Интеллектуальные модели инвестиционного управления агропромышленным комплексом

Размещено на http://www.allbest.ru/

Кубанский государственный аграрный университет

УДК 303.732.4

Интеллектуальные модели инвестиционного управления агропромышленным комплексом

Луценко Евгений Вениаминович, д.э.н., к.т.н., профессор

Россия, 350044, Краснодар, Калинина, 13,

prof.lutsenko@gmail.com

Лойко Валерий Иванович, д.т.н., профессор, заслуженный деятель науки РФ

Россия, 350044, Краснодар, Калинина, 13, loyko@kubagro.ru

Барановская Татьяна Петровна, д.э.н., профессор

Россия, 350044, Краснодар, Калинина, 13

Аннотация

В статье рассмотрен системно-когнитивный подход к инвестиционному управлению АПК на уровне региона с целью повышения качества жизни. Показана возможность практического применения предложенного количественного интегрального критерия уровня качества жизни для идентификации лет исследуемого периода, а также получены функции влияния объемов и направленности инвестиций на значения интегрального критерия и частных критериев уровня качества жизни населения региона. Полученные результаты открывают возможности научного обоснования рекомендаций по структуре и объемам инвестиций, наиболее эффективно влияющих на повышение уровня качества жизни населения региона

Ключевые слова: СИСТЕМНЫЙ ПОДХОД, СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, МНОГООТРАСЛЕВАЯ КОРПОРАЦИЯ, ПРОГНОЗИРОВАНИЕ, СЕМАНТИЧЕСКАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ

Abstract

UDC 303.732.4

Intellectual models of investment management of agro-industrial complex

Lutsenko Eugeny Veniaminovich, Dr.Sci.Econ., Cand.Tech.Sci., professor

Kuban State Agrarian University, Krasnodar, Russia

Loiko Valery Ivanovich, Dr.Sci.Tech., professor, deserved scientist of the Russian Federation

Kuban State Agrarian University, Krasnodar, Russia

Baranovskaya Tatiana Petrovna, Dr.Sci.Econ., professor

Kuban State Agrarian University, Krasnodar, Russia

This article describes the system-cognitive approach to an investment management of agribusiness at the regional level in order to improve the quality of life. The possibility of the practical application of the proposed quantitative integral criterion of the quality of life for the identification year study period, and obtained influence functions volume and direction of investment in the value of the integral criterion and partial criteria of quality of life in the region is presented. The results open the possibility of scientific study recommendations on the structure and terms of investments, the most effective impact on improving the quality of life of the region

Keywords: SYSTEMIC APPROACH, SYSTEMIC-COGNITIVE ANALYSIS, SYSTEMS APPROACH, DIVERSIFIED CORPORATION, FORECASTING, SEMANTIC INFORMATION MODEL

1. Формальная постановка задачи и синтез многоуровневой семантической информационной модели влияния инвестиций на уровень качества жизни населения региона

1.1 Инструментарий представления и формализации исходной информации

Для выполнения этой задачи по нашей инициативе Краснодарским краевым комитетом статистики на основе программного инструментария, обоснованного в работе [1] и критериального инструментария, рекомендованного в [2], включающего 61 один показатель, характеризующий уровень качества жизни, было проведено статистическое исследование с целью получения информации за 1991 - 2003 годы по максимально-возможному количеству показателей.

После этого показатели, по которым не удалось получить данных, были отброшены, а оставшиеся были переименованы таким образом, чтобы их наименования были полными содержательными наименованиями классификационных и описательных шкал.

Результаты этой работы представлены в таблице 1.

Из этой таблицы видно, что из 61 рекомендованных в работе [1] показателей, данные удалось получить лишь по 17. Это связано с тем, что данная система показателей не стандартизирована и по ней не ведется систематического сбора и накопления статической информации.

Таблица 1 - Динамика предметной области (фрагмент)

На основе таблицы 1 были сконструированы следующие классификационные и описательные шкалы и градации (таблицы 2 и 3).

Таблица 2 - Классификационные шкалы и градации (будущие состояния объекта управления) (фрагмент)

Код	Наименование класса
1	ВРП на душу нас.в тек.ценах тыс.руб.,с 1998г.-руб.-ОЧЕНЬ НИЗКИЙ
2	ВРП на душу нас.в тек.ценах тыс.руб.,с 1998г.-руб.-НИЗКИЙ
3	ВРП на душу нас.в тек.ценах тыс.руб.,с 1998г.-руб.-СРЕДНИЙ
4	ВРП на душу нас.в тек.ценах тыс.руб.,с 1998г.-руб.-ВЫСОКИЙ
5	ВРП на душу нас.в тек.ценах тыс.руб.,с 1998г.-руб.-ОЧЕНЬ ВЫСОКИЙ
6	ВРП на душу нас.тыс.руб.,с 1998г.-руб.-ОЧЕНЬ НИЗКИЙ
7	ВРП на душу нас.тыс.руб.,с 1998г.-руб.-НИЗКИЙ
8	ВРП на душу нас.тыс.руб.,с 1998г.-руб.-СРЕДНИЙ
9	ВРП на душу нас.тыс.руб.,с 1998г.-руб.-ВЫСОКИЙ
10	ВРП на душу нас.тыс.руб.,с 1998г.-руб.-ОЧЕНЬ ВЫСОКИЙ
11	% ВРП,приходящийся на сферу обслужив.(рын.и нерын.)-ОЧЕНЬ НИЗКИЙ
12	% ВРП,приходящийся на сферу обслужив.(рын.и нерын.)-НИЗКИЙ
13	% ВРП,приходящийся на сферу обслужив.(рын.и нерын.)-СРЕДНИЙ
14	% ВРП,приходящийся на сферу обслужив.(рын.и нерын.)-ВЫСОКИЙ
15	% ВРП,приходящийся на сферу обслужив.(рын.и нерын.)-ОЧЕНЬ ВЫСОКИЙ
16	Доля доходов 20% населения с наивысшими доходами-ОЧЕНЬ НИЗКАЯ
17	Доля доходов 20% населения с наивысшими доходами-НИЗКАЯ
18	Доля доходов 20% населения с наивысшими доходами-СРЕДНЯЯ
19	Доля доходов 20% населения с наивысшими доходами-ВЫСОКАЯ
20	Доля доходов 20% населения с наивысшими доходами-ОЧЕНЬ ВЫСОКАЯ
21	Уровень инфляции (потребительских цен) (%)-ОЧЕНЬ НИЗКИЙ
22	Уровень инфляции (потребительских цен) (%)-НИЗКИЙ
23	Уровень инфляции (потребительских цен) (%)-СРЕДНИЙ
24	Уровень инфляции (потребительских цен) (%)-ВЫСОКИЙ
25	Уровень инфляции (потребительских цен) (%)-ОЧЕНЬ ВЫСОКИЙ
26	Уровень безработицы в % от экон.активного населения-ОЧЕНЬ НИЗКИЙ
27	Уровень безработицы в % от экон.активного населения-НИЗКИЙ
28	Уровень безработицы в % от экон.активного населения-СРЕДНИЙ
29	Уровень безработицы в % от экон.активного населения-ВЫСОКИЙ
30	Уровень безработицы в % от экон.активного населения-ОЧЕНЬ ВЫСОКИЙ
31	ВРП млрд.руб. с 1998г. млн.руб.-ОЧЕНЬ НИЗКИЙ
32	ВРП млрд.руб. с 1998г. млн.руб.-НИЗКИЙ
33	ВРП млрд.руб. с 1998г. млн.руб.-СРЕДНИЙ
34	ВРП млрд.руб. с 1998г. млн.руб.-ВЫСОКИЙ
35	ВРП млрд.руб. с 1998г. млн.руб.-ОЧЕНЬ ВЫСОКИЙ
36	Автодороги с твердым покрытием, всего км.-ОЧЕНЬ МАЛО
37	Автодороги с твердым покрытием, всего км.-МАЛО
38	Автодороги с твердым покрытием, всего км.-СРЕДНЕ
39	Автодороги с твердым покрытием, всего км.-МНОГО
40	Автодороги с твердым покрытием, всего км.-ОЧЕНЬ МНОГО

Таблица 3 - Описательные шкалы и коды градаций (фрагмент)

Код	Наименование описательной шкалы	Коды градаций
		1	2	3	4	5
1	Инвестиции в основной капитал - всего, млн.руб.	1	2	3	4	5
2	Инв. в осн.кап.по крупн. и средн.предпр. - всего, млн.руб.	6	7	8	9	10
3	Инв. в осн.кап.по крупн. и средн.предпр. - ПРОМЫШЛЕННОСТЬ, млн.руб.	11	12	13	14	15
4	Инв. в осн.кап.по крупн. и средн.предпр. - СЕЛЬСКОЕ ХОЗЯЙСТВО, млн.руб.	16	17	18	19	20
5	Инв. в осн.кап.по крупн. и средн.предпр. - ЛЕСНОЕ ХОЗЯЙСТВО, млн.руб.	21	22	23	24	25
6	Инв. в осн.кап.по крупн. и средн.предпр. - ТРАНСПОРТ, млн.руб.	26	27	28	29	30
7	Инв. в осн.кап.по крупн. и средн.предпр. - СВЯЗЬ, млн.руб.	31	32	33	34	35
8	Инв. в осн.кап.по крупн. и средн.предпр. - СТРОИТЕЛЬСТВО, млн.руб.	36	37	38	39	40
9	Инв. в осн.кап.по крупн. и средн.предпр. - ТОРГОВЛЯ И ОБЩЕСТВЕННОЕ ПИТАНИЕ, млн.руб.	41	42	43	44	45
10	Инв. в осн.кап.по крупн. и средн.предпр. - ПРОЧИЕ ПРОИЗВОДСТВЕННЫЕ ОТРАСЛИ, млн.руб.	46	47	48	49	50
11	Инв. в осн.кап.по крупн. и средн.предпр. - ЖИЛИЩНО-КОММУНАЛЬНОЕ ХОЗЯЙСТВО, млн.руб.	51	52	53	54	55
12	Инв. в осн.кап.по крупн. и средн.предпр. - ЗДРАВООХРАНЕНИЕ, ФИЗИЧЕСКАЯ КУЛЬТУРА И СОЦИАЛЬНОЕ ОБЕСП	56	57	58	59	60
13	Инв. в осн.кап.по крупн. и средн.предпр. - ОБРАЗОВАНИЕ, млн.руб.	61	62	63	64	65
14	Инв. в осн.кап.по крупн. и средн.предпр. - КУЛЬТУРА И ИСКУССТВО, млн.руб.	66	67	68	69	70
15	Инв. в осн.кап.по крупн. и средн.предпр. - НАУКА И НАУЧНОЕ ОБСЛУЖИВАНИЕ, млн.руб.	71	72	73	74	75
16	Инв. в осн.кап.по крупн. и средн.предпр. - ПРОЧИЕ НЕПРОИЗВОДСТВЕННЫЕ ОТРАСЛИ, млн.руб.	76	77	78	79	80
17	Инвестиции в основной капитал АПК по крупным и средним предприятиям - всего, млн.руб.	81	82	83	84	85
18	Выращено мяса (реализация) по всем категориям хозяйств	86	87	88	89	90
19	Получено молока по всем категориям хозяйств	91	92	93	94	95
20	Получено яиц по всем категориям хозяйств	96	97	98	99	100
21	Получено шерсти по всем категориям хозяйств	101	102	103	104	105
22	Выращено мяса (реализация) по сельхозпредприятиям	106	107	108	109	110
23	Получено молока по сельхозпредприятиям	111	112	113	114	115
24	Получено яиц по сельхозпредприятиям	116	117	118	119	120
25	Получено шерсти по сельхозпредприятиям	121	122	123	124	125
26	Объем производства продукции всего по АПК	126	127	128	129	130

1.2 Принципиальная многоуровневая модель управления качеством жизни на уровне региона

Классификационные и описательные шкалы и градации сконструированы в соответствии с методологией, предложенной в работе [1], с целью создания многоуровневой (иерархической) модели предметной области и соответствующей многослойной нейронной сети, принципиальная схема которой представлена на рисунке 1.

Рисунок 1. Принципиальная схема многоуровневой (иерархической) модели предметной области и соответствующей многослойной нейронной сети (показаны только связи между смежными уровнями)

Система формализации предметной области создавалась в универсальной когнитивной аналитической системе «Эйдос», которая представляет собой инструментарий системно-когнитивного анализа [1].

Отметим, что связи между объектами различных уровней выявляются поэтапно расчетным путем и с использованием экспертных оценок:

Этап 1-й: связи 1-го и 2-го уровней выявляются расчетным путем в результате синтеза «Модели-А» непосредственно на основе фактической (эмпирической) статистической информации;

Этап 2-й: связи 2-го и 4-го уровней выявляются на основе экспертных оценок, и, на основе этого, осуществляется пересинтез модели-А и формирование модели-Б;

Этап 3-й: связи 2-го и 3-го, а также 3-го и 4-го уровней, формируются с использованием модели-Б расчетным путем. При этом выявляются значения интегрального критерия уровня качества жизни для каждого года, а затем с использованием этой информации осуществляется пересинтез модели-Б и формирование модели-В, отражающей все уровни.

Рассмотрим по шагам какие работы выполнялись на каждом этапе.

Этап 1-й: выявление связей 1-го и 2-го уровней, синтез «Модели-А»

На 1-м шаге: в Excel был подготовлен файл с исходными данными, представленный в таблице 1. В строках с 1-й по N-ю этого файла содержится информация о классификационных шкалах и градациях, а в строках с N+1-й по последнюю - об описательных шкалах и градациях (в данном случае N=17). 1-й столбец этого файла должен быть типа: «Текстовый», «Числовой», «Дата» и содержит информацию о наименованиях шкал (в данном случае он текстовый). Для классов эти наименования должны быть не более 65 символов, а для признаков - не более 195. Столбцы со 2-го по последний содержат информацию об объектах обучающей выборки. Тип данных в этих столбцах - только числовой. Данный файл является транспонированным файлом стандарта профессора А.Н. Лебедева. Затем этот файл был записан из Excel с использованием его стандартных средств, в файл типа DBF 4 (dBASE IV) (*.dbf) с именем Inp12.dbf в текущую директорию системы «Эйдос».

На 2-м шаге:

В 5-м режиме 1-й подсистемы системы «Эйдос» был запущен программный интерфейс, обеспечивающий автоматический импорта данных из DBF-файла специального формата, сформированного на предыдущем этапе, в систему «Эйдос».

При этом система «Эйдос» автоматически находит минимальное и максимальное значения в каждой строке классов или признаков и формирует заданное в диалоге количество ОДИНАКОВЫХ интервалов (строки без чисел игнорируются). С использованием этой информации автоматически генерируются классификационные и описательные шкалы и градации, а также обучающая выборка. В обучающей выборке каждому столбцу DBF-файла исходных данных, начиная со второго, соответствует одна физическая анкета, содержащая столько логических анкет, сколько уникальных классов в диапазоне строк классов, и коды признаков, соответствующие попаданиям числовых значений в интервалы.

В результате:

- создан справочник классов - классификационных шкал и градаций (таблица 4.2) с кодами градаций от 1 до 85. Шкалы в этом справочнике представляют собой числовые показатели - частные критерии уровня качества жизни, по которым удалось получить реальные данные, а градации - интервальные значения этих частных критериев.

- создан справочник факторов - описательных шкал и градаций с кодами градаций от 1 до 540. Шкалы в этом справочнике являются числовыми показателями, характеризующими агропромышленный комплекс (АПК) Краснодарского края за период с 1991 по 2003 годы, а градации - интервальные значения этих факторов.

- сформирована обучающая выборка, в которой каждый год характеризуется принадлежностью к определенным классам и является примером того, что определенные, фактически имевшие место в этом году значения факторов обусловили соответствующие конкретные показатели уровня качества жизни.

На 3-м шаге: в 3-м режиме 2-й подсистемы системы «Эйдос» осуществлен синтез семантической информационной модели-А, отражающей причинно-следственные (каузальные) взаимосвязи между первичными факторами и частными критериями уровня качества жизни, отраженные на рисунке 2 в слоях 1 и 2.

Эта модель необходима для того, чтобы на последующих этапах на ее основе создать многоуровневую семантическую информационную модель детерминации качества жизни населения на уровне региона.

Этап 2-й: выявление связей 2-го и 4-го уровней, синтез «Модели-Б»

На 4-м шаге:

- в справочник классификационных шкал и градаций - классов (таблица 4.2) вручную добавлена шкала «Годы», градациями которой являются годы с 1991 по 2003 (коды с 86 по 98), а также шкала «Уровень качества жизни» с пятью градациями, соответствующими различным значениям интегрального критерия уровня качества жизни (коды с 99 по 103);

- в справочники описательных шкал и градаций автоматически во 2-м режиме 1-й подсистемы системы «Эйдос» добавлены шкалы с кодами от 109 до 125 и градации с кодами от 541 до 625, соответствующие частным критериям уровня качества жизни.

Необходимо отметить, что данный режим каждую добавленную градацию автоматически связывает с соответствующим ей классом. Эта необходимо для синтеза в последующем многоуровневой модели.

На 5-м шаге: был сконструирован интегральный критерий уровня качества жизни, который на основе частных критериев, добавленных в описательные шкалы и градации на предыдущем этапе. Рассмотрим эти частные критерии (таблица 4).

Таблица 4 - Интегральный критерий уровня качества жизни как функция от частных критериев (экспертные оценки) (фрагмент)

Размещено на http://www.allbest.ru/

Условные цветовые обозначения в таблице 4 (градации частных критериев, соответствующие значению интегрального критерия) соответствуют использованным на рисунке 2 и расшифрованы в таблице 5.

Таблица 5 - Расшифровка условных цветовых обозначений

Таблицы 4 и 5 получены путем обобщения экспертных оценок влияния значений (градаций) частных критериев на уровень качества жизни (голосованием). В экспертной группе участвовали 4 профессора: 1 доктор технических наук и 3 доктора экономических наук.

Из таблиц 5 и 6 вытекают следующие выражения для интервальных значений интегрального критерия I₉₉, I₁₀₀, I₁₀₁, I₁₀₂ (1- 5):

I99=H541+H546+H551+H560+H565+H570+H571+H576+H581+H590+H591+H600+H605+H610+H615+H616+H621	(1)
I100=H542+H547+H552+H559+H564+H569+H572+H577+H582+H589+H592+H599+H604+H609+H614+H617+H622	(2)
I101=H543+H548+H553+H558+H563+H568+H573+H578+H583+H588+H593+H598+H603+H608+H613+H618+H623	(3)
I102=H544+H549+H554+H557+H562+H567+H574+H579+H584+H587+H594+H597+H602+H607+H612+H619+H624	(4)
I103=H545+H550+H555+H556+H561+H566+H575+H580+H585+H586+H595+H596+H601+H606+H611+H620+H625	(5)

Будем считать, что все частные критерии H_j имеют одинаковый вес, равный 1. В последующем эти веса частных критериев будут рассчитаны в соответствии с семантической информационной моделью системно-когнитивного анализа [1].

На 6-м шаге: была скорректирована обучающая выборка:

- в анкеты обучающей выборки, в область классов были вручную добавлены коды, соответствующие годам с 1991 по 2003;

- добавлены 5 анкет обучающей выборки, соответствующие различным интервальным значениям (т.е. градациям) интегрального критерия уровня качества жизни, при этом в каждую анкету вручную введены соответствующие коды частных критериев;

- в каждую анкету, характеризующую уровень качества жизни, автоматически добавлены коды первичных факторов, положительно связанных с введенными частными критериями уровня качества жизни, путем нажатия клавиши F9 в 1-м режиме 2-й подсистемы системы «Эйдос», когда курсор в правом окне.

Наиболее интеллектуальным является алгоритм добавления кодов первичных факторов, связанных с частными критериями уровня качества жизни. Суть этого алгоритма состоит в том, что в анкету добавляются все коды признаков, которые положительно каузально влияют на осуществление введенных в анкету значений частных критериев уровня качества жизни. Это значит, что разработанные на основе экспертных оценок и приведенные в таблице 16 выражения для значений интегрального критерия через частные критерии дополняются первичными факторами, для которых на основе фактических данных установлено их положительное влияние на осуществление этих частных критериев.

На 7-м шаге: в 3-м режиме 2-й подсистемы системы «Эйдос» осуществлен синтез многоуровневой семантической информационной модели-Б, отражающей прямые и опосредованные причинно-следственные взаимосвязи между объектами различных уровней, классифицированные в таблице 6, кроме связей «Годы» - «Уровень качества жизни» (выделена серым фоном).

Таблица 6 - Виды каузальных связей между объектами различных уровней иерархической модели и источники информации для выявления этих связей

	Уровень качества жизни	Годы	Частные критерии уровня качества жизни
Годы	Связь 0-й степени опосредованности (режимы идентификации и кластерного анализа МСИМ)	---	---
Частные критерии уровня качества жизни	Связь 1-й степени опосредованности (экспертные оценки)	Связь 0-й степени опосредованности (статистические данные)	---
Первичные факторы	Связь 2-й степени опосредованности (статистические данные и экспертные оценки)	Связь 1-й степени опосредованности (статистические данные)	Связь 0-й степени опосредованности (статистические данные)

Здесь отражены каузальные взаимосвязи различной степени опосредованности, между объектами, принадлежащими различным уровням иерархической модели:

- 0-я степень опосредованности (непосредственные связи): первичными факторами и частными критериями уровня качества жизни, частными критериями и годами, годами и интервальными значениями интегрального критерия уровня качества жизни;

- 1-й степень опосредованности: частными критериями уровня качества жизни и интервальными значениями интегрального критерия уровня качества жизни, первичными факторами и годами;

- 2-й степень опосредованности: первичными факторами и интервальными значениями интегрального критерия уровня качества жизни.

Этап 3-й: связи 2-го и 3-го, 3-го и 4-го уровней, синтез «Модели-В»

На 8-м шаге: Связь: «Годы - Уровни качества жизни (интегральный критерий)» устанавливается в модели-Б не путем экспертных оценок, а в результате кластерно-конструктивного анализа в соответствующем режиме 5-й подсистемы системы «Эйдос». Результат работы этого режима отображен в графической форме семантической сети классов, которая приведена на рисунке 2 (показаны только отношения сходства).

Рисунок 2. Семантическая сеть классов, отражающая результаты идентификации лет в соответствии с интегральным критерием уровня качества жизни

На 9-м шаге: Эта информация о результатах применения интегрального критерия качества жизни к годам, полученная на основе сформированной модели предыдущего уровня расчетным путем, теперь вручную вносится в систему в качестве исходной для формирования модели более высокого уровня.

Специально для этого сначала во 2-м режиме 1-й подсистемы вручную вводится дополнительная описательная шкала и градации, соответствующие годам, за которые имеются статистические данные. При этом формируется описательная шкала с кодом 126 и с кодами градаций от 626 до 638.

Затем на основе семантической сети, представленной на рисунке 2, формируется таблица 7.

Таблица 7 - Кодирование результатов применения интегрального критерия уровня качества жизни к годам

№	Градация интегрального критерия уровня качества жизни	Год
	Наименование	Код	Наименование	Код
1	Очень низкий	99	1993	628
			1994	629
			1995	630
			1997	632
2	Низкий	100	1991	626
			1992	627
			1993	628
			1995	630
3	Средний	101	1994	629
			1995	630
			1996	631
			1997	632
4	Высокий	102	1996	631
			1997	632
			1998	633
5	Очень высокий	103	1999	634
			2000	635

С использованием этой таблицы в 1-м режиме 2-й подсистемы в обучающей выборке во все анкеты в окно признаков вводится информация о принадлежности их к годам:

- в анкеты с номерами с 1 по 13, соответствующие годам вносится информация об одном годе, за который в данной анкете содержаться данные;

- в анкеты с номерами с 14 по 18, соответствующие градациям (различным интервальным значениям) интегрального критерия уровня качества жизни вносится информация о всех годах по которым получена эта оценка уровня качества жизни.

На 10-м шаге: В 4-м режиме 2-й подсистемы осуществляется пересинтез модели-Б, в результате чего формируется многоуровневая семантическая информационная модель-В. Эту модель теперь необходимо исследовать, однако это не входит в задачу данной работы.

Необходимо отметить, что на всех этапах синтеза многоуровневой семантической информационной модели влияния инвестиций на уровень качества жизни населения региона использовались методология системно-когнитивного анализа и соответствующие режимы системы «Эйдос», специально предназначенные для решения подобных задач и автоматизирующие соответствующие функции по обработке информации.

1.3 Планирование исследования модели

1.3.1 Задача раздела и соотношение понятий: «Исследование модели» и «Исследование предметной области»

Задача раздела

Поэтому мы не будем останавливаться на вопросах, рассмотренных в вышеупомянутых работах, и основную задачу данного раздела видим в исследовании семантической информационной модели управления качеством жизни населения на уровне региона (на примере Краснодарского края).

Но здесь возникают весьма существенные вопросы:

1. Что понимается нами под исследованием модели?

2. При каких условиях исследование предметной области можно заменить исследованием ее модели?

Содержание понятия «Исследование модели».

Система «Эйдос» предоставляет в распоряжение аналитика развитие средства исследования (анализа) многоуровневой семантической информационной модели (МСИМ) предметной области: более 100 различных текстовых и графических выходных форм (графических - больше половины), каждая из которых может генерироваться и отображаться в разнообразных вариантах, зависящих от ряда параметров, задаваемых пользователем. Этим самым система «Эйдос» предоставляет возможность исследования многоуровневой семантической информационной модели.

Однако необходимо особо подчеркнуть, что осмысление, т.е. содержательная профессиональная интерпретация полученных выходных форм по сути дела представляет собой разработку объяснения фактически обнаруженных закономерностей в предметной области и является существенно не формализуемым процессом, требующим высокого профессионализма и компетентности именно в исследуемой области.

Таким образом, исследование модели представляет собой получение различных выходных форм, отражающих закономерности предметной области, а также разработку содержательной интерпретации этих выходных форм.

В данной работе основной акцент мы сделаем на первом аспекте процесса исследования МСИМ, т.е. получении выходных форм, а принципы их интерпретации проиллюстрируем на нескольких примерах.

При каких условиях исследование объекта корректно заменить исследованием его модели

Модель - это отображение моделируемого объекта в некоторую моделирующую среду, т.е. создание в этой среде другого объекта-модели, который в определенных, существенных для решаемой задачи аспектах полно и верно отражает моделируемый объект.

Модель определенным образом информационно связана с оригиналом, поэтому ее можно использовать как для получения информации о поведении моделируемого объекта в различных условиях, которые часто реально неосуществимы, так и для воздействия на этот объект путем использования модели как канала связи с ним.

В данной работе для нас важно, что исследование модели можно считать исследованием самой моделируемой предметной области только в том случае, если эта модель полно и правильно отражает основные закономерности в предметной области, т.е. если «модель адекватна».

1.3.2 План исследования модели

Сначала кратко сформулируем основные пункты плана этого исследования, основываясь на методологии, технологии и инструментарии системно-когнитивного анализа (СК-анализ), предложенного в работе [31], а затем рассмотрим эти пункты подробнее.

Исследование модели можно считать исследованием самого моделируемого объекта только в том случае, если модель адекватна. Поэтому после осуществления синтеза модели в СК-анализе первое, что необходимо сделать - это измерить ее адекватность.

Ядром модели является матрица информативностей , на основе которой могут быть непосредственно получены 2d и 3d профили классов и факторов, т.е. двухмерные и трехмерные графические диаграммы, отображающие силу и направление влияния различных факторов на качество жизни.

Одной из наиболее важных задач, которые могут решаться на основе созданной многоуровневой семантической информационной модели (МСИМ) является идентификация и прогнозирование. Идентификация позволяет количественно оценить значение интегрального критерия качества жизни для любого прошедшего года, а при прогнозировании - для будущего.

Информационные портреты различных значений интегрального критерия качества жизни содержат информацию о том, какие факторы детерминируют эти значения, а факторов различных уровней - какие значения интегрального критерия детерминируются данным значением фактора (последнее в наиболее развитой форме может быть выражено графически в виде функций влияния).

Кластерно-конструктивный анализ классов позволяет сравнить их по сходству системы детерминации и отобразить эту информацию в наглядной графической форме семантической сети классов.

Кластерно-конструктивный анализ факторов позволяет сравнить факторы по сходству их влияния на переход объекта в будущие состояния и та информация также представляется в форме семантической сети факторов.

Когнитивные диаграммы классов и факторов позволяют отобразить в чем конкретно состоит сходство и различие любых двух классов или любых двух факторов.

Нелокальные нейроны и интерпретируемые нейронные сети позволяют в наглядной форме отобразить систему детерминации будущих состояний.

Классические когнитивные карты являются графической формой представления фрагментов МСИМ, объединяющей достоинства таких форм, как нейроны и семантические сети факторов.

Обобщенные когнитивные карты позволяют объединить в одной графической форме семантические сети классов и факторов, объединенных нейронной сетью.

Рассмотрим эти пункты анализа МСИМ подробнее.

1.3.3 Адекватность модели

Адекватность модели - это ее способность верно идентифицировать объекты. Понятие адекватности имеет свою структуру, включающую понятия внутренней и внешней, дифференциальной и интегральной валидности.

Внутренняя дифференциальная и интегральная валидность

Под внутренней валидностью понимается способность модели верно идентифицировать объекты, входящие в обучающую выборку.

Для измерения адекватности модели (рисунок 32) необходимо выполнить следующие действия:

1. Скопировать обучающую выборку в распознаваемую (во 1-м режиме 2-й подсистемы нажав клавишу F5).

2. Выполнить пакетное распознавание (во 2-м режиме 4-й подсистемы, задав 1-й критерий сходства).

3. Измерить адекватность модели (во 2-м режиме 6-й подсистемы).

Эта форма может прокучиваться вправо-влево. В верхней части формы приведены показатели интегральной валидности (средневзвешенные по всей обучающей выборке), а в самой таблице - дифференциальной валидности, т.е. в разрезе по классам.

Кроме того, результаты измерения адекватности модели выводятся в форме файлов с именами ValidSys.txt и ValAnkSt.txt стандарта «TXT-текст DOS» в поддиректории TXT.

Рассмотрим, что означают графы этой выходной формы.

«Всего логических анкет» - это количество анкет в обучающей выборке, на основе которых формировался образ данного класса.

«Идентифицировано верно» - это количество анкет обучающей выборки, которые идентифицированы как классы, к которым они действительно относятся.

«Идентифицировано ошибочно» - это количество анкет обучающей выборки, которые идентифицированы как классы, к которым они в действительности не относятся (ошибка идентификации).

«Неидентифицировано верно» - это количество анкет обучающей выборки, которые неидентифицированы как классы, к которым они действительно не относятся.

«Неидентифицировано ошибочно» - это количество анкет обучающей выборки, которые неидентифицированы как классы, к которым они в действительности относятся (ошибка неидентфикации).

В правой части формы приведены те же показатели, но в процентом выражении:

- для анкет, идентифицированных верно и неидентифицированных ошибочно за 100% принимается количество логических анкет обучающей выборки по данному классу;

- для анкет, идентифицированных ошибочно и неидентифицированных верно за 100% принимается суммарное количество логических анкет обучающей выборки за вычетом логических анкет по данному классу.

В данной форме приведены коды анкет обучающей выборки, которые были учтены в каждой графе предыдущей формы по каждому классу.

Внешняя дифференциальная и интегральная валидность

Под внешней валидностью понимается способность модели верно идентифицировать объекты, не входящие в обучающую выборку, но относящиеся к генеральной совокупности, по отношению к которой она репрезентативна.

Для измерения внешней валидности необходимо выполнить следующие действия:

1. В режиме измерения адекватности модели (рисунок 32) запустить режим измерения внешней валидности (нажав F8 Измерение внешней валидности).

2. Выполнить действия, рекомендуемые в экранной форме (рисунок 4.11).

По результатам измерения внутренней дифференциальной и интегральной валидности можно сделать вывод о том, что созданная модель обладает достаточной адекватностью (85.53%) для того, чтобы исследовать влияние рассматриваемых в ней факторов, прежде всего инвестиционной политики, на уровень качества жизни.

информационный портрет инвестиционный агропромышленный

1.3.4 Идентификация и прогнозирование

Математически эти задачи не отличаются и разница между ними лишь в том, что при идентификации признаки и состояния объекта относятся к одному моменту времени, а при прогнозировании признаки (факторы) относятся к прошлому, а состояния объекта - к будущему.

Идентификация и прогнозирование осуществляются в 4-й подсистеме системы «Эйдос». При этом описания объектов должны быть в распознаваемой выборке.

Если мы исследуем объекты обучающей выборки - то их описания могут быть скопированы в распознаваемую непосредственно из режима ввода обучающей информации по нажатию клавиши F5 в 1-м режиме 2-й подсистемы. Если же исследуются новые объекты, по которым еще нет верифицированной информации, то их описания могут быть непосредственно введены в распознаваемую выборку.

На рисунке 3 приведены результаты идентификации обобщенных образов (классов) лет и градаций интегрального критерия уровня качества.

Рисунок 3. Карточки идентификации с лет и уровней качества жизни

Видно, что даже уже только один этот режим позволяет количественно сравнивать годы друг с другом и с градациями интегрального критерия уровня качества жизни.

1.3.5 Двухмерные (2d) и трехмерные (3d) профили классов и факторов

Отображение профилей классов и факторов осуществляется в 4-м режиме 6-й подсистемы системы «Эйдос».

Профилем класса называется графическое отображение столбца матрицы информативностей, соответствующего данному классу.

Профилем признака (фактора) называется графическое отображение строки матрицы информативностей, соответствующего данному признаку.

Информативности факторов при этом означают силу и направление влияния данного фактора на переход системы в состояние, соответствующее данному классу.

Система «Эйдос» позволяет генерировать и отображать на экране, а также записывать в виде PCX-файлов в соответствующих поддиректориях директории PCX в текущей директории системы «Эйдос» двумерные и трехмерные отображения любых подстолбцов, подстрок и подматриц матриц информативностей, абсолютных частот или условных процентных распределений (рисунок 4).

Рисунок 4. Примеры некоторых двумерных и трехмерных графических форм, позволяющих отображать профили классов и факторов

1.3.6 Информационные портреты классов и факторов различных уровней, когнитивные функции влияния

Определения основных понятий

В 1-м режиме 5-й подсистемы системы «Эйдос» обеспечивается генерация информационных портретов классов, а во 2-м - факторов. При этом результаты могут выдаваться в форме текстовых выходных форм, а также в графической форме круговых диаграмм и функций влияния.

Информационный портрет класса - это список факторов, ранжированных в порядке убывания силы их влияния на переход объекта управления в состояние, соответствующее данному классу.

Информационный портрет класса отражает систему его детерминации. Генерация информационного портрета класса представляет собой решение обратной задачи прогнозирования, т.к. при прогнозировании по системе факторов определяется спектр наиболее вероятных будущих состояний объекта управления, в которые он может перейти под влиянием данной системы факторов, а в информационном портрете мы наоборот, по заданному будущему состоянию объекта управления определяем систему факторов, детерминирующих это состояние, т.е. вызывающих переход объекта управления в это состояние. В начале информационного портрета класса идут факторы, оказывающие положительное влияние на переход объекта управления в заданное состояние, затем факторы, не оказывающие на это существенного влияния, и далее - факторы, препятствующие переходу объекта управления в это состояние (в порядке возрастания силы препятствования). Информационные портреты классов могут быть от отфильтрованы по диапазону факторов, т.е. мы можем отобразить влияние на переход объекта управления в данное состояние не всех отраженных в модели факторов, а только тех, коды которых попадают в определенный диапазон, например, относящиеся к определенным описательным шкалам.

Информационный (семантический) портрет фактора - это список классов, ранжированный в порядке убывания силы влияния данного фактора на переход объекта управления в состояния, соответствующие данным классам.

Информационный портрет фактора называется также его семантическим портретом, т.к. в соответствии с концепцией смысла системно-когнитивного анализа, являющейся обобщением концепции смысла Шенка-Абельсона, смысл фактора состоит в том, какие будущие состояния объекта управления он детерминирует [34].

Сначала в этом списке идут состояния объекта управления, на переход в которые данный фактор оказывает наибольшее влияние, затем состояния, на которые данный фактор не оказывает существенного влияния, и далее состояния - переходу в которые данный фактор препятствует.

Информационные портреты факторов могут быть от отфильтрованы по диапазону классов, т.е. мы можем отобразить влияние данного фактора на переход объекта управления не во все возможные будущие состояния, а только в состояния, коды которых попадают в определенный диапазон, например, относящиеся к определенным классификационным шкалам.

Если взять несколько информационных портретов факторов, соответствующих градациям одной описательной шкалы, отфильтровать их по диапазону градаций некоторой классификационной шкалы и взять из каждого информационного портрета по одному состоянию, на переход в которое объекта управления данная градация фактора оказывает наибольшее влияние, то мы получим зависимость, отражающую вероятность перехода объекта управления в будущие состояния под влиянием различных значений некоторого фактора.

Функция влияния представляет собой график зависимости вероятностей перехода объекта управления в будущие состояния под влиянием различных значений некоторого фактора.

Функции влияния являются наиболее развитым средством изучения причинно-следственных зависимостей в моделируемой предметной области, предоставляемым системой «Эйдос». Необходимо отметить, что на вид функций влияния математической моделью СК-анализа не накладывается никаких ограничений, в частности, они могут быть и нелинейные.

Смысл функция влияния можно прояснить, если представить себе очень упрощенный случай, когда у на есть всего две описательных шкалы, формализующих факторы, и одна классификационная, формализующая состояния объекта управления. В этом случае функции влияния можно считать сечениями поверхности двумерного графика, отражающего зависимость состояний объекта от факторов, поверхностью, параллельной классификационной шкале и одной из описательных шкал. Этот же смысл сохраняется у функций влияния и тогда, когда классификационных и описательных шкал много, но наглядно представить себе это более сложно.

2. Решение задач прогнозирования и управления

2.1. Детерминация интервальных значений интегрального критерия уровня качества жизни направлением и объемами инвестиций

Рассмотрим классификацию информационных портретов, которые позволяет генерировать многоуровневая семантическая информационная модель (таблица 8).

Таблица 8 - Классификация информационных портретов в многоуровневой семантической информационной модели

Факторы (наименования, коды)	Классы (наименования, коды)
	Уровень качества жизни	Годы	Частные критерии уровня качества жизни
Наименования	Коды	99-103	86-98	1-85
Годы	626-638
Частные критерии уровня качества жизни	541-625
Первичные факторы (инвестиции)	1-85

В соответствии с задачей, поставленной в данной работе, здесь мы рассмотрим лишь информационные портреты, отражающие влияние структуры инвестиций на качество жизни (выделено цветом).

Для управления генерацией информационных портретов в системе «Эйдос» имеется режим, обеспечивающий удобное полуавтоматическое задание параметров портретов, т.е. диапазонов классов и факторов (таблица 9). Мы сформировали это задание в соответствии с таблицей 8.

Таблица 9 - Задание на генерацию информационных портретов классов

№	Классы	Факторы
	Начальный код	Конечный код	Начальный код	Конечный код
1	99	103	1	5
2	99	103	6	10
3	99	103	11	15
4	99	103	16	20
5	99	103	21	25
6	99	103	26	30
7	99	103	31	35
8	99	103	36	40
9	99	103	41	45
10	99	103	46	50
11	99	103	51	55
12	99	103	56	60
13	99	103	61	65
14	99	103	66	70
15	99	103	71	75
16	99	103	76	80
17	99	103	81	85
18	99	103	1	85

Информационные портреты, соответствующие заданиям 1-17, отражающие зависимость уровня качества жизни от отдельных видов инвестиций, оказались малоинформативными, т.к. в них, как правило, оказалось всего по 2-3 строки. Поэтому мы остановились на портретах, генерируемых по заданию 18, в котором рассматривается влияние всех факторов, связанных с инвестициями, на уровень качества жизни (таблицы 10 - 14).

Таблица 10 - Информационный портрет класса: «Уровень качества жизни - очень низкий»

Таблица 11 - Информационный портрет класса: «Уровень качества жизни - низкий»

Из информационного портрета, приведенного в таблице 10, следует, прежде всего, вывод об определяющей роли очень низких объемов инвестиций в основной капитал крупных и средних предприятий здравоохранения (код описательной шкалы: 12, код градации: 56) в получении такого плачевного результата, как очень низкий уровень качества жизни населения. Вторым по значимости фактором, влияющим на получение этого нежелательного результата, но более чем в два раза уступающим первому, является низкий объем инвестиций в основной капитал крупных и средних предприятий жилищно-коммунального хозяйства (код описательной шкалы: 11, код градации: 52).

Из информационного портрета, приведенного в таблице 11 видно, что низкий уровень качества жизни детерминируется очень низким объемом инвестиций в основной капитал крупных и средних предприятий жилищно-коммунального хозяйства (код описательной шкалы: 11, код градации: 51), а также в лесное хозяйство (коды: 5-21) и прочие производственные предприятия (коды: 10-46). Из сравнения информационных портретов очень низкого и низкого уровней качества жизни очевидна их высокая степень сходства, которая количественно будет оценена ниже.

Таблица 12 - Информационный портрет класса: «Уровень качества жизни - средний»

Из информационного портрета на таблице 12 видно, что средний уровень качества жизни детерминирован значительно менее жестко, чем очень низкий и низкий. Но в целом можно сказать, что этот результат достигается при очень низких, низких и средних объемах инвестиций в такие отрасли, как лесное хозяйство, прочие производственные предприятия, жилищно-коммунальное хозяйство, промышленность и транспорт.

Таблица 13 - Информационный портрет класса: «Уровень качества жизни - высокий»

Из информационного портрета, приведенного в таблице 13, следует, что высокий уровень качества жизни детерминируется средними объемами инвестиций в основной капитал крупных и средних предприятий промышленности (коды: 3-12), низкими объемами инвестиций в лесное хозяйство (коды: 5-22) и прочие производственные предприятия (коды: 10-47). Здесь может возникнуть естественный вопрос о том, как может быть, что низкие и средние объемы инвестиций сказываются положительно на уровне качества жизни? Ответ, по-видимому, состоит в том, что отрицательный результат достигается, как это видно из таблиц 11 и 12, при еще более низких объемах инвестиций в эти отрасли, т.е., соответственно, при низких и очень низких их объемах. Но при таком объяснении, которое вполне обосновано, возникает другой вопрос: «А как же сказывается на уровне качества жизни высокий и очень высокий объем инвестиций?» Чтобы получить ответ на этот вопрос необходимо использовать информационные портреты соответствующих градаций факторов, что мы и сделаем ниже в следующем разделе.

Из информационного портрета, приведенного в таблице 14, следует, что очень высокий уровень качества жизни жестко детерминируется высокими объемами инвестиций в основной капитал в целом по краю (коды: 1-4), средним объемами инвестиций в сельское хозяйство (коды: 4-18), низким - в торговлю и общественное питание (9-42), средним - в науку (15-73) и АПК (17-83). Здесь возникают те же вопросы, что и при анализе предыдущего информационного портрета.

В целом по информационным портретам классов можно сделать вывод о том, что портреты очень низкого, низкого и среднего уровней качества жизни более-менее соответствуют интуитивным представлениям экспертов, тогда как портреты высокого и очень высокого уровней жизни требуют дополнительных исследований и интерпретации.

Таблица 14 - Информационный портрет класса: «Уровень качества жизни - очень высокий»

2.2 Информационные портреты факторов

Рассмотрим информационные портреты значений факторов, отражающих суммарный объем инвестиций в основной капитал, с фильтрацией по кодам классов от 86 до 103, показывающей влияние этих значений факторов на уровень качества жизни и их характерность для различных лет исследуемого периода (таблица 15).

Таблица 15 - Информационные портреты градаций описательной шкалы: инвестиции в основной капитал (всего)

Из этих информационных портретов видно, что повышение объемов инвестиций в основной капитал сопровождается повышением уровня качества жизни, что согласуется с интуитивными ожиданиями.

2.3 Функции влияния

В функциях влияния мы можем представить информацию, содержащуюся в информационных портретах в форме графиков.

Прежде всего, рассмотрим функцию влияния, представляющую собой один из основных результатов работы: функцию, содержащую результаты фактического применения предложенного интегрального критерия уровня качества жизни (УКЖ) для идентификации каждого года исследуемого периода (рисунок 5).



Рисунок 5. Идентификация лет с 1991 по 2003 с применением интегрального критерия уровня качества жизни

Из рисунка 5 видна общая тенденция, состоящая в том, что в соответствии с предложенным критерием в течение рассмотренного периода уровень качества жизни населения региона постоянно и неуклонно увеличивался. Годы с 2001 по 2003 идентифицировать не удалось по причинам, которые будут рассмотрены ниже. В каждой точке, характеризующей УКЖ, приведено число, представляющее собой аналог доверительного интервала, известного в статистике, имеющийся в математической модели СК-анализа.