаются друг от друга не набором слотов и шпаций, а лишь информацией в них (а значит могут содержать пустые или фиктивные слоты и шпации). Поэтому в системе «Эйдос» при увеличении числа фреймов само количество баз данных не увеличивается, а увеличивается лишь их размерность, что чрезвычайно важно для простой и эффективной программной реализации.

От нейросетевой модели представления знаний модель системы «Эйдос» отличается тем, что [14]:

1) весовые коэффициенты на рецепторах не подбираются итерационным методом обратного распространения ошибки, а считаются прямым счетом на основе хорошо теоретически обоснованной модели, основанной на теории информации (это напоминает байесовские сети);

2) весовые коэффициенты имеют хорошо теоретически обоснованную содержательную интерпретацию, основанную на теории информации;

3) нейросеть является нелокальной, как сейчас говорят «полносвязной».

4.8. ЭФинтегральные когнитивные карты

На рисунке 17 приведен фрагмент 3d-интегральной когнитивной карты, отражающая СК-модель 1пО.

3d-интегральная когнитивная карта является отображением на одном рисунке когнитивных диаграмм классов и значений факторов, отображенных соответственно на рисунках 9 и 12, и одного слоя нейронной сети, приведенного на рисунке 16.

Рисунок 17. 3d-интегральная когнитивная карта в системно-когнитивной

модели lnf3 (фрагмент 0,49%)

4.9. Когнитивные функции

Когнитивная функция представляет собой графическое отображение силы и направления влияния различных значений некоторого фактора на переходы объекта управления в будущие состояния [15, 16]:

Когнитивные функции представляют собой новый перспективный инструмент отражения и наглядной визуализации эмпирических закономерностей и эмпирических законов.

Разработка содержательной научной интерпретации когнитивных функций представляет собой способ познания природы, общества и человека.

Когнитивные функции могут быть: прямые, отражающие зависимость классов от признаков, обобщающие информационные портреты признаков; обратные, отражающие зависимость признаков от классов, обобщающие информационные портреты классов; позитивные, показывающие чему способствуют система детерминации; негативные, отражающие чему препятствуют система детерминации; средневзвешенные, отражающие совокупное влияние всех значений факторов на поведение объекта (причем в качестве весов наблюдений

используется количество информации в значении аргумента о значениях функции) различной степенью редукции или степенью детерминации, которая отражает в графической форме (в форме полосы) количество знаний в аргументе о значении функции и является аналогом и обобщением доверительного интервала.

Если отобразить подматрицу матрицы знания, отображая цветом силу и направление влияния каждой градации некоторой описательной шкалы на переход объекта в состояния, соответствующие классам некоторой классификационной шкалы, то получим нередуцированную когнитивную функцию.

Когнитивные функции являются наиболее развитым средством изучения причинно-следственных зависимостей в моделируемой предметной области, предоставляемым системой "Эйдос". Необходимо отметить, что на вид функций влияния математической моделью АСК-анализа не накладывается никаких ограничений, в частности, они могут быть и не дифференцируемые.

На рисунке 18 приведена первая экранная форма режима визуализации когнитивных функций системы «Эйдос»,, а на рисунках 19 три когнитивных функции из 1547, полученных в модели:_

tf) 4.5, Визуализация когнитивных функций Что такое когнитивная функция:

Визуализация прямыеобратным, позитивные, негативных, попностью и частично редуцированных когнитивных Функций Когнитивная Функция представляет собой графическое отображение силы и направления впияния различны* значений некоторого Фактора на перекопы объекта управ пения в будущие состояния, соответствующие классам. Когнитивные Функции представляют собой новый перспективный инструмент отражения и нагпядной визуализации закономерностей и эмпирических законов. Разработка содержательной научной интерпретации когнитивны* Функций представляет собой способ познания природы, общества и человека. Когнитивные Функции могут быть: прямые, отражающие зависимость классов от признаков, обобщающие информационные портреты признаков; обратные, отражающие зависимость признаков от классов, обобщающие информационные портреты классов; позитивные, показывающие чему способствуют система детерминации, негативные, отражающие чему препятствуют система детерминации; средневзвешенные, отражающие совокупное влияние веек значений Факторов на поведение объекта (причем в качестве весов наблюдений используется количество информации в значении аргумента о значенияк Функции) различной степенью редукции или степенью детерминации, которая отражает в графической Форме (в Форме полосы) количество знаний в аргументе о значении Функции и является аналогом и обобщением доверительного интервала. Если отобразить подматрицу матрицы знания, отображая цветом силу и направление влияния каждой градации некоторой описательной шкалы на перекоп объекта в ■состояния, соответствующие к пассам некоторой классификационной шкалы, то получим нередуцированную когнитивную Функцию. Когнитивные Функции являются наиболее развитым средством изучения причинно-следственнык зависимостей з моделируемой предметной области, предоставляемым системой 'Эйдос". Необкоцимо отметить, что на вид функций злияния математической моделью АСК-анализа не накладывается никакш ограничений, в частности, они могут быть и не дифференцируемые

Л уценке Е.В Метод визуализации когнитивных Функций - новый инструмент исследования эмпирических данный большой размерности } Е..В. Луценко, А.П. Трунев. Д.К. Бацдык ■'.■' Полигематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) Электронный ресурс). ■ Краснодар: КубГАУ, 2011. ■ МЭДБ7). С. 240 ■ 282. ■ Шифр Информрегистра. 042110CÜ1241077. /2,088 у. п. л. ■ Режим доступа:

hfc: /7ei. kubagro. tu/201 1 i/pdf/1 В. pdf

Задайте нужный режим

Визуализации когнитивных функций Скачать подборку публикаций по когнитивным Функциям

Литератур.ссылки на статьи по когнитивным Функциям Скачать подборку публикаций по управлению знаниями

--------------------------

Рисунок 18. Help режима визуализации когнитивных функций

Рисунок 19. Примеры когнитивных функций

4.10. Сила и направление влияния значений факторов и сила влияния самих факторов на поведение объекта моделирования

Сделаем небольшой экскурс в область терминологии, применяемой в АСК-анализе и системе «Эйдос».

На рисунках 3, 4, 5, 6 работы [4] приведены фрагменты некоторых статистических и системно-когнитивных моделей, отражающих моделируемую предметную область.

Строки матриц моделей АСК-анализа и системы «Эйдос», т.е. признаки, соответствуют:

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

- в универсальной интерпретации: градации описательных шкал;

- в статической интерпретации: степени выраженности свойств;

- в динамической интерпретации: значениям факторов (в данной работе это объемы и направленность инвестиций в АПК.

Колонки матриц моделей АСК-анализа и системы «Эйдос», т.е. классы, соответствуют:

- в универсальной интерпретации: градации классификационных

шкал;

- в статической интерпретации: обобщающие категории, к которым в настоящем времени относятся состояния объекта моделирования;

- в динамической интерпретации: обобщающие категории, к которым в будущем времени относятся состояния объекта моделирования (в данной работе классы соответствуют различным количественным, качественным и финансово-экономическим результатам деятельности АПК).

Числовые значения в ячейках матриц моделей, находящихся на пересечении строк и колонок, отражают направление (знак) и силу влияния конкретного значения фактора, соответствующего сроке, на получение конкретного результата деятельности АПК, соответствующего колонке.

Если какое-то значение инвестиционного фактора слабо влияет на результаты деятельности АПК, то в соответствующей строке матрицы модели будут малые по модулю значения разных знаков, если же влияние сильное - то и значения будут большие по модулю разных знаков.

Если значение фактора способствует получению некоторого определенного результата деятельности АПК, то в соответствующей этому результату ячейке матрицы модели будут положительные значения, если же понижает - то и значения будут отрицательные.

Из этого понятно, что суммарную силу влияния того или иного значения инвестиционного фактора на результаты деятельности АПК (т.е. ценность данного значения фактора для решения задач прогнозирования результатов деятельности АПК, принятия решений (управления) и других

задач) можно количественно оценивать степенью вариабельности значений в строке матрицы модели, соответствующей этому значению фактора.

Существует много мер вариабельности значений: это и среднее модулей отклонения от среднего, и дисперсия, и среднеквадратичное отклонение и другие. В АСК-анализе и системе «Эйдос» для этой цели принято использовать среднеквадратичное отклонение. Численно оно равно стандартному отклонению и вычисляется по той же формуле, но мы предпочитаем не использовать термин «стандартное отклонение», т.к. он предполагает нормальность распределения исследуемых последовательностей чисел, а значит и проверку соответствующих статистических гипотез.

Самая правая колонка в матрицах моделей на рисунках 3, 4, 5, 6 работы [4] содержит количественную оценку вариабельности значений строки модели (среднеквадратичное отклонение), которая и представляет собой ценность значения фактора, соответствующего строке, для решения задач прогнозирования результатов деятельности АПК, решения принятия решений (управления) и других задач, рассматриваемых в работе.

Если рассортировать матрицу модели по этой самой правой колонке в порядке убывания, а потом просуммировать значения в ней нарастающим итогом, то получим логистическую Парето-кривую, отражающую зависимость ценности модели от числа наиболее ценных признаков в ней.

Таким образом:

- значимость градации описательной шкалы - это вариабельность значений в соответствующей ей строке матрицы модели. Значимость градации описательной шкалы количественно показывает ее ценность или полезность для решения задачи идентификации объектов обучающей выборки по классам. Можно сказать, что значимость градации шкалы отражает количество информации, содержащееся в ней о принадлежности или непринадлежности объектов к различным классам (рисунки 20, 21 и таблица 1).

- значимость шкалы - это среднее значимости ее градаций. Значимость описательной шкалы количественно показывает среднюю ценность или полезность ее градаций для решения задачи идентификации объектов обучающей выборки по классам. Можно сказать, что значимость шкалы отражает среднее количество информации, содержащееся в ее градациях о принадлежности или непринадлежности объектов обучающей выборки со свойствами, кодируемыми данной шкалой, к различным классам (рисунок 22, таблица 2).

ПАРЕТО-КРИВАЯ ЗНАЧИМОСТИ ГРАДАЦИЙ ОПИСАТЕЛЬНЫХ ШКАЛ (ПРИЗНАКОВ) В МОДЕЛИ: "ШРЗ" Приложение: "Исследование влияния инвестиций на результаты деятельности АПК"

ЗНАЧЕНИЙ аетньи критериев основанных на этом «анбопее значимых признано® обеспечивают 504 суиыарной значимости

признаке. по классам в ситнстнческкх моделях' Abs. prcl. Ргс2 и в моделях эизмм ln»1, ints, Inf3 inf4 inb. <n№. Inf? говоря некоторый признак является тем бопее значимым, чем Расстояние между точками Red-Blue: 16% от максимально возможного Больше он в среднем содержиt информации о Принадлежности обладающею им объекта к одним классам Н не Принадлежности к другим

Путь на отображаемый файл C:\AITOS XV4D_[WTA^O()Q01\SYSTEM\\P8retoGrOpScyP8fetoGrOpSe-INF3 jpg Форма создана 21 03 2021-09:24Ы

Рисунок 20. Значимость градаций факторов нарастающим итогом

На рисунке 21 приведены наименования и расположение MS Excel таблиц с информацией о значимости градаций факторов.

Рисунок 21. Наименования и расположение MS Excel таблиц с информацией о значимости градаций факторов.

В таблице 1 приведена значимость градаций факторов в системно-когнитивной мод1ли Г№Р3.

Таблица 1 - Значимость градаций факторов в системно-когнитивной модели INF3

Значимо

сть

Ко Значимо нар.итог

№ №% д Наименование сть, % ом, %

ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО, МЛН.РУБ.-1/4-{5.0000000,

1 1,47 1 743.0000000} 1,91 1,91

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-1/4-{5.0000000,

2 2,94 5 743.0000000} 1,91 3,82

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОМЫШЛЕННОСТЬ, МЛН.РУБ.-1/4-

3 4,41 9 {1.0000000, 100.0000000} 1,91 5,73

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СЕЛЬСКОЕ ХОЗЯЙСТВО, МЛН.РУБ.-1/4-

4 5,88 13 {2.0000000, 88.0000000} 1,91 7,64

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЖИЛ.КОМ.ХОЗ., МЛН.РУБ.-1/4-

5 7,35 41 {1.0000000, 263.0000000} 1,91 9,55

ИНВ. В ОСН.КАП.АПК ПО КРУПН.И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-1/4-{2.0000000,

6 8,82 65 245.0000000} 1,91 11,46

ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО, МЛН.РУБ.-4/4-{26243.0000000,

7 10,29 4 74655.0000000} 1,87 13,34

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-4/4-{21297.0000000,

8 11,76 8 57685.0000000} 1,87 15,21

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОМЫШЛЕННОСТЬ, МЛН.РУБ.-4/4-

9 13,24 12 {3361.0000000, 8300.0000000} 1,87 17,08

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СЕЛЬСКОЕ ХОЗЯЙСТВО, МЛН.РУБ.-4/4-

10 14,71 16 {1315.0000000, 4076.0000000} 1,87 18,95

ИНВ. В ОСН.КАП.АПК ПО КРУПН.И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-4/4-

11 16,18 68 {2973.0000000, 8296.0000000} 1,87 20,82

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТРАНСПОРТ, МЛН.РУБ.-1/4-

12 17,65 21 {7.0000000, 368.0000000} 1,74 22,56

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СВЯЗЬ, МЛН.РУБ.-1/4-{1.0000000,

13 19,12 25 41.0000000} 1,74 24,30

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СТРОИТЕЛЬСТВО, МЛН.РУБ.-1/4-

14 20,59 29 {2.0000000, 85.0000000} 1,74 26,04

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.ПРОИЗВ.ОТРАСЛИ, МЛН.РУБ.-

15 22,06 37 1/4-{1.0000000, 30.0000000} 1,74 27,78

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - МЕД., ФИЗ.КУЛЬТ.И СОЦ.ОБ.

16 23,53 45 МЛН.РУБ.-1/4-{6.0000000, 247.0000000} 1,74 29,52

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ОБРАЗОВАНИЕ, МЛН.РУБ.-1/4-

17 25,00 49 {1.0000000, 23.0000000} 1,74 31,26

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СТРОИТЕЛЬСТВО, МЛН.РУБ.-2/4-

18 26,47 30 {85.0000000, 133.0000000} 1,71 32,97

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТОРГ.И ОБЩ.ПИТАНИЕ, МЛН.РУБ.-2/4-

19 27,94 34 {12.0000000, 16.0000000} 1,71 34,67

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЛЕСНОЕ ХОЗЯЙСТВО, МЛН.РУБ.-1/4-

20 29,41 17 {1.0000000, 3.0000000} 1,66 36,33

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТРАНСПОРТ, МЛН.РУБ.-2/4-

21 30,88 22 {368.0000000, 1455.0000000} 1,63 37,96

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СВЯЗЬ, МЛН.РУБ.-2/4-{41.0000000,

22 32,35 26 275.0000000} 1,63 39,59

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.ПРОИЗВ.ОТРАСЛИ, МЛН.РУБ.-

23 33,82 38 2/4-{30.0000000, 98.0000000} 1,63 41,22

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТРАНСПОРТ, МЛН.РУБ.-4/4-

24 35,29 24 {18492.0000000, 32719.0000000} 1,59 42,81

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.ПРОИЗВ.ОТРАСЛИ, МЛН.РУБ.-

25 36,76 40 4/4-{636.0000000, 854.0000000} 1,59 44,39

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - НАУКА И НАУЧН.ОБС., МЛН.РУБ.-4/4-

26 38,24 60 {47.0000000, 198.0000000} 1,59 45,98

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - МЕД., ФИЗ.КУЛЬТ.И СОЦ.ОБ.

27 39,71 46 МЛН.РУБ.-2/4-{247.0000000, 791.0000000} 1,54 47,51

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СВЯЗЬ, МЛН.РУБ.-4/4-{1184.0000000,

28 41,18 28 10760.0000000} 1,53 49,04

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СТРОИТЕЛЬСТВО, МЛН.РУБ.-4/4-

29 42,65 32 {590.0000000, 3157.0000000} 1,53 50,57

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТОРГ.И ОБЩ.ПИТАНИЕ, МЛН.РУБ.-4/4-

30 44,12 36 {204.0000000, 914.0000000} 1,53 52,09

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ОБРАЗОВАНИЕ, МЛН.РУБ.-4/4-

31 45,59 52 {54.0000000, 309.0000000} 1,53 53,62

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - КУЛЬТУРА И ИСКУССТВО, МЛН.РУБ.-

32 47,06 56 4/4-{18.0000000, 93.0000000} 1,53 55,15

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.НЕПРОИЗВ.ОТР., МЛН.РУБ.-4/4-

33 48,53 64 {167.0000000, 1042.0000000} 1,53 56,67

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ОБРАЗОВАНИЕ, МЛН.РУБ.-2/4-

34 50,00 50 {23.0000000, 43.0000000} 1,52 58,19

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - МЕД., ФИЗ.КУЛЬТ.И СОЦ.ОБ.

35 51,47 48 МЛН.РУБ.-4/4-{3074.0000000, 4371.0000000} 1,47 59,66

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЛЕСНОЕ ХОЗЯЙСТВО, МЛН.РУБ.-4/4-

36 52,94 20 {16.0000000, 28.0000000} 1,45 61,11

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОМЫШЛЕННОСТЬ, МЛН.РУБ.-2/4-

37 54,41 10 {100.0000000, 1594.0000000} 1,43 62,54

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - НАУКА И НАУЧН.ОБС., МЛН.РУБ.-2/4-

38 55,88 58 {2.0000000, 4.0000000} 1,43 63,96

39 57,35 11 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОМЫШЛЕННОСТЬ, МЛН.РУБ.-3/4- 1,41 65,37

{1594.0000000, 3361.0000000}

ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО, МЛН.РУБ.-3/4-{9933.0000000,

40 58,82 3 26243.0000000} 1,38 66,75

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-3/4-{6159.0000000,

41 60,29 7 21297.0000000} 1,38 68,13

ИНВ. В ОСН.КАП.АПК ПО КРУПН.И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-3/4-

42 61,76 67 {1093.0000000, 2973.0000000} 1,38 69,50

ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО, МЛН.РУБ.-2/4-{743.0000000,

43 63,24 2 9933.0000000} 1,36 70,86

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-2/4-{743.0000000,

44 64,71 6 6159.0000000} 1,36 72,22

ИНВ. В ОСН.КАП.АПК ПО КРУПН.И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ.-2/4-

45 66,18 66 {245.0000000, 1093.0000000} 1,36 73,58

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СВЯЗЬ, МЛН.РУБ.-3/4-{275.0000000,

46 67,65 27 1184.0000000} 1,36 74,94

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - КУЛЬТУРА И ИСКУССТВО, МЛН.РУБ.-

47 69,12 53 1/4-{2.0000000, 5.0000000} 1,35 76,29

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЖИЛ.КОМ.ХОЗ., МЛН.РУБ.-4/4-

48 70,59 44 {1274.0000000, 2268.0000000} 1,34 77,63

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СЕЛЬСКОЕ ХОЗЯЙСТВО, МЛН.РУБ.-3/4-

49 72,06 15 {555.0000000, 1315.0000000} 1,34 78,97

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТРАНСПОРТ, МЛН.РУБ.-3/4-

50 73,53 23 {1455.0000000, 18492.0000000} 1,26 80,23

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.ПРОИЗВ.ОТРАСЛИ, МЛН.РУБ.-

51 75,00 39 3/4-{98.0000000, 636.0000000} 1,26 81,48

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - НАУКА И НАУЧН.ОБС., МЛН.РУБ.-3/4-

52 76,47 59 {4.0000000, 47.0000000} 1,26 82,74

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СЕЛЬСКОЕ ХОЗЯЙСТВО, МЛН.РУБ.-2/4-

53 77,94 14 {88.0000000, 555.0000000} 1,26 84,00

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.НЕПРОИЗВ.ОТР., МЛН.РУБ.-1/4-

54 79,41 61 {1.0000000, 17.0000000} 1,25 85,25

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЖИЛ.КОМ.ХОЗ., МЛН.РУБ.-2/4-

55 80,88 42 {263.0000000, 1019.0000000} 1,24 86,49

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТОРГ.И ОБЩ.ПИТАНИЕ, МЛН.РУБ.-1/4-

56 82,35 33 {3.0000000, 12.0000000} 1,24 87,73

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЛЕСНОЕ ХОЗЯЙСТВО, МЛН.РУБ.-3/4-

57 83,82 19 {4.0000000, 16.0000000} 1,23 88,96

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - КУЛЬТУРА И ИСКУССТВО, МЛН.РУБ.-

58 85,29 55 3/4-{8.0000000, 18.0000000} 1,23 90,19

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.НЕПРОИЗВ.ОТР., МЛН.РУБ.-3/4-

59 86,76 63 {127.0000000, 167.0000000} 1,16 91,35

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЖИЛ.КОМ.ХОЗ., МЛН.РУБ.-3/4-

60 88,24 43 {1019.0000000, 1274.0000000} 1,14 92,49

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СТРОИТЕЛЬСТВО, МЛН.РУБ.-3/4-

61 89,71 31 {133.0000000, 590.0000000} 1,08 93,57

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТОРГ.И ОБЩ.ПИТАНИЕ, МЛН.РУБ.-3/4-

62 91,18 35 {16.0000000, 204.0000000} 1,08 94,65

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - МЕД., ФИЗ.КУЛЬТ.И СОЦ.ОБ.

63 92,65 47 МЛН.РУБ.-3/4-{791.0000000, 3074.0000000} 1,07 95,72

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.НЕПРОИЗВ.ОТР., МЛН.РУБ.-2/4-

64 94,12 62 {17.0000000, 127.0000000} 0,97 96,69

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - НАУКА И НАУЧН.ОБС., МЛН.РУБ.-1/4-

65 95,59 57 {1.0000000, 2.0000000} 0,96 97,65

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ОБРАЗОВАНИЕ, МЛН.РУБ.-3/4-

66 97,06 51 {43.0000000, 54.0000000} 0,85 98,49

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЛЕСНОЕ ХОЗЯЙСТВО, МЛН.РУБ.-2/4-

67 98,53 18 {3.0000000, 4.0000000} 0,76 99,25

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - КУЛЬТУРА И ИСКУССТВО, МЛН.РУБ.-

68 100,00 54 2/4-{5.0000000, 8.0000000} 0,75 100,00

Из таблицы 1 видно, что наиболее сильно влияющие на результаты деятельности АПК значения и направленность инвестиций имеют силу влияния более чем в два раза превосходящую силу влияния наиболее слабо влияющих значений факторов. Видно также, какие это конкретно значения и каких инвестиционных факторов.

На рисунке 22 приведены наименования и расположение MS Excel таблиц с информацией о значимости факторов.

Рисунок 22. Наименования и расположение MS Excel таблиц с информацией о значимости факторов

В таблице 2 приведена значимость факторов в системно-когнитивной модели INF3.

Таблица 2 - Значимость факторов в системно-когнитивной мод1ли INF3

Значимость

Ко Значимость, нар.итогом,

№ №% д Наименование % %

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОМЫШЛЕННОСТЬ,

1 5,88 3 МЛН.РУБ. 6,62 6,62

2 11,76 1 ИНВЕСТИЦИИ В ОСНОВНОЙ КАПИТАЛ - ВСЕГО, МЛН.РУБ. 6,52 13,14

3 17,65 2 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ. 6,52 19,66

4 23,53 17 ИНВ. В ОСН.КАП.АПК ПО КРУПН.И СРЕДН.ПРЕДПР. - ВСЕГО, МЛН.РУБ. 6,52 26,18

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СЕЛЬСКОЕ ХОЗЯЙСТВО,

5 29,41 4 МЛН.РУБ. 6,38 32,56

6 35,29 7 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СВЯЗЬ, МЛН.РУБ. 6,25 38,81

7 41,18 6 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТРАНСПОРТ, МЛН.РУБ. 6,21 45,02

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.ПРОИЗВ.ОТРАСЛИ,

8 47,06 10 МЛН.РУБ. 6,21 51,23

9 52,94 8 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - СТРОИТЕЛЬСТВО, МЛН.РУБ. 6,05 57,28

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - МЕД., ФИЗ.КУЛЬТ.И

10 58,82 12 СОЦ.ОБ. МЛН.РУБ. 5,81 63,10

11 64,71 11 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЖИЛ.КОМ.ХОЗ., МЛН.РУБ. 5,63 68,73

12 70,59 13 ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ОБРАЗОВАНИЕ, МЛН.РУБ. 5,63 74,36

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ТОРГ.И ОБЩ.ПИТАНИЕ,

13 76,47 9 МЛН.РУБ. 5,55 79,91

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - НАУКА И НАУЧН.ОБС.,

14 82,35 15 МЛН.РУБ. 5,23 85,14

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ЛЕСНОЕ ХОЗЯЙСТВО,

15 88,24 5 МЛН.РУБ. 5,10 90,24

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - ПРОЧ.НЕПРОИЗВ.ОТР.,

16 94,12 16 МЛН.РУБ. 4,91 95,15

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

ИНВ. В ОСН.КАП.ПО КРУПН. И СРЕДН.ПРЕДПР. - КУЛЬТУРА И ИСКУССТВО,

17 100,00 14 МЛН.РУБ. 4,85 100,00

Из таблицы 2 мы видим, что наиболее сильно на результаты деятельности АПК влияют инвестиции в основной капитал по крупным и средним предприятиям промышленности, а меньше всего - инвестиции в основной капитал предприятий культуры и искусства. Это ожидаемый

результат, но смысл инвестиций не только в получении прибыли инвестором, говорят ведь, что не хлебом единым жив человек.

4.11. Степень детерминированности классов (будущих состояний объекта моделирования) значениями обуславливающих их факторов

Степень детерминированности (обусловленности) класса в системе «Эйдос» количественно оценивается степенью вариабельности значений классификационных шкал в колонке матрицы модели, соответствующей данному классу. На рисунке 23 мы видим Парето-кривую степени детерминированности классов нарастающим итогом.

Рисунок 23. Степень детерминированности классов нарастающим итогом

На рисунке 24 приведены наименования и расположение MS Excel таблиц с информацией о степени детерминированности классов различными значениями факторов.

Рисунок 24. Наименования и расположение MS Excel таблиц с информацией степени детерминированности классов различными значениями факторов

В таблице 3 приведена степень детерминированности классов в системно-когнитивной модели ЮТ3.

Таблица 3 - Степень детерминированности классов в системно-когнитивной модели ЮТ3

№ №% Код Наименование Детерминированность, % Детерминированность нараст.итог, %

1 0,37 94 ПОГОЛОВЬЕ К0Р0В-1/3-{262.0, 290.0} 0,53 0,53

2 0,73 100 ПОГОЛОВЬЕ 0ВЕЦ-1/3-{51.0, 59.0} 0,53 1,06

3 1,10 33 ОБ.ПР.ПРОД. ПО ОТРАСЛЯМ АПК, ПЕРЕРАБ.С/Х СЫРЬЕ-3/3-{10780.0, 52817.0} 0,52 1,58

4 1,47 36 ОБ.ПР.ПРОД. ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК-3/3-{9362.0, 48599.0} 0,52 2,10

5 1,83 39 ОБ.ПР.ПРОД. ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК-3/3-{1406.0, 4218.0} 0,52 2,62

6 2,20 81 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКИМИ ХОЗЯЙСТВАМИ ВСЕХ КАТЕГОРИЙ-3/3-{13817.0, 73378.0} 0,52 3,13

7 2,56 84 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫМИ ПРЕДПРИЯТИЯМИ-3/3-{8030.0, 44027.0} 0,52 3,65

8 2,93 87 ПРОИЗВОДСТВО ПРОДУКЦИИ ХОЗЯЙСТВАМИ НАСЕЛЕНИЯ-3/3-{5924.0, 24948.0} 0,52 4,17

9 3,30 90 ПРОИЗВОДСТВО ПРОДУКЦИИ КРЕСТЬЯНСКИМИ (ФЕРМЕРСКИМИ) ХОЗЯЙСТВАМИ-3/3-{536.0, 4492.0} 0,52 4,69

10 3,66 159 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. КРУПНОГО РОГАТОГО СКОТА-3/3-{5.7, 21.8} 0,52 5,21

11 4,03 162 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. СВИНЕЙ-3/3-{8.3, 26.9} 0,52 5,73

12 4,40 165 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. ПТИЦЫ-3/3-{8.5, 28.7} 0,52 6,25

13 4,76 168 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. МОЛОКА И МОЛОЧНЫХ ПРОДУКТОВ-3/3-{1.3, 4.8} 0,52 6,77

14 5,13 171 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. ГОВЯДИНЫ-3/3-{20.2, 51.8} 0,52 7,29

15 5,49 174 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. СВИНИНЫ-3/3-{19.4, 49.1} 0,52 7,81

16 5,86 180 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА ГОВЯДИНУ-3/3-{23.8, 75.6} 0,52 8,33

17 6,23 183 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА СВИНИНУ-3/3-{26.3, 80.0} 0,52 8,85

18 6,59 186 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА КУРЫ-3/3-{26.3, 61.7} 0,52 9,37

19 6,96 189 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА МОЛОКО ЦЕЛЬНОЕ-3/3-{4.7, 10.9} 0,52 9,89

20 7,33 10 ПОЛУЧЕНО ШЕРСТИ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-1/3-{0.3, 0.3} 0,52 10,41

21 7,69 108 СРЕДНИЙ УДОЙ МОЛОКА ОТ ОДНОЙ КОРОВЫ-3/3-{2886Д 3820.0} 0,51 10,92

22 8,06 114 СРЕДНЯЯ ЯЙЦЕНОСКОСТЬ ОДНОЙ КУРИЦЫ-НЕСУШКИ-3/3-{222.0, 269.0} 0,51 11,43

23 8,42 141 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ЦЕЛЬНО МОЛОЧ.ПРОД. (%)-3/3-{35.0, 75.0} 0,51 11,94

24 8,79 6 ПОЛУЧЕНО МОЛОКА ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-3/3-{1419.0, 1948.0} 0,50 12,43

25 9,16 12 ПОЛУЧЕНО ШЕРСТИ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-3/3-{0.7, 3.1} 0,50 12,93

26 9,52 15 ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-3/3-{215.0, 546.6} 0,50 13,42

27 9,89 18 ПОЛУЧЕНО МОЛОКА ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-3/3-{1013.7, 1746.7} 0,50 13,92

28 10,26 24 ПОЛУЧЕНО ШЕРСТИ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-3/3-{0.6, 2.9} 0,50 14,42

29 10,62 93 ПОГОЛОВЬЕ КРУПНОГО РОГАТОГО СКОТА (КРС)-3/3-{1083.0, 1650.0} 0,50 14,91

30 10,99 96 ПОГОЛОВЬЕ КОРОВ-3/3-{393.0, 518.0} 0,50 15,41

31 11,36 99 ПОГОЛОВЬЕ СВИНЕЙ-3/3-{1350.0, 2581.0} 0,50 15,90

32 11,72 102 ПОГОЛОВЬЕ ОВЕЦ-3/3-{202.0, 749.0} 0,50 16,40

33 12,09 105 ПОГОЛОВЬЕ ПТИЦЫ-3/3-{11.0, 21.0} 0,50 16,90

34 12,45 135 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МЯСА (%)-3/3-{34.0, 74.0} 0,50 17,39

35 12,82 138 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МАСЛА ЖИВОТНОГО (%)-3/3-{36.0, 60.0} 0,50 17,89

36 13,19 156 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОМБИКОРМОВ (%)-3/3-{31.0, 99.0} 0,50 18,39

37 13,55 258 ПЛОЩАДЬ САХАРНОЙ СВЕКЛЫ-3/3-{182.0, 208.0} 0,50 18,88

38 13,92 31 ОБ.ПР.ПРОД. ПО ОТРАСЛЯМ АПК, ПЕРЕРАБ.С/Х СЫРЬЕ-1/3-{13.3, 2233.0} 0,48 19,36

39 14,29 34 ОБ.ПР.ПРОД. ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК-1/3-{12.1, 2080.0} 0,48 19,85

40 14,65 37 ОБ.ПР.ПРОД. ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК-1/3-{1.2, 153.0} 0,48 20,33

41 15,02 79 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКИМИ ХОЗЯЙСТВАМИ ВСЕХ КАТЕГОРИЙ-1/3-{3920.0, 5536.0} 0,48 20,81

42 15,38 82 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫМИ ПРЕДПРИЯТИЯМИ-1/3-{2907.0, 4468.0} 0,48 21,29

43 15,75 85 ПРОИЗВОДСТВО ПРОДУКЦИИ ХОЗЯЙСТВАМИ НАСЕЛЕНИЯ-1/3-{899.0, 1062.0} 0,48 21,78

44 16,12 88 ПРОИЗВОДСТВО ПРОДУКЦИИ КРЕСТЬЯНСКИМИ (ФЕРМЕРСКИМИ) ХОЗЯЙСТВАМИ-1/3-{6.0, 133.0} 0,48 22,26

45 16,48 150 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ВИНА ВИНОГРАДНОГО (%)-3/3-{27.0, 63.0} 0,48 22,74

46 16,85 157 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. КРУПНОГО РОГАТОГО СКОТА-1/3-{0.3, 0.7} 0,48 23,22

47 17,22 160 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. СВИНЕЙ-1/3-{0.3, 1.0} 0,48 23,70

48 17,58 163 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. ПТИЦЫ-1/3-{0.3, 1.2} 0,48 24,19

49 17,95 166 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. МОЛОКА И МОЛОЧНЫХ ПРОДУКТОВ-1/3-{0.1, 0.2} 0,48 24,67

50 18,32 169 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. ГОВЯДИНЫ-1/3-{1.5, 3.7} 0,48 25,15

51 18,68 172 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. СВИНИНЫ-1/3-{1.5, 4.6} 0,48 25,63

52 19,05 178 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА ГОВЯДИНУ-1/3-{1.1, 3.9} 0,48 26,12

53 19,41 181 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА СВИНИНУ-1/3-{1.1, 5.1} 0,48 26,60

54 19,78 184 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА КУРЫ-1/3-{1.1, 4.9} 0,48 27,08

55 20,15 187 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА МОЛОКО ЦЕЛЬНОЕ-1/3-{0.2, 1.1} 0,48 27,56

56 20,51 9 ПОЛУЧЕНО ЯИЦ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-3/3-{1412.8, 1752.2} 0,45 28,02

57 20,88 21 ПОЛУЧЕНО ЯИЦ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-3/3-{819.3, 1160.9} 0,45 28,47

58 21,25 139 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ЦЕЛЬНО МОЛОЧ.ПРОД. (%)-1/3-{22.0, 27.0} 0,45 28,92

59 21,61 3 ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-3/3-{394.1, 773.3} 0,44 29,36

60 21,98 91 ПОГОЛОВЬЕ КРУПНОГО РОГАТОГО СКОТА (КРС)-1/3-{729.0, 740.0} 0,44 29,81

61 22,34 111 СРЕДНИЙ НАСТРИГ ШЕРСТИ ОТ ОДНОЙ ОВЦЫ-3/3-{3Д 3.9} 0,44 30,25

62 22,71 57 ВАЛОВОЙ СБОР ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-3/3-{6792Д 8481.2} 0,44 30,68

63 23,08 231 УРОЖАЙ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-3/3-{34.5, 42.1} 0,44 31,12

64 23,44 261 УРОЖАЙ САХАРНОЙ СВЕКЛЫ-3/3-{236.0, 298.0} 0,44 31,56

65 23,81 40 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ВСЕГО ПО АПК-1/3-{82.5, 89.0} 0,43 31,98

66 24,18 78 ВАЛОВОЙ СБОР СОИ-3/3-{54.0, 103.0} 0,42 32,40

67 24,54 147 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОНС.ПЛОДООВОЩНЫХ (%)-3/3-{40.0, 62.0} 0,42 32,82

68 24,91 273 УРОЖАЙ СОИ-3/3-{12.1, 17.7} 0,42 33,25

69 25,27 7 ПОЛУЧЕНО ЯИЦ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-1/3-{1153.9, 1285.5} 0,42 33,66

70 25,64 19 ПОЛУЧЕНО ЯИЦ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-1/3-{586.4, 686.0} 0,42 34,08

71 26,01 67 ВАЛОВОЙ СБОР РИСА-1/3-{236.0, 336.0} 0,42 34,50

72 26,37 95 ПОГОЛОВЬЕ КОРОВ-2/3-{290.0, 393.0} 0,42 34,92

73 26,74 101 ПОГОЛОВЬЕ ОВЕЦ-2/3-{59.0, 202.0} 0,42 35,33

74 27,11 145 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОНС.ПЛОДООВОЩНЫХ (%)-1/3-{15.0, 24.0} 0,42 35,75

75 27,47 265 УРОЖАЙ ПОДСОЛНЕЧНИКА-1/3-{8.0, 13.0} 0,42 36,17

76 27,84 5 ПОЛУЧЕНО МОЛОКА ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-2/3-{1270.6, 1419.0} 0,42 36,59

77 28,21 14 ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-2/3-{165.7, 215.0} 0,42 37,01

78 28,57 17 ПОЛУЧЕНО МОЛОКА ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-2/3-{914.2, 1013.7} 0,42 37,42

79 28,94 134 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МЯСА (%)-2/3-{24.0, 34.0} 0,42 37,84

80 29,30 32 ОБ.ПР.ПРОД. ПО ОТРАСЛЯМ АПК, ПЕРЕРАБ.С/Х СЫРЬЕ-2/3-{2233.0, 10780.0} 0,41 38,26

81 29,67 35 ОБ.ПР.ПРОД. ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК-2/3-{2080.0, 9362.0} 0,41 38,67

82 30,04 38 ОБ.ПР.ПРОД. ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК-2/3-{153.0, 1406.0} 0,41 39,09

83 30,40 80 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКИМИ ХОЗЯЙСТВАМИ ВСЕХ КАТЕГОРИЙ-2/3-{5536.0, 13817.0} 0,41 39,50

84 30,77 83 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫМИ ПРЕДПРИЯТИЯМИ-2/3-{4468.0, 8030.0} 0,41 39,92

85 31,14 86 ПРОИЗВОДСТВО ПРОДУКЦИИ ХОЗЯЙСТВАМИ НАСЕЛЕНИЯ-2/3-{1062.0, 5924.0} 0,41 40,33

86 31,50 89 ПРОИЗВОДСТВО ПРОДУКЦИИ КРЕСТЬЯНСКИМИ (ФЕРМЕРСКИМИ) ХОЗЯЙСТВАМИ-2/3-{133.0, 536.0} 0,41 40,75

87 31,87 158 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. КРУПНОГО РОГАТОГО СКОТА-2/3-{0.7, 5.7} 0,41 41,16

88 32,23 161 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. СВИНЕЙ-2/3-{1.0, 8.3} 0,41 41,58

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

89 32,60 164 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. ПТИЦЫ-2/3-{1.2, 8.5} 0,41 41,99

90 32,97 167 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. МОЛОКА И МОЛОЧНЫХ ПРОДУКТОВ-2/3-{0.2, 1.3} 0,41 42,41

91 33,33 170 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. ГОВЯДИНЫ-2/3-{3.7, 20.2} 0,41 42,82

92 33,70 173 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. СВИНИНЫ-2/3-{4.6, 19.4} 0,41 43,24

93 34,07 179 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА ГОВЯДИНУ-2/3-{3.9, 23.8} 0,41 43,65

94 34,43 182 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА СВИНИНУ-2/3-{5.1, 26.3} 0,41 44,07

95 34,80 185 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА КУРЫ-2/3-{4.9, 26.3} 0,41 44,48

96 35,16 188 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА МОЛОКО ЦЕЛЬНОЕ-2/3-{1.1, 4.7} 0,41 44,90

97 35,53 229 УРОЖАЙ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-1/3-{24.1, 30.8} 0,41 45,31

98 35,90 235 УРОЖАЙ ПШЕНИЦЫ-1/3-{28.1, 33.6} 0,41 45,72

99 36,26 153 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МУКИ (%)-3/3-{79.0, 90.0} 0,41 46,14

100 36,63 199 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) РАБОТ И УСЛУГ-1/3-{1.5, 2.1} 0,41 46,55

101 37,00 120 РАСХОД КОНЦЕНТРИРОВАННЫХ КОРМОВ НА 1 ГОЛОВУ УСЛОВНОГО СКОТА-3/3-{15.0, 16.6} 0,41 46,96

102 37,36 27 ОБ.ПР.ПРОД. ВСЕГО ПО АПК-3/3-{11608.0, 45602.0} 0,41 47,37

103 37,73 48 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР.АПК, ПЕРЕРАБ.С/Х СЫРЬЕ-3/3-{98.0, 161.0} 0,41 47,78

104 38,10 51 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК-3/3-{98.0, 122.0} 0,41 48,19

105 38,46 109 СРЕДНИЙ НАСТРИГ ШЕРСТИ ОТ ОДНОЙ ОВЦЫ-1/3-{2.7, 3.0} 0,40 48,59

106 38,83 128 ЧИСЛО ПРЕДПР.АПК, СОСТ.НА БАЛАНСЕ С\Х И ДР. НЕПРОМЫШЛ.ПРЕДПР.-2/3- 0,40 48,99

{2569.0, 2611.0}

107 39,19 63 ВАЛОВОЙ СБОР ЯЧМЕНЯ-3/3-{1321.0, 1825.0} 0,40 49,39

108 39,56 237 УРОЖАЙ ПШЕНИЦЫ-3/3-{38.7, 47.5} 0,40 49,79

109 39,93 243 УРОЖАЙ ЯЧМЕНЯ-3/3-{41.7, 46.5} 0,40 50,19

110 40,29 256 ПЛОЩАДЬ САХАРНОЙ СВЕКЛЫ-1/3-{126.2, 150.0} 0,39 50,58

111 40,66 22 ПОЛУЧЕНО ШЕРСТИ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-1/3-{0.2, 0.2} 0,39 50,97

112 41,03 154 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОМБИКОРМОВ (%)-1/3-{14.0, 15.0} 0,39 51,37

113 41,39 30 ОБ.ПР.ПРОД. ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПРОИЗВОДСТВА-3/3-{1485.0, 4176.9} 0,39 51,76

114 41,76 255 УРОЖАЙ РИСА-3/3-{37.0, 42.2} 0,39 52,15

115 42,12 124 ЧИСЛО ПРЕДПР.АПК, КРУПНЫЕ И СРЕДНИЕ ПРЕДПРИЯТИЯ-1/3-{248.0, 271.0} 0,39 52,54

116 42,49 69 ВАЛОВОЙ СБОР РИСА-3/3-{395.0, 494.0} 0,39 52,93

117 42,86 262 ПЛОЩАДЬ ПОДСОЛНЕЧНИКА-1/3-{299.0, 369.0} 0,39 53,32

118 43,22 112 СРЕДНЯЯ ЯЙЦЕНОСКОСТЬ ОДНОЙ КУРИЦЫ-НЕСУШКИ-1/3-{188.0, 193.0} 0,39 53,71

ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МАСЛА ЖИВОТНОГО (%)-2/3-{28.0,

119 43,59 137 36.0} 0,39 54,10

120 43,96 253 УРОЖАЙ РИСА-1/3-{24.0, 34.0} 0,38 54,48

121 44,32 252 ПЛОЩАДЬ РИСА-3/3-{110.8, 131.0} 0,38 54,86

122 44,69 61 ВАЛОВОЙ СБОР ЯЧМЕНЯ-1/3-{446.0, 806.0} 0,38 55,24

123 45,05 241 УРОЖАЙ ЯЧМЕНЯ-1/3-{31.5, 34.2} 0,38 55,62

124 45,42 259 УРОЖАЙ САХАРНОЙ СВЕКЛЫ-1/3-{142.0, 209.0} 0,37 55,99

125 45,79 264 ПЛОЩАДЬ ПОДСОЛНЕЧНИКА-3/3-{423.5, 567.1} 0,37 56,37

126 46,15 66 ВАЛОВОЙ СБОР КУКУРУЗЫ-3/3-{632.9, 1044.0} 0,37 56,73

127 46,52 249 УРОЖАЙ КУКУРУЗЫ НА ЗЕРНО-3/3-{31.3, 36.3} 0,37 57,10

ЧИСЛО ПРЕДПР.АПК, СОСТ.НА БАЛАНСЕ С\Х И ДР. НЕПРОМЫШЛ.ПРЕДПР.-1/3-

128 46,89 127 {1641.0, 2569.0} 0,37 57,47

129 47,25 233 ПЛОЩАДЬ ПШЕНИЦЫ-2/3-{966.0, 1093.0} 0,37 57,84

130 47,62 240 ПЛОЩАДЬ ЯЧМЕНЯ-3/3-{334.0, 477.0} 0,37 58,21

131 47,99 193 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) СЫРЬЯ И МАТЕРИАЛОВ-1/3-{57.1, 61.1} 0,37 58,57

132 48,35 204 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ТОПЛИВА И ЭНЕРГИИ-3/3-{7.8, 9.8} 0,37 58,94

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) СЫРЬЯ И МАТ-ОВ-1/3-

133 48,72 211 {59.3, 62.6} 0,37 59,30

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) РАБОТ И УСЛУГ-3/3-{2.0,

134 49,08 219 2.6} 0,37 59,67

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ТОПЛ.И ЭНЕРГИИ-3/3-

135 49,45 222 {7.2, 9.5} 0,37 60,04

136 49,82 46 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР.АПК, ПЕРЕРАБ.С/Х СЫРЬЕ-1/3-{84.5, 89.0} 0,36 60,40

137 50,18 49 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК-1/3-{84.0, 88.0} 0,36 60,77

138 50,55 29 ОБ.ПР.ПРОД. ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПРОИЗВОДСТВА-2/3-{670.2, 1485.0} 0,36 61,13

139 50,92 72 ВАЛОВОЙ СБОР САХАРНОЙ СВЕКЛЫ-3/3-{3794.0, 5850.0} 0,36 61,49

140 51,28 267 УРОЖАЙ ПОДСОЛНЕЧНИКА-3/3-{16.0, 20.0} 0,36 61,85

ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК-1/3-{80.0,

141 51,65 52 82.0} 0,36 62,21

142 52,01 103 ПОГОЛОВЬЕ ПТИЦЫ-1/3-{7.0, 8.0} 0,36 62,57

ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ВИНА ВИНОГРАДНОГО (%)-2/3-{20.0,

143 52,38 149 27.0} 0,36 62,92

144 52,75 257 ПЛОЩАДЬ САХАРНОЙ СВЕКЛЫ-2/3-{150.0, 182.0} 0,36 63,28

РАСХОД КОНЦЕНТРИРОВАННЫХ КОРМОВ НА 1 ГОЛОВУ УСЛОВНОГО СКОТА-2/3-

145 53,11 119 {14.5, 15.0} 0,35 63,63

ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ВИНА ВИНОГРАДНОГО (%)-1/3-{12.0,

146 53,48 148 20.0} 0,35 63,98

147 53,85 98 ПОГОЛОВЬЕ СВИНЕЙ-2/3-{1193.0, 1350.0} 0,35 64,34

ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-1/3-{286.5,

148 54,21 1 340.0} 0,35 64,68

149 54,58 4 ПОЛУЧЕНО МОЛОКА ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-1/3-{1081.0, 1270.6} 0,35 65,03

150 54,95 13 ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-1/3-{131.1, 165.7} 0,35 65,38

151 55,31 16 ПОЛУЧЕНО МОЛОКА ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-1/3-{791.5, 914.2} 0,35 65,73

152 55,68 77 ВАЛОВОЙ СБОР СОИ-2/3-{40.9, 54.0} 0,35 66,07

153 56,04 133 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МЯСА (%)-1/3-{12.0, 24.0} 0,35 66,42

154 56,41 26 ОБ.ПР.ПРОД. ВСЕГО ПО АПК-2/3-{6771.0, 11608.0} 0,35 66,77

155 56,78 190 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) МАТЕРИАЛЬНЫХ ЗАТРАТ-1/3-{69.7, 73.1} 0,35 67,12

156 57,14 268 ПЛОЩАДЬ СОИ-1/3-{29.8, 44.0} 0,34 67,46

ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МАСЛА ЖИВОТНОГО (%)-1/3-{26.0,

157 57,51 136 28.0} 0,34 67,80

158 57,88 70 ВАЛОВОЙ СБОР САХАРНОЙ СВЕКЛЫ-1/3-{2134.0, 3047.7} 0,34 68,14

159 58,24 142 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. САХАРА-ПЕСКА (%)-1/3-{79.0, 85.0} 0,34 68,48

160 58,61 122 ЧИСЛО ПРЕДПР.АПК, ПРОМЫШЛЕННОСТЬ - ВСЕГО-2/3-{3234.0, 3753.0} 0,34 68,81

161 58,97 92 ПОГОЛОВЬЕ КРУПНОГО РОГАТОГО СКОТА (КРС)-2/3-{740.0, 1083.0} 0,34 69,15

162 59,34 272 УРОЖАЙ СОИ-2/3-{8.7, 12.1} 0,34 69,49

163 59,71 121 ЧИСЛО ПРЕДПР.АПК, ПРОМЫШЛЕННОСТЬ - ВСЕГ0-1/3-{2922.0, 3234.0} 0,33 69,82

164 60,07 266 УРОЖАЙ ПОДСОЛ НЕЧНИ КА-2/3-{13.0, 16.0} 0,33 70,16

165 60,44 106 СРЕДНИЙ УДОЙ МОЛОКА ОТ ОДНОЙ КОРОВЫ-1/3-{2488Д 2804.0} 0,33 70,49

166 60,81 144 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. САХАРА-ПЕСКА (%)-3/3-{92.0, 93.0} 0,33 70,82

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) МАТ.ЗАТРАТ-1/3-{65.7,

167 61,17 208 71.5} 0,33 71,15

168 61,54 194 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) СЫРЬЯ И МАТЕРИАЛОВ-2/3-{61.1, 67.3} 0,33 71,48

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) СЫРЬЯ И МАТ-ОВ-2/3-

169 61,90 212 {62.6, 68.9} 0,33 71,80

170 62,27 107 СРЕДНИЙ УДОЙ МОЛОКА ОТ ОДНОЙ КОРОВЫ-2/3-{2804.0, 2886.0} 0,33 72,13

171 62,64 126 ЧИСЛО ПРЕДПР.АПК, КРУПНЫЕ И СРЕДНИЕ ПРЕДПРИЯТИЯ-3/3-{288.0, 298.0} 0,33 72,46

172 63,00 42 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ВСЕГО ПО АПК-3/3-{96.5, 126.0} 0,32 72,78

173 63,37 239 ПЛОЩАДЬ ЯЧМЕНЯ-2/3-{230.0, 334.0} 0,32 73,10

174 63,74 130 ЧИСЛО ПРЕДПР.АПК, МАЛЫЕ ПРЕДПРИЯТИЯ-1/3-{78.0, 785.0} 0,32 73,43

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ОПЛАТЫ ТРУДА-1/3-{6.7,

175 64,10 223 7.8} 0,32 73,75

176 64,47 207 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ОПЛАТЫ ТРУДА-3/3-{9.9, 11.0} 0,32 74,07

177 64,84 8 ПОЛУЧЕНО ЯИЦ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-2/3-{1285.5, 1412.8} 0,32 74,39

178 65,20 20 ПОЛУЧЕНО ЯИЦ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-2/3-{686.0, 819.3} 0,32 74,71

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) КОМПЛ.И ПОЛУФАБР.-

179 65,57 216 3/3-{0.9, 3.0} 0,32 75,03

180 65,93 123 ЧИСЛО ПРЕДПР.АПК, ПРОМЫШЛЕННОСТЬ - ВСЕГО-3/3-{3753.0, 4159.0} 0,32 75,34

181 66,30 117 РАСХОД КОРМОВ НА ОДНУ ГОЛОВУ УСЛОВНОГО СКОТА-3/3-{34.0, 36.0} 0,32 75,66

182 66,67 228 ПЛОЩАДЬ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-3/3-{1967.4, 2103.3} 0,32 75,98

183 67,03 113 СРЕДНЯЯ ЯЙЦЕНОСКОСТЬ ОДНОЙ КУРИЦЫ-НЕСУШКИ-2/3-{193.0, 222.0} 0,32 76,30

184 67,40 177 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. МЯСА ПТИЦЫ-3/3-{35.8, 281.0} 0,31 76,61

ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-2/3-{340.0,

185 67,77 2 394.1} 0,31 76,92

186 68,13 75 ВАЛОВОЙ СБОР ПОДСОЛНЕЧНИКА-3/3-{622.0, 817.0} 0,31 77,24

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) РАБОТ И УСЛУГ-1/3-{1.5,

187 68,50 217 1.7} 0,31 77,55

ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК-2/3-{82.0,

188 68,86 53 95.0} 0,31 77,87

189 69,23 132 ЧИСЛО ПРЕДПР.АПК, МАЛЫЕ ПРЕДПРИЯТИЯ-3/3-{849.0, 993.0} 0,31 78,18

190 69,60 270 ПЛОЩАДЬ СОИ-3/3-{49.2, 101.5} 0,31 78,49

191 69,96 104 ПОГОЛОВЬЕ ПТИЦЫ-2/3-{8.0, 11.0} 0,31 78,80

192 70,33 60 ВАЛОВОЙ СБОР ПШЕНИЦЫ-3/3-{4074.0, 5393.1} 0,31 79,11

193 70,70 234 ПЛОЩАДЬ ПШЕНИЦЫ-3/3-{1093.0, 1211.2} 0,31 79,41

РАСХОД КОНЦЕНТРИРОВАННЫХ КОРМОВ НА 1 ГОЛОВУ УСЛОВНОГО СКОТА-1/3-

194 71,06 118 {13.4, 14.5} 0,31 79,72

195 71,43 131 ЧИСЛО ПРЕДПР.АПК, МАЛЫЕ ПРЕДПРИЯТИЯ-2/3-{785.0, 849.0} 0,31 80,03

196 71,79 43 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПРОИЗВ.-1/3-{55.6, 84.0} 0,31 80,33

197 72,16 269 ПЛОЩАДЬ СОИ-2/3-{44.0, 49.2} 0,30 80,64

198 72,53 116 РАСХОД КОРМОВ НА ОДНУ ГОЛОВУ УСЛОВНОГО СКОТА-2/3-{32.8, 34.0} 0,30 80,94

199 72,89 68 ВАЛОВОЙ СБОР РИСА-2/3-{336.0, 395.0} 0,30 81,23

200 73,26 23 ПОЛУЧЕНО ШЕРСТИ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ-2/3-{0.2, 0.6} 0,30 81,53

201 73,63 155 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОМБИКОРМОВ (%)-2/3-{15.0, 31.0} 0,30 81,83

202 73,99 152 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МУКИ (%)-2/3-{62.0, 79.0} 0,29 82,12

203 74,36 74 ВАЛОВОЙ СБОР ПОДСОЛНЕЧНИКА-2/3-{579.0, 622.0} 0,29 82,42

204 74,73 238 ПЛОЩАДЬ ЯЧМЕНЯ-1/3-{141.0, 230.0} 0,29 82,71

205 75,09 260 УРОЖАЙ САХАРНОЙ СВЕКЛЫ-2/3-{209.0, 236.0} 0,29 83,01

206 75,46 55 ВАЛОВОЙ СБОР ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-1/3-{3532Д 5727.0} 0,29 83,30

207 75,82 97 ПОГОЛОВЬЕ СВИНЕЙ-1/3-{990.0, 1193.0} 0,29 83,59

208 76,19 125 ЧИСЛО ПРЕДПР.АПК, КРУПНЫЕ И СРЕДНИЕ ПРЕДПРИЯТИЯ-2/3-{271.0, 288.0} 0,29 83,88

209 76,56 192 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) МАТЕРИАЛЬНЫХ ЗАТРАТ-3/3-{77.0, 78.0} 0,29 84,18

210 76,92 76 ВАЛОВОЙ СБОР СОИ-1/3-{32.0, 40.9} 0,29 84,47

ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОНС.ПЛОДООВОЩНЫХ (%)-2/3-

211 77,29 146 {24.0, 40.0} 0,29 84,76

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) КОМПЛ.И ПОЛУФАБРИКАТОВ-2/3-{0.8,

212 77,66 197 1.1} 0,29 85,05

213 78,02 65 ВАЛОВОЙ СБОР КУКУРУЗЫ-2/3-{349.0, 632.9} 0,29 85,33

214 78,39 248 УРОЖАЙ КУКУРУЗЫ НА ЗЕРНО-2/3-{16.4, 31.3} 0,29 85,62

215 78,75 151 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МУКИ (%)-1/3-{53.0, 62.0} 0,29 85,91

ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ЦЕЛЬНО МОЛОЧ.ПРОД. (%)-2/3-{27.0,

216 79,12 140 35.0} 0,29 86,19

217 79,49 201 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) РАБОТ И УСЛУГ-3/3-{2.2, 2.6} 0,28 86,47

218 79,85 56 ВАЛОВОЙ СБОР ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-2/3-{5727Д 6792.0} 0,28 86,75

219 80,22 250 ПЛОЩАДЬ РИСА-1/3-{91.7, 101.0} 0,28 87,03

220 80,59 28 ОБ.ПР.ПРОД. ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПР0ИЗВ0ДСТВА-1/3-{434.0, 670.2} 0,28 87,31

221 80,95 71 ВАЛОВОЙ СБОР САХАРНОЙ СВЕКЛЫ-2/3-{3047.7, 3794.0} 0,28 87,59

222 81,32 232 ПЛОЩАДЬ ПШЕНИЦЫ-1/3-{692.2, 966.0} 0,28 87,87

223 81,68 254 УРОЖАЙ РИСА-2/3-{34.0, 37.0} 0,28 88,14

224 82,05 11 ПОЛУЧЕНО ШЕРСТИ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ-2/3-{0.3, 0.7} 0,28 88,42

225 82,42 175 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. МЯСА ПТИЦЫ-1/3-{10.3, 11.2} 0,28 88,69

226 82,78 206 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ОПЛАТЫ ТРУДА-2/3-{8.7, 9.9} 0,27 88,97

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ОПЛАТЫ ТРУДА-3/3-{9.8,

227 83,15 225 10.7} 0,27 89,24

228 83,52 115 РАСХОД КОРМОВ НА ОДНУ ГОЛОВУ УСЛОВНОГО СКОТА-1/3-{31.8, 32.8} 0,27 89,51

229 83,88 203 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ТОПЛИВА И ЭНЕРГИИ-2/3-{5.7, 7.8} 0,27 89,79

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ТОПЛ.И ЭНЕРГИИ-2/3-

230 84,25 221 {5.5, 7.2} 0,27 90,06

231 84,62 59 ВАЛОВОЙ СБОР ПШЕНИЦЫ-2/3-{3202.0, 4074.0} 0,27 90,33

232 84,98 230 УРОЖАЙ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-2/3-{30.8, 34.5} 0,27 90,60

233 85,35 41 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ВСЕГО ПО АПК-2/3-{89.0, 96.5} 0,27 90,87

234 85,71 25 ОБ.ПР.ПРОД. ВСЕГО ПО АПК-1/3-{683.5, 6771.0} 0,27 91,14

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) КОМПЛ.И ПОЛУФАБР.-

235 86,08 215 2/3-{0.5, 0.9} 0,27 91,40

236 86,45 58 ВАЛОВОЙ СБОР ПШЕНИЦЫ-1/3-{1962.0, 3202.0} 0,26 91,67

237 86,81 226 ПЛОЩАДЬ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-1/3-{1463.6, 1865.0} 0,26 91,93

238 87,18 176 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. МЯСА ПТИЦЫ-2/3-{11.2, 35.8} 0,26 92,20

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ОПЛАТЫ ТРУДА-2/3-{7.8,

239 87,55 224 9.8} 0,26 92,46

240 87,91 45 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПРОИЗВ.-3/3-{94.0, 123.0} 0,26 92,72

241 88,28 227 ПЛОЩАДЬ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ-2/3-{1865Д 1967.4} 0,26 92,98

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) МАТ.ЗАТРАТ-3/3-{77.1,

242 88,64 210 80.7} 0,26 93,24

243 89,01 236 УРОЖАЙ ПШЕНИЦЫ-2/3-{33.6, 38.7} 0,26 93,50

244 89,38 263 ПЛОЩАДЬ ПОДСОЛНЕЧНИКА-2/3-{369.0, 423.5} 0,25 93,75

245 89,74 47 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР.АПК, ПЕРЕРАБ.С/Х СЫРЬЕ-2/3-{89.0, 98.0} 0,25 94,00

246 90,11 50 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК-2/3-{88.0, 98.0} 0,25 94,25

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) КОМПЛ.И ПОЛУФАБР.-

247 90,48 214 1/3-{0.2, 0.5} 0,25 94,50

248 90,84 205 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ОПЛАТЫ ТРУДА-1/3-{7.0, 8.7} 0,25 94,75

249 91,21 195 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) СЫРЬЯ И МАТЕРИАЛОВ-3/3-{67.3, 70.3} 0,25 95,00

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) СЫРЬЯ И МАТ-ОВ-3/3-

250 91,58 213 {68.9, 72.6} 0,25 95,25

251 91,94 251 ПЛОЩАДЬ РИСА-2/3-{101.0, 110.8} 0,25 95,49

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) КОМПЛ.И ПОЛУФАБРИКАТОВ-1/3-{0.4,

252 92,31 196 0.8} 0,24 95,74

253 92,67 64 ВАЛОВОЙ СБОР КУКУРУЗЫ-1/3-{252.1, 349.0} 0,24 95,98

254 93,04 247 УРОЖАЙ КУКУРУЗЫ НА ЗЕРНО-1/3-{12.9, 16.4} 0,24 96,22

255 93,41 271 УРОЖАЙ СОИ-1/3-{5.4, 8.7} 0,24 96,46

256 93,77 143 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. САХАРА-ПЕСКА (%)-2/3-{85.0, 92.0} 0,24 96,70

ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК-3/3-{95.0,

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

257 94,14 54 126.0} 0,23 96,94

ЧИСЛО ПРЕДПР.АПК, СОСТ.НА БАЛАНСЕ С\Х И ДР. НЕПРОМЫШЛ.ПРЕДПР.-3/3-

258 94,51 129 {2611.0, 3028.0} 0,23 97,17

259 94,87 244 ПЛОЩАДЬ КУКУРУЗЫ НА ЗЕРНО-1/3-{190.6, 209.9} 0,22 97,39

260 95,24 44 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПРОИЗВ.-2/3-{84.0, 94.0} 0,22 97,62

261 95,60 62 ВАЛОВОЙ СБОР ЯЧМЕНЯ-2/3-{806.0, 1321.0} 0,22 97,84

262 95,97 242 УРОЖАЙ ЯЧМЕНЯ-2/3-{34.2, 41.7} 0,22 98,06

263 96,34 245 ПЛОЩАДЬ КУКУРУЗЫ НА ЗЕРНО-2/3-{209.9, 219.9} 0,22 98,27

264 96,70 246 ПЛОЩАДЬ КУКУРУЗЫ НА ЗЕРНО-3/3-{219.9, 297.0} 0,21 98,48

265 97,07 73 ВАЛОВОЙ СБОР ПОДСОЛНЕЧНИКА-1/3-{326.0, 579.0} 0,21 98,69

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) РАБОТ И УСЛУГ-2/3-{1.7,

266 97,44 218 2.0} 0,20 98,89

267 97,80 191 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) МАТЕРИАЛЬНЫХ ЗАТРАТ-2/3-{73.1, 77.0} 0,20 99,09

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) КОМПЛ.И ПОЛУФАБРИКАТОВ-3/3-{1.1,

268 98,17 198 2.9} 0,20 99,28

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) МАТ.ЗАТРАТ-2/3-{71.5,

269 98,53 209 77.1} 0,18 99,47

270 98,90 202 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ТОПЛИВА И ЭНЕРГИИ-1/3-{4.7, 5.7} 0,18 99,64

ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ТОПЛ.И ЭНЕРГИИ-1/3-

271 99,27 220 {4.5, 5.5} 0,18 99,82

272 99,63 200 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) РАБОТ И УСЛУГ-2/3-{2.1, 2.2} 0,18 100,00

273 100,00 110 СРЕДНИЙ НАСТРИГ ШЕРСТИ ОТ ОДНОЙ ОВЦЫ-2/3-{3Д 3.0} 0,00 100,00

Из таблицы 3 видно, что общее производство продукции АПК и цены на нее детерминированы (обусловлены) объемами и направленностью инвестиций в АПК примерно в два раза сильнее, чем урожай различных культур и использование среднегодовой мощности предприятий АПК.

Степень детерминированности классификационных шкал значениями инвестиционных факторов является средним от степени детерминированности их градаций, т.е. классов, соответствующих будущим результатам деятельности АПК. По сути степень детерминированности классификационных шкал - это степень управляемости соответствующими результатами деятельности АПК с путем использования объемов и направленности инвестиций в АПК в качестве управляющих факторов.

На рисунке 25 приведены наименования и расположение MS Excel таблиц с информацией о степени детерминированности классификационных шкал различными значениями факторов.

Сообщение об успешном завершении операции ■

1 ф 1 Результаты расчета значимости классификационным шкал содержатся в базам данных статистических и интеллектуальных моделей: "ZCS_Abs.xls", 'ZCS_Prc1.xls", "ZCS_Prc2.xls",1 ZCS_lnf1.xls", 'ZCS_lnf2.xls", 'ZCS_lnf3.xls",'ZCS_lnf4.xls", "ZCS_lnf5.xls", 'ZCS_lnf6.xls", 'ZCS_lnf7.xls" в папке текущего приложения: C:\AIDOS-X\AID_DATA\AOOOOOOnSYSTEMV

Эти базы данных открываются в MS Excel и подготовлены для печати и получения графиков.

Значимость классификационной шкалы является средним значимостей ее градаций, т.е. классов.

Значимость градации классификационной шкалы, т.е. класса, представляет собой вариабельность количества информации в во всех признаках модели о принадлежности или не принадлежности объекта с этим признаками к данному классу. Значимость градации классификационной шкалы (класса) - это степень детерминированности этого класса (см.режим 3.7.3].

Ok

Рисунок 24. Наименования и расположение MS Excel таблиц с информацией степени детерминированности классификационных шкал

различными значениями факторов

В таблице 4 приведена степень детерминированности классификационных шкал в системно-когнитивной модели INF3.

Таблица 4 - Степень детерминированности классификационных шкал в системно-когнитивной модели ГЫБЗ

№ №% Код Наименование Детерминир ованность, % Детерминир ованность нараст.итого м, %

1 1,10 32 ПОГОЛОВЬЕ КОРОВ 1,44 1,44

2 2,20 34 ПОГОЛОВЬЕ ОВЕЦ 1,44 2,88

3 3,30 11 ОБ.ПР.ПРОД. ПО ОТРАСЛЯМ АПК, ПЕРЕРАБ.С/Х СЫРЬЕ 1,42 4,30

4 4,40 12 ОБ.ПР.ПРОД. ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК 1,42 5,72

5 5,49 13 ОБ.ПР.ПРОД. ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК 1,42 7,13

6 6,59 27 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКИМИ ХОЗЯЙСТВАМИ ВСЕХ КАТЕГОРИЙ 1,42 8,55

7 7,69 28 ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫМИ ПРЕДПРИЯТИЯМИ 1,42 9,97

8 8,79 29 ПРОИЗВОДСТВО ПРОДУКЦИИ ХОЗЯЙСТВАМИ НАСЕЛЕНИЯ 1,42 11,38

9 9,89 30 ПРОИЗВОДСТВО ПРОДУКЦИИ КРЕСТЬЯНСКИМИ (ФЕРМЕРСКИМИ) ХОЗЯЙСТВАМИ 1,42 12,80

10 10,99 53 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. КРУПНОГО РОГАТОГО СКОТА 1,42 14,22

11 12,09 54 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. СВИНЕЙ 1,42 15,64

12 13,19 55 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. ПТИЦЫ 1,42 17,05

13 14,29 56 ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. МОЛОКА И МОЛОЧНЫХ ПРОДУКТОВ 1,42 18,47

14 15,38 57 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. ГОВЯДИНЫ 1,42 19,89

15 16,48 58 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. СВИНИНЫ 1,42 21,30

16 17,58 60 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА ГОВЯДИНУ 1,42 22,72

17 18,68 61 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА СВИНИНУ 1,42 24,14

18 19,78 62 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА КУРЫ 1,42 25,55

19 20,88 63 ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА МОЛОКО ЦЕЛЬНОЕ 1,42 26,97

20 21,98 4 ПОЛУЧЕНО ШЕРСТИ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ 1,29 28,26

21 23,08 31 ПОГОЛОВЬЕ КРУПНОГО РОГАТОГО СКОТА (КРС) 1,28 29,53

22 24,18 2 ПОЛУЧЕНО МОЛОКА ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ 1,26 30,79

23 25,27 5 ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ 1,26 32,06

24 26,37 6 ПОЛУЧЕНО МОЛОКА ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ 1,26 33,32

25 27,47 45 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МЯСА (%) 1,26 34,58

26 28,57 47 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ЦЕЛЬНО МОЛОЧ.ПРОД. (%) 1,24 35,82

27 29,67 86 ПЛОЩАДЬ САХАРНОЙ СВЕКЛЫ 1,24 37,07

28 30,77 46 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МАСЛА ЖИВОТНОГО (%) 1,22 38,29

29 31,87 38 СРЕДНЯЯ ЯЙЦЕНОСКОСТЬ ОДНОЙ КУРИЦЫ-НЕСУШКИ 1,21 39,51

30 32,97 50 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. ВИНА ВИНОГРАДНОГО (%) 1,19 40,70

31 34,07 3 ПОЛУЧЕНО ЯИЦ ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ 1,19 41,89

32 35,16 7 ПОЛУЧЕНО ЯИЦ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ 1,19 43,08

33 36,26 8 ПОЛУЧЕНО ШЕРСТИ ПО СЕЛЬХОЗПРЕДПРИЯТИЯМ 1,19 44,27

34 37,36 52 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОМБИКОРМОВ (%) 1,19 45,45

35 38,46 36 СРЕДНИЙ УДОЙ МОЛОКА ОТ ОДНОЙ КОРОВЫ 1,17 46,62

36 39,56 35 ПОГОЛОВЬЕ ПТИЦЫ 1,16 47,79

37 40,66 33 ПОГОЛОВЬЕ СВИНЕЙ 1,14 48,93

38 41,76 49 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. КОНС.ПЛОДООВОЩНЫХ (%) 1,13 50,06

39 42,86 77 УРОЖАЙ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ 1,12 51,18

40 43,96 89 УРОЖАЙ ПОДСОЛНЕЧНИКА 1,11 52,29

41 45,05 23 ВАЛОВОЙ СБОР РИСА 1,11 53,40

42 46,15 1 ВЫРАЩЕНО МЯСА (РЕАЛИЗАЦИЯ) ПО ВСЕМ КАТЕГОРИЯМ ХОЗЯЙСТВ 1,11 54,50

43 47,25 87 УРОЖАЙ САХАРНОЙ СВЕКЛЫ 1,10 55,61

44 48,35 79 УРОЖАЙ ПШЕНИЦЫ 1,07 56,68

45 49,45 40 РАСХОД КОНЦЕНТРИРОВАННЫХ КОРМОВ НА 1 ГОЛОВУ УСЛОВНОГО СКОТА 1,07 57,75

46 50,55 26 ВАЛОВОЙ СБОР СОИ 1,06 58,81

47 51,65 85 УРОЖАЙ РИСА 1,05 59,86

48 52,75 10 ОБ.ПР.ПРОД. ПО ОТР., ОБЕСП.АПК СР ЕДСТ. П РОИЗВОДСТВА 1,03 60,89

49 53,85 16 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР.АПК, ПЕРЕРАБ.С/Х СЫРЬЕ 1,02 61,92

50 54,95 17 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК 1,02 62,94

51 56,04 14 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ВСЕГО ПО АПК 1,02 63,96

52 57,14 9 ОБ.ПР.ПРОД. ВСЕГО ПО АПК 1,02 64,98

53 58,24 88 ПЛОЩАДЬ ПОДСОЛНЕЧНИКА 1,02 66,00

54 59,34 42 ЧИСЛО ПРЕДПР.АПК, КРУПНЫЕ И СРЕДНИЕ ПРЕДПРИЯТИЯ 1,01 67,01

55 60,44 19 ВАЛОВОЙ СБОР ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ 1,01 68,02

56 61,54 91 УРОЖАЙ СОИ 1,00 69,02

57 62,64 43 ЧИСЛО ПРЕДПР.АПК, СОСТ.НА БАЛАНСЕ С\Х И ДР. НЕПРОМЫШЛ.ПРЕДПР. 1,00 70,02

58 63,74 21 ВАЛОВОЙ СБОР ЯЧМЕНЯ 1,00 71,02

59 64,84 81 УРОЖАЙ ЯЧМЕНЯ 1,00 72,01

60 65,93 51 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. МУКИ (%) 0,99 73,01

61 67,03 41 ЧИСЛО ПРЕДПР.АПК, ПРОМЫШЛЕННОСТЬ - ВСЕГО 0,99 74,00

62 68,13 80 ПЛОЩАДЬ ЯЧМЕНЯ 0,98 74,98

63 69,23 24 ВАЛОВОЙ СБОР САХАРНОЙ СВЕКЛЫ 0,97 75,96

64 70,33 90 ПЛОЩАДЬ СОИ 0,96 76,92

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

65 71,43 78 ПЛОЩАДЬ ПШЕНИЦЫ 0,95 77,87

66 72,53 65 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) СЫРЬЯ И МАТЕРИАЛОВ 0,94 78,81

67 73,63 71 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) СЫРЬЯ И МАТ-ОВ 0,94 79,75

68 74,73 44 ЧИСЛО ПРЕДПР.АПК, МАЛЫЕ ПРЕДПРИЯТИЯ 0,94 80,69

69 75,82 48 ИСП.СРЕДНЕГОД.МОЩН.ПРЕДПР.АПК ПО ВЫП. САХАРА-ПЕСКА (%) 0,91 81,60

70 76,92 18 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК 0,91 82,51

71 78,02 84 ПЛОЩАДЬ РИСА 0,90 83,41

72 79,12 22 ВАЛОВОЙ СБОР КУКУРУЗЫ 0,90 84,31

73 80,22 83 УРОЖАЙ КУКУРУЗЫ НА ЗЕРНО 0,90 85,21

74 81,32 39 РАСХОД КОРМОВ НА ОДНУ ГОЛОВУ УСЛОВНОГО СКОТА 0,89 86,11

75 82,42 73 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) РАБОТ И УСЛУГ 0,88 86,99

76 83,52 67 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) РАБОТ И УСЛУГ 0,87 87,86

77 84,62 75 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ОПЛАТЫ ТРУДА 0,86 88,72

78 85,71 59 ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. МЯСА ПТИЦЫ 0,85 89,57

79 86,81 37 СРЕДНИЙ НАСТРИГ ШЕРСТИ ОТ ОДНОЙ ОВЦЫ 0,85 90,42

80 87,91 69 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ОПЛАТЫ ТРУДА 0,84 91,26

81 89,01 20 ВАЛОВОЙ СБОР ПШЕНИЦЫ 0,84 92,11

82 90,11 76 ПЛОЩАДЬ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ 0,84 92,95

83 91,21 64 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) МАТЕРИАЛЬНЫХ ЗАТРАТ 0,84 93,79

84 92,31 72 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) КОМПЛ.И ПОЛУФАБР. 0,83 94,62

85 93,41 68 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ТОПЛИВА И ЭНЕРГИИ 0,82 95,44

86 94,51 74 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ТОПЛ.И ЭНЕРГИИ 0,82 96,25

87 95,60 25 ВАЛОВОЙ СБОР ПОДСОЛНЕЧНИКА 0,81 97,07

88 96,70 15 ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПРОИЗВ. 0,79 97,86

89 97,80 70 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) МАТ.ЗАТРАТ 0,77 98,62

90 98,90 66 ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) КОМПЛ.И ПОЛУФАБРИКАТОВ 0,73 99,35

91 100,00 82 ПЛОЩАДЬ КУКУРУЗЫ НА ЗЕРНО 0,65 100,00

Из таблицы 4 видно, что в адаптивной интеллектуальной системе управления результатами деятельности АПК с путем использования в качестве управляющих факторов объемов и направленности инвестиций наиболее управляемые результаты имеют степень управляемости более чем в два раза выше, чем наименее управляемые.

К наиболее управляемым с помощью инвестиций (наиболее чувствительным к ним) относятся следующие направления деятельности АПК:

- ПОГОЛОВЬЕ КОРОВ

- ПОГОЛОВЬЕ ОВЕЦ

- ОБ.ПР.ПРОД. ПО ОТРАСЛЯМ АПК, ПЕРЕРАБ.С/Х СЫРЬЕ

- ОБ.ПР.ПРОД. ПО ПИЩЕВЫМ ПРЕДПРИЯТИЯМ АПК

- ОБ.ПР.ПРОД. ПО МУК.-КРУП.И КОМБИКОРМ.ПРЕДПР.АПК

- ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКИМИ ХОЗЯЙСТВАМИ ВСЕХ КАТЕГОРИЙ

- ПРОИЗВОДСТВО ПРОДУКЦИИ СЕЛЬСКОХОЗЯЙСТВЕННЫМИ ПРЕДПРИЯТИЯМИ

- ПРОИЗВОДСТВО ПРОДУКЦИИ ХОЗЯЙСТВАМИ НАСЕЛЕНИЯ

- ПРОИЗВОДСТВО ПРОДУКЦИИ КРЕСТЬЯНСКИМИ (ФЕРМЕРСКИМИ) ХОЗЯЙСТВАМИ

- ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. КРУПНОГО РОГАТОГО СКОТА

- ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. СВИНЕЙ

- ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. ПТИЦЫ

- ЦЕНЫ РЕАЛ.С/Х ПРЕДПР. МОЛОКА И МОЛОЧНЫХ ПРОДУКТОВ

- ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. ГОВЯДИНЫ

- ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. СВИНИНЫ

- ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА ГОВЯДИНУ

- ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА СВИНИНУ

- ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА КУРЫ

- ПОТРЕБИТЕЛЬСКИЕ ЦЕНЫ В ТОРГОВЛЕ НА МОЛОКО ЦЕЛЬНОЕ

К наименее управляемым с помощью инвестиций (наименее чувствительным к ним) относятся следующие направления деятельности АПК:

- РАСХОД КОРМОВ НА ОДНУ ГОЛОВУ УСЛОВНОГО СКОТА

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) РАБОТ И УСЛУГ

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) РАБОТ И УСЛУГ

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ОПЛАТЫ ТРУДА

- ЦЕНЫ РЕАЛ.ПЕРЕРАБ.ПРЕДПР. МЯСА ПТИЦЫ

- СРЕДНИЙ НАСТРИГ ШЕРСТИ ОТ ОДНОЙ ОВЦЫ

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ОПЛАТЫ ТРУДА

- ВАЛОВОЙ СБОР ПШЕНИЦЫ

- ПЛОЩАДЬ ЗЕРНОВЫХ И ЗЕРНОБОБОВЫХ

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) МАТЕРИАЛЬНЫХ ЗАТРАТ

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) КОМПЛ.И ПОЛУФАБР.

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) ТОПЛИВА И ЭНЕРГИИ

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) ТОПЛ.И ЭНЕРГИИ

- ВАЛОВОЙ СБОР ПОДСОЛНЕЧНИКА

- ОБ.ПР.ПРОД. В % К ПР.ГОДУ, ПО ОТР., ОБЕСП.АПК СРЕДСТ.ПРОИЗВ.

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПЕРЕРАБ.(ПИЩ) ПРЕДПР.АПК (%) МАТ.ЗАТРАТ

- ДОЛЯ В СЕБЕСТ.ПРОД.ПО ПРЕДПР. АПК (%) КОМПЛ.И ПОЛУФАБРИКАТОВ

- ПЛОЩАДЬ КУКУРУЗЫ НА ЗЕРНО

Заключение

По результатам данной работы можно обоснованно сделать вывод о том, что при исследовании влияния инвестиций на результаты деятельности АПК возникает ряд задач, решение которых представляет собой этапы автоматизированного системно-когнитивного анализа (АСК-анализ) (Луценко, 2002).

Задача 1: Когнитивная структуризация предметной области.

Задача 2: Формализация предметной области (разработка классификационных и описательных шкал и градаций и обучающей выборки).

Задача 3: Синтез и верификация статистических и системно-когнитивных моделей.

Задача 4: Решение задачи идентификации (распознавания, классификации, диагностики) и прогнозирования.

Задача 5: Решение задач принятия решений, т.е. управления (достижения целей).

Задача 6: Решение задачи исследования объекта моделирования путем исследования его модели.

Ряд этих задач решены в предыдущих работах авторов [1-4]. В данной работе на реальном численном успешно примере решены задачи разработки пользовательского алгоритма и исследования влияния инвестиций на результаты деятельности АПК с применением этого алгоритма.

Литература

1. 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. http://elibrary.ru/item.asp?id=18632909

2. Луценко Е.В. Информационно-когнитивная технология исследования влияния инвестиций на результаты деятельности АПК (когнитивная структуризация предметной области) / Е.В. Луценко, В.Н. Лаптев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2020. -№09(163). С. 303 - 318. - IDA [article ID]: 1632009026. - Режим доступа: http://ej.kubagro.ru/2020/09/pdf/26.pdf, 1 у.п.л.

3. Луценко Е.В. Информационно-когнитивная технология исследования влияния инвестиций на результаты деятельности АПК (формализация предметной области) / Е.В. Луценко, В.Н. Лаптев // Политематический сетевой электронный научный журнал

Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2020. - №10(164). С. 128 - 140. - IDA [article ID]: 1642010009. - Режим доступа: http://ei.kubagro.ru/2020/10/pdf/09.pdf, 0,812 у.п.л.

4. Луценко Е.В. Синтез и верификации статистических и системно-когнитивных моделей влияния инвестиций на результаты деятельности АПК / Луценко Е.В., Лаптев В.Н. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2021. - №04(168). - Режим доступа: http://ei.kubagro.ru/2021/04/pdf/09.pdf, 1,188 у.п.л. - IDA [article ID]: 1682104009. http://dx.doi.org/10.21515/1990-4665-168-009

5. Луценко Е.В. Инвариантное относительно объемов данных нечеткое мультиклассовое обобщение F-меры достоверности моделей Ван Ризбергена в АСК-анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2017. - №02(126). С. 1

- 32. - IDA [article ID]: 1261702001. - Режим доступа: http://ei.kubagro.ru/2017/02/pdf/01.pdf, 2 у.п.л.

6. 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(071). С. 528 - 576. - Шифр Информрегистра: 0421100012\0253, IDA [article ID]: 0711107040. -Режим доступа: http://ei.kubagro.ru/2011/07/pdf/40.pdf, 3,062 у.п.л.

7. Луценко Е.В. Количественный автоматизированный SWOT- и PEST-анализ средствами АСК-анализа и интеллектуальной системы «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №07(101). С. 1367 - 1409. - IDA [article ID]: 1011407090. - Режим доступа: http://ei.kubagro.ru/2014/07/pdf/90.pdf, 2,688 у.п.л.

8. Луценко Е. В. Универсальный информационный вариационный принцип развития систем / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №07(041). С. 117 - 193. -Шифр Информрегистра: 0420800012091, IDA [article ID]: 0410807010. - Режим доступа: http://ei.kubagro.ru/2008/07/pdf/10.pdf, 4,812 у.п.л.

9. Луценко Е.В. Системное обобщение принципа Эшби и повышение уровня системности модели объекта познания как необходимое условие адекватности процесса его познания / Е. В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2020. - №09(163). С. 100 - 134.

- IDA [article ID]: 1632009009. - Режим доступа: http://ei.kubagro.ru/2020/09/pdf/09.pdf, 2,188 у.п.л.

10. Луценко Е.В. Эффективность объекта управления как его эмерджентное свойство и повышение уровня системности как цель управления / Луценко Е. В. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2021. - №01(165). - Режим доступа:

http://ej.kubagro.ru/2021/01/pdf/09.pdf, 1,313 у.п.л. - IDA [article ID]: 1652101009. http://dx.doi.org/10.21515/1990-4665-165-009

11. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л.

12. Луценко Е.В. Развитый алгоритм принятия решений в интеллектуальных системах управления на основе АСК-анализа и системы «Эйдос» / Е.В. Луценко, Е.К. Печурина, А.Э. Сергеев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2020. - №06(160). С. 95 - 114. - IDA [article ID]: 1602006009. - Режим доступа: http://ej.kubagro.ru/2020/06/pdf/09.pdf, 1,25 у.п.л.

13. Луценко Е.В., Подсистема агломеративной когнитивной кластеризации классов системы «Эйдос» ("Эйдос-кластер"). Пат. № 2012610135 РФ. Заяв. № 2011617962 РФ 26.10.2011. Опубл. От 10.01.2012. - Режим доступа: http://lc.kubagro.ru/aidos/2012610135.jpg, 3,125 у.п.л.

14. Луценко Е.В. Системная теория информации и нелокальные интерпретируемые нейронные сети прямого счета / Е. В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2003. - №01(001). С. 79 - 91. - IDA [article ID]: 0010301011. - Режим доступа: http://ej.kubagro.ru/2003/01/pdf/11 .pdf, 0,812 у.п.л.

15. Луценко Е.В. Метод визуализации когнитивных функций - новый инструмент исследования 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(067). С. 240 - 282. - Шифр Информрегистра: 0421100012\0077, IDA [article ID]: 0671103018. - Режим доступа: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688 у.п.л.

16. Работы проф.Е.В.Луценко & C° по когнитивным функциям. http://lc.kubagro.ru/aidos/Works on cognitive functions.htm

17. Луценко Е.В. Сценарный АСК-анализ как метод разработки на основе эмпирических данных базисных функций и весовых коэффициентов для разложения в ряд функции состояния объекта или ситуации по теореме А.Н.Колмогорова (1957) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2020. - №07(161). С. 76 - 120. - IDA [article ID]: 1612007009. - Режим доступа: http://ej.kubagro.ru/2020/07/pdf/09.pdf, 2,812 у.п.л.

18. Луценко Е.В. Детальный численный пример сценарного Автоматизированного системно-когнитивного анализа в интеллектуальной системе "Эйдос" / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2020. - №08(162). С. 273 - 355. - IDA [article ID]: 1622008020. - Режим доступа: http://ej.kubagro.ru/2020/08/pdf/20.pdf, 5,188 у.п.л.

19. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-594672-757-0. http://elibrary.ru/item.asp?id=21358220

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

20. Луценко Е.В. Моделирование сложных многофакторных нелинейных объектов управления на основе фрагментированных зашумленных эмпирических данных большой размерности в системно-когнитивном анализе и интеллектуальной системе «Эйдос-Х++» / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. -№07(091). С. 164 - 188. - IDA [article ID]: 0911307012. - Режим доступа: http://ej.kubagro.ru/2013/07/pdf/12.pdf, 1,562 у.п.л.

21. Луценко Е.В. Агломеративная когнитивная кластеризация нозологических образов в ветеринарии / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2018. - №04(138). С. 122 - 139. - IDA [article ID]: 1381804033, doi: 10.21515/1990-4665-138-033. - Режим доступа: http://ej .kubagro.ru/2018/04/pdf/3 3.pdf, 1,125 у.п.л.

22. Автоматизированный системно-когнитивный анализ силы и направления влияния морфологических свойств помидоров на количественные, качественные и финансово-экономические результаты их выращивания и степень детерминированности этих результатов в условиях неотапливаемых теплиц Юга России / Е.В. Луценко, Р.А. Гиш, Е.К. Печурина, С.С. Цыгикало // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2019. - №06(150). С. 92 - 142. - IDA [article ID]: 1501906015, doi: 10.21515/1990-4665-150-015. - Режим доступа: http://ej.kubagro.ru/2019/06/pdf/15.pdf,

з,188 у.п.л.

References

1. Lucenko E.V. Avtomatizirovanny'j sistemno-kognitivny'j analiz v upravlenii aktivny'mi ob^ektami (sistemnaya teoriya informacii i ee primenenie v issledovanii ekonomicheskix, socialno-psixologicheskix, texnologicheskix i organizacionno-texnicheskix sistem): Monografiya (nauchnoe izdanie). - Krasnodar: KubGAU. 2002. - 605 s. http://elibrary.ru/item.asp?id=18632909

2. Lucenko E.V. Informacionno-kognitivnaya texnologiya issledovaniya vliyaniya investicij na rezuftaty' deyateFnosti APK (kognitivnaya strukturizaciya predmetnoj oblasti) / E.V. Lucenko, V.N. Laptev // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronnyj resurs]. - Krasnodar: KubGAU, 2020. - №09(163). S. 303 - 318. - IDA [article ID]: 1632009026. - Rezhim dostupa: http://ej.kubagro.ru/2020/09/pdf/26.pdf, 1 u.p.l.

3. Lucenko E.V. Informacionno-kognitivnaya texnologiya issledovaniya vliyaniya investicij na rezuftaty' deyateFnosti APK (formalizaciya predmetnoj oblasti) / E.V. Lucenko, V.N. Laptev // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronnyj resurs]. - Krasnodar: KubGAU, 2020. - №10(164). S. 128 - 140. - IDA [article ID]: 1642010009. - Rezhim dostupa: http://ej.kubagro.ru/2020/10/pdf/09.pdf, 0,812

и.p.l.

4. Lucenko E.V. Sintez i verifikacii statisticheskix i sistemno-kognitivny'x modelej vliyaniya investicij na rezuftaty' deyateFnosti APK / Lucenko E.V., Laptev V.N. // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo

agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2021. - №04(168). - Rezhim dostupa: http://ej.kubagro.ru/2021/04/pdf/09.pdf, 1,188 u.p.l. - IDA [article ID]: 1682104009. http://dx.doi.org/10.21515/1990-4665-168-009

5. Lucenko E.V. Invariantnoe otnositel'no ob'emov danny'x nechetkoe mul'tiklassovoe obobshhenie F-mery' dostovernosti modelej Van Rizbergena v ASK-analize i sisteme «E'jdos» / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2017. - №02(126). S. 1 - 32. - IDA [article ID]: 1261702001. - Rezhim dostupa: http://ej.kubagro.ru/2017/02/pdf/01.pdf, 2 u.p.l.

6. Lucenko E.V. Metod kognitivnoj klasterizacii ili klasterizaciya na osnove znanij (klasterizaciya v sistemno-kognitivnom analize i intellektual'noj sisteme «E'jdos») / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronnyj resurs]. - Krasnodar: KubGAU, 2011. - №07(071). S. 528 - 576. - Shifr Informregistra: 0421100012\0253, IDA [article ID]: 0711107040. - Rezhim dostupa: http://ej.kubagro.ru/2011/07/pdf/40.pdf, 3,062 u.p.l.

7. Lucenko E.V. Kolichestvenny'j avtomatizirovanny'j SWOT- i PEST-analiz sredstvami ASK-analiza i intellektual'noj sistemy' «E'jdos-X++» / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2014. - №07(101). S. 1367 - 1409. - IDA [article ID]: 1011407090. - Rezhim dostupa: http://ej.kubagro.ru/2014/07/pdf/90.pdf, 2,688 u.p.l.

8. Lucenko E.V. Universal'ny'j informacionny'j variacionny'j princip razvitiya sistem / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2008. - №07(041). S. 117 - 193. - Shifr Informregistra: 0420800012091, IDA [article ID]: 0410807010. - Rezhim dostupa: http://ej.kubagro.ru/2008/07/pdf/10.pdf, 4,812 u.p.l.

9. Lucenko E.V. Sistemnoe obobshhenie principa E'shbi i povy'shenie urovnya sistemnosti modeli ob''ekta poznaniya kak neobxodimoe uslovie adekvatnosti processa ego poznaniya / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2020. - №09(163). S. 100 - 134. - IDA [article ID]: 1632009009. - Rezhim dostupa: http://ej.kubagro.ru/2020/09/pdf/09.pdf, 2,188 u.p.l.

10. Lucenko E.V. E'ffektivnost' ob''ekta upravleniya kak ego e'merdzhentnoe svojstvo i povy'shenie urovnya sistemnosti kak cel' upravleniya / Lucenko E.V. // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2021. - №01(165). - Rezhim dostupa: http://ej.kubagro.ru/2021/01/pdf/09.pdf, 1,313 u.p.l. - IDA [article ID]: 1652101009. http://dx.doi.org/10.21515/1990-4665-165-009

11. Lucenko E.V. Metrizaciya izmeritel'ny'x shkal razlichny'x tipov i sovmestnaya sopostavimaya kolichestvennaya obrabotka raznorodny'x faktorov v sistemno-kognitivnom analize i sisteme «E'jdos» / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2013. -№08(092). S. 859 - 883. - IDA [article ID]: 0921308058. - Rezhim dostupa: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 u.p.l.

12. Lucenko E.V. Razvity'j algoritm prinyatiya reshenij v intellektual'ny'x sistemax upravleniya na osnove ASK-analiza i sistemy' «E'jdos» / E.V. Lucenko, E.K.

Pechurina, A.E\ Sergeev // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronny'j resurs]. - Krasnodar: KubGAU, 2020. - №06(160). S. 95 - 114. - IDA [article ID]: 1602006009. - Rezhim dostupa: http://ej.kubagro.ru/2020/06/pdf/09.pdf, 1,25 u.p.l.

13. Lucenko E.V., Podsistema aglomerativnoj kognitivnoj klasterizacii klassov sistemy «E'jdos» ("E'jdos-klaster"). Pat. № 2012610135 RF. Zayav. № 2011617962 RF 26.10.2011. Opubl. Ot 10.01.2012. - Rezhim dostupa: http://lc.kubagro.ru/aidos/2012610135.jpg, 3,125 u.p.l.

14. Lucenko E.V. Sistemnaya teoriya informacii i nelokalny'e interpretiruemy'e nejronny'e seti pryamogo scheta / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronnyj resurs]. - Krasnodar: KubGAU, 2003. - №01(001). S. 79 - 91. -IDA [article ID]: 0010301011. - Rezhim dostupa: http://ej.kubagro.ru/2003/01/pdf/11.pdf, 0,812 u.p.l.

15. Lucenko E.V. Metod vizualizacii kognitivny'x funkcij - novy j instrument issledovaniya e'mpiricheskix danny'x bolshoj razmernosti / E.V. Lucenko, A.P. Trunev, D.K. Bandyk // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronny'j resurs]. - Krasnodar: KubGAU, 2011. - №03(067). S. 240 - 282. - Shifr Informregistra: 0421100012\0077, IDA [article ID]: 0671103018. - Rezhim dostupa: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688 u.p.l.

16. Raboty' prof.E.V.Lucenko & C° po kognitivny'm funkciyam. http ://lc. kub agro. ru/ai dos/W orks_on_cognitive_functi ons. htm

17. Lucenko E.V. Scenarny'j ASK-analiz kak metod razrabotki na osnove e'mpiricheskix danny'x bazisny'x funkcij i vesovy'x koe'fficientov dlya razlozheniya v ryad funkcii sostoyaniya ob^ekta ili situacii po teoreme A.N.Kolmogorova (1957) / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2020. - №07(161). S. 76 - 120. - IDA [article ID]: 1612007009. - Rezhim dostupa: http://ej.kubagro.ru/2020/07/pdf/09.pdf, 2,812 u.p.l.

18. Lucenko E.V. Detalny'j chislenny'j primer scenarnogo Avtomatizirovannogo sistemno-kognitivnogo analiza v intellektualnoj sisteme "Fjdos" / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronny'j resurs]. - Krasnodar: KubGAU, 2020. - №08(162). S. 273 - 355. - IDA [article ID]: 1622008020. - Rezhim dostupa: http://ej.kubagro.ru/2020/08/pdf/20.pdf, 5,188 u.p.l.

19. Orlov A.I., Lucenko E.V. Sistemnaya nechetkaya interval'naya matematika. Monografiya (nauchnoe izdanie). - Krasnodar, KubGAU. 2014. - 600 s. ISBN 978-5-94672757-0. http://elibrary.ru/item.asp?id=21358220

20. Lucenko E.V. Modelirovanie slozhny'x mnogofaktorny'x nelinejny'x ob^ektov upravleniya na osnove fragmentirovanny'x zashumlenny'x e'mpiricheskix danny'x bolshoj razmernosti v sistemno-kognitivnom analize i intellektualnoj sisteme «E,jdos-X++» / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [Flektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №07(091). S. 164 - 188. - IDA [article ID]: 0911307012. - Rezhim dostupa: http://ej.kubagro.ru/2013/07/pdf/12.pdf, 1,562 u.p.l.

21. Lucenko E.V. Aglomerativnaya kognitivnaya klasterizaciya nozologicheskix obrazov v veterinarii / E.V. Lucenko // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU)

[E'lektronny'j resurs]. - Krasnodar: KubGAU, 2018. - №04(138). S. 122 - 139. - IDA [article ID]: 1381804033, doi: 10.21515/1990-4665-138-033. - Rezhim dostupa: http://ej.kubagro.ru/2018/04/pdf/33.pdf, 1,125 u.p.l.

22. Avtomatizirovanny'j sistemno-kognitivny'j analiz sily' i napravleniya vliyaniya morfologicheskix svojstv pomidorov na kolichestvenny'e, kachestvenny'e i finansovo-e'konomicheskie rezul'taty' ix vy'rashhivaniya i stepen' determinirovannosti e'tix rezul'tatov v usloviyax neotaplivaemy'x teplicz Yuga Rossii / E.V. Lucenko, R.A. Gish, E.K. Pechurina, S.S. Cygikalo // Politematicheskij setevoj e'lektronny'j nauchny'j zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchny'j zhurnal KubGAU) [E'lektronny'j resurs]. - Krasnodar: KubGAU, 2019. - №06(150). S. 92 - 142. - IDA [article ID]: 1501906015, doi: 10.21515/1990-4665-150-015. - Rezhim dostupa: http://ej.kubagro.ru/2019/06/pdf/15.pdf, 3,188 u.p.l.

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Луценко Евгений Вениаминович, Лаптев Владимир Николаевич

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Луценко Евгений Вениаминович, Лаптев Владимир Николаевич

DEVELOPMENT OF A CUSTOM ALGORITHM AND STUDY OF THE IMPACT OF INVESTMENTS ON THE RESULTS OF THE AGRO-INDUSTRIAL COMPLEX

Текст научной работы на тему «РАЗРАБОТКА ПОЛЬЗОВАТЕЛЬСКОГО АЛГОРИТМА И ИССЛЕДОВАНИЕ ВЛИЯНИЯ ИНВЕСТИЦИЙ НА РЕЗУЛЬТАТЫ ДЕЯТЕЛЬНОСТИ АПК»