Интеллектуальные модели инвестиционного управления агропромышленным комплексом

Рассмотрим теперь функции, отражающие:

1. Влияние инвестиций на значения интегрального критерия уровня качества жизни.

2. Влияние инвестиций на значения на значения частных критериев уровня качества жизни.

Эти функции также являются одним из основных результатом данной работы.

Для удобства исследователя в во 2-м режиме 5-й подсистемы системе «Эйдос» реализован полуавтоматический режим формирования задания на генерацию информационных портретов и функций влияния (рисунок 6).

Рисунок 6. Примеры функций влияния структуры инвестиций на уровень качества жизни

Сразу отметим, что все эти функции в данной работе привести нет возможности, т.к. только функций влияния структуры инвестиций на уровень качества жизни 257. Но мы и не ставим перед собой задачу проанализировать их все. Да в этом и нет необходимости, т.к. несколько упрощая отражаемые этими функциями зависимости классифицируются всего на три типа:

1. Прямо пропорциональные.

2. Обратно пропорциональные.

3. Смешанные.

Упрощение состоит в том, что функции влияния в СК-анализе в общем случае отражают нелинейные зависимости.

Рассмотрим функции влияния объемов инвестиций в различные отрасли на уровень качества жизни.

На основании анализа функций влияния можно сделать общий вывод о том, что увеличение объемов инвестиций положительно сказывается на повышении уровня качества жизни.

Этот вывод совпадает с экспертными оценками, но его ценность состоит в том, что в отличие от экспертных оценок, он является строгим количественным выводом, сделанным путем исследования многоуровневой семантической информационной модели, созданной с использованием большого объема статистической информации, отражающей фактическую динамику на уровне региона (Краснодарского края) с 1991 по 2003 годы.

Прямо-пропорциональная зависимость значений интегрального критерия уровня качества жизни, а также ряда частных критериев, от объема инвестиций наблюдаются в тех случаях, когда возрастание объемов инвестиций увеличивает значения критерия, а обратно пропорциональная зависимость - в противоположном случае. Валовой региональный продукт (ВРП), приходящийся на душу населения, увеличивается при увеличении объемов инвестиций, т.к. инвестиции положительно влияют на развитие производства, уровень занятости населения и доходы работников. Внедрение научных достижений в производство повышает уровень его экологической безопасности, снижает количество вредных выбросов в атмосферу. Укрепление производства, повышение его стабильности вследствие увеличения объемов инвестиций, снижает уровень инфляции. Смешанный вариант, как правило, относится к куполообразным функциям и функциям с «ямой», т.е. обратным куполом. Форма полученных функций влияния позволяет предположить, что при очень малом объеме инвестиций площадь охотничьих угодий уменьшаются из-за отсутствия их финансирования, при средних объемах финансирования охотничьи угодья успешно развиваются, а при очень больших - часть из них выходит из категории закрепленных охотничьих угодий и становится частной собственностью. Этот вывод подтверждается зависимостью, которая, по-видимому, может означать, что отчужденные от охотничьих угодий земли начинают использоваться под строительство, например, жилья или элитных туристических баз. Зависимость позволяет предположить, что очень низкий объем инвестиций в основной капитал приводит к стагнации производства и, как следствие, обнищанию основной массы населения, за исключением небольшой его части, которая научилась обогащаться в этих условиях (левая часть графика). Очень большой объем инвестиций в основной капитал, по-видимому, относительно увеличивает и возможности его не целевого использования, т.к. доля богатейшего населения при этом резко возрастает (правая часть графика). Наиболее благоприятным для возникновения многочисленного среднего класса является средний объем инвестиций. Из вида этих функций влияния функции влияния на уровень качества жизни сельскохозяйственного производства, перерабатывающей промышленности, материально-технического снабжения в АПК, а также транспортной инфраструктуры следует общий вывод о положительном влиянии увеличения объемов сельскохозяйственного производства предприятиями и хозяйствами различных категорий на повышение уровня качества жизни.

3. Системно-когнитивный анализ модели

Кластерно-конструктивный анализ проводится в 5-й подсистеме системы «Эйдос» и позволяет: выявить классы, наиболее сходные по системе их детерминации и объединить их в кластеры; выявить кластеры классов, наиболее сильно отличающиеся по системе их детерминации и построить из них полюса конструктов классов; выявить факторы, наиболее сходные по детерминируемым ими классам и объединить их в кластеры; выявить кластеры факторов, наиболее сильно отличающиеся по детерминируемым ими классам и построить из них полюса конструктов факторов.

Состояния объекта управления, соответствующие классам, включенные в один кластер, могут быть достигнуты одновременно, т.е. являются совместимыми по детерминирующим их факторам. Состояния объекта управления, соответствующие классам, образующим полюса конструкта, не могут быть достигнуты одновременно, т.е. являются противоположными по детерминирующим их факторам. Факторы, включенные в один кластер, оказывают сходное влияние на поведение объекта управления и могут, при необходимости, быть использованы для замены друг друга. Факторы, образующие полюса конструкта, оказывают противоположное влияние на поведение объекта управления. Результаты кластерно-конструктивного анализа классов и факторов выводятся в системе «Эйдос» в форме текстовых форм и в графической форме семантических сетей. Рассмотрим некоторые примеры таких форм (рисунки 7 - 9).

Рисунок 7. Графическое отображение результатов кластерно-конструктивного анализа классов в форме семантической сети (показаны отношения сходства с силой связи >= 15)

Рисунок 8. Графическое отображение результатов кластерно-конструктивного анализа классов в форме семантической сети (показаны отношения сходства и различия с силой связи >= 15)

Какие же выводы можно сделать, анализируя семантическую сеть классов, представленную на рисунке 8?

Прежде всего, в ней содержится информация о сходстве обобщенных образов различных лет с обобщенными образами градаций интегрального критерия уровня качества жизни. Если быть конкретнее, то видно, что низким качеством жизни (по использованным критериям) характеризуются, прежде всего, 1993 и 1994 годы, средним - 1995 год, а очень высоким - 1999 и 2000 годы. Обращает на себя внимание то обстоятельство, что годы с 2001 по 2003 вообще не оказались имеющими сходства ни с одной из градаций интегрального критерия качества жизни. Это можно интерпретировать таким образом, что данный критерий неприменим для оценки уровня качества жизни в эти годы и требует совершенствования, может быть путем введения дополнительных градаций и самого увеличения диапазона шкалы интегрального критерия. Возможной причиной этого является то, что в эти годы в основном закончились постдефолтные переходные процессы и завершилось становление рыночной экономики.

Кроме того, в семантической сети содержится информация о сходстве самих обобщенных образов лет друг с другом.

Видно, что смежные годы похожи друг на друга, особенно похожи 1993 и 1994, несколько в меньшей степени - 1991 и 1992, 1995 и 1996. И обращает на себя внимание, что 1999 год имеет самый низкий уровень сходства между смежными годами с 1998, что можно предположительно объяснить действием дефолта, очень низкий уровень сходства также между 2000 и 2001 годами, что, по-видимому, говорит о возникновении определенной необратимости в реальных преобразованиях экономики после дефолта. Годы 1999 и 2000 можно считать годами, в которые непосредственно действовали последствия дефолта, а годы с 2001 по 2003 - годы ускоренного развития экономики на основе новых принципов и условий, сформировавшихся в результате процессов, наиболее ярким внешним проявлением которых стал дефолт.

В более обобщенном плане видно, что весь период с 1991 по 2003 годы можно с высокой степенью обоснованности разделить на два периода: до 1998 года, включая и его, и после 1998 года.

1-й период (1991-1998 г.г.) характеризуется высоким сходством не только смежных лет, но и годов, отстоящих друг от друга на 2 и даже 3 года. Например, 1991 год имеет сходство с 1992, 1993, 1994 и даже с 1995 годом. 1997 год сходен не только с 1996, но и с 1995, 1994 и даже с 1993 годом. Это означает, что 1-й период характеризуется очень медленным изменением социально-экономической ситуации.

2-й период (1999-2003 г.г.) характеризуется более радикальным характером преобразований и значительно более высокой динамичностью. Во 2-м периоде, можно обоснованно выделить два подпериода: 1999-2000 годы - это годы непосредственного воздействия последствий дефолта, и 2001-2003 годы - годы качественных преобразований, пока не поддающиеся положительной классификации с использованием шкалы интегрального критерия уровня качества жизни. Что же можно сказать об этих годах? Во-первых, то, что 2001 не характеризуется очень низким уровнем жизни, а поскольку 2001, 2002 и 2003 годы похожи, то же самое можно сказать и о них. Во-вторых, 2001 год не похож на 1994 и 1995, а 2002 - на 1994, 1996 и 1997.

Неприменимость данного интегрального критерия к этим годам можно предположительно объяснить тем, что он сформирован на основе информации за весь период с 1991 по 2003 годы, но информация за 2003 год по ряду показателей на момент проведения исследования (май-июнь 2003 года) еще отсутствовала. Поэтому относительный вес информации за 2000-2003 годы в общем объеме всей использованной при формировании критерия информации относительно невелик, а информация до 1999 года по сути дела играет роль дезинформации при исследовании периода с 2000 по 2003 годы. Есть два варианта выхода из этой ситуации: 1) пересинтез модели с исключением из нее информации до 1999 года; 2) пересинтез модели с добавлением в нее полной информации за 2003 и последующие годы. Но эти работы не входят в задачи данной работы.

Возможно, эта ситуация каким-то образом связана с тем, что (как это известно из социологических исследований) период с 2001 по 2003 годы отличается от других периодов тем, что количество людей, положительно оценивающих ход и результаты экономических реформ превышало количество оценивающих их нейтрально или отрицательно.

Кроме того, в семантической сети содержится информация о сходстве обобщенных образов градаций интегрального критерия качества жизни друг с другом. Видно, что градации уровня качества жизни «Очень низкий» и «Низкий» имеют сходство на уровне 27, а «Очень низкий», и «Средний» - менее 10, что, в общем, вполне логично. В тоже время «Очень высокий» уровень качества жизни не сходен с «Очень низким», «Низким» и «Средним», как и должно быть.

Все это в совокупности позволяет сделать вывод о возможности применения аппарата семантических сетей классов для применения интегрального критерия уровня качества жизни к годам, что позволяет анализировать динамику и осуществлять периодизацию социально-экономического развития региона по этому показателю.

Рисунок 9. Графическое отображение результатов кластерно-конструктивного анализа классов в форме семантической сети (показаны отношения сходства и различия с силой связи >= 39%)

На рисунке 9 приведен пример семантической сети классов, из которого видно, какие состояния объекта управления детерминируются сходными системами факторов и достижимы одновременно. Из аналогичной формы по факторам видно, какие факторы оказывают на объект управления сходное, а какие - противоположное воздействие.

3.2 Когнитивные диаграммы классов и факторов

Детально увидеть структуру каждой линии связи в семантической сети классов позволяют когнитивные диаграммы классов (рисунок 4.10).

Слева и справа на когнитивной диаграмме классов расположены информационные портреты классов. На каждом портрете факторы ранжированы сверху вниз в порядке убывания силы влияния на переход объекта управления в состояние, соответствующее данному классу. Красным цветом обозначены факторы, оказывающие положительное влияние на этот переход, а синим - отрицательное. Факторы правого и левого портретов соединены линиями красного цвета, если эти факторы вносят вклад в сходство двух классов, и синими - если в различие. Толщина этих линий соответствует величине вклада.

Рисунок 10. Примеры когнитивных диаграмм классов

В принципе, эта диаграмма представляет собой просто графическое изображение коэффициента корреляции, при этом каждая линия, вносящая вклад в сходство или различие соответствует одному слагаемому, ее цвет - знаку, а толщина - модулю этого слагаемого. Но в когнитивных диаграммах учтены также корреляции между факторами, поэтому слагаемых больше, чем в классическом коэффициенте корреляции.

Аналогично, детально изучить структуру каждой линии связи семантической сети факторов позволяют инвертированные когнитивные диаграммы, примеры которых приведены на рисунке 11.

Рисунок 11. Примеры когнитивных диаграмм факторов

В когнитивной диаграмме факторов справа и слева расположены информационные (семантические) портреты факторов, в которых классы распознавания, соответствующие будущим состояниям объекта управления, ранжированы в порядке убывания силе влияния на переход в них объекта управления под действием данного фактора. Если фактор способствует переходу объекта управления в некоторое состояние, то оно будет отображено красным цветом, если препятствует - то синим. Факторы сходны, если вызывают переход объекта управления в сходные состояния и различны в противном случае. Соответствующие линии связи, вносящие в клад в сходство, отображаются красным цветом, а в различие - синим. Толщина линий связи соответствует их вкладу в сходство или различие. В диаграммах учитываются сходство и различие классов.

3.3 Нелокальные нейроны и интерпретируемые нейронные сети. Многослойная нейросетевая модель влияния инвестиций на качество жизни

Нелокальный нейрон представляет собой будущее состояние объекта управления с изображением наиболее сильно влияющих на него факторов с указанием силы и направления (способствует-препятствует) их влияния (рисунок 12).

Рисунок 12. Примеры нелокальных нейронов, отражающих влияние инвестиций на уровень качества жизни в регионе (система «Эйдос»)

Нейронная сеть представляет собой просто совокупность взаимосвязанных нейронов. В классических нейронных сетях связь между нейронами осуществляется по входным и выходным сигналам, а в нелокальных нейронных сетях - на основе общего информационного поля.

В таблице 16 приводится классификация причинно-следственных связей по уровням опосредованности. Эта классификация использована для отображения параметров заданий на генерацию и соответствующих фрагментов нейронных сетей.

Таблица 16 - Виды каузальных связей между объектами различных уровней иерархической модели и соответствующие фрагменты нейронной сети

Фрагменты нейронной сети с непосредственными связями, т.е. соответствующие смежным слоям многослойной сети, показаны на голубом фоне.

В пустых клетках таблицы 16 могут быть отображены фрагменты нейронной сети, аналогичные показанным. Однако новой информации, по сравнению с уже показанными, они не содержат, т.к. практически они образуются из них путем перемены местами нейронов и рецепторов (инвертирования - отражения относительно горизонтальной оси).

В таблицах 17 и 18 сгенерированные по этим заданиям непосредственно на основе эмпирических данных и экспертных оценок фрагменты фактической нейронной сети приведены в форме, позволяющей составить из них многоуровневую семантическую информационную модель.

Система «Эйдос» обеспечивает построение любого подмножества многослойной нейронной сети с заданными или выбираемыми по заданным критериям рецепторами и нейронами, связанными друг с другом связями любого уровня опосредованности.

Таблица 17 - Фрагменты многоуровневой семантической информационной модели и нейронной сети со связями различной степени опосредованности

3.4 Классические когнитивные карты

Классическая когнитивная карта представляет собой нейрон, соответствующий некоторому состоянию объекта управления с рецепторами, каждый из которых соответствует фактору, в определенной степени способствующему или препятствующему переходу объекта в это состояние. Рецепторы соединены связями, как с нейроном, так и друг с другом. Связи рецепторов с нейроном отражают силу и направление влияния факторов, а связи рецепторов друг с другом, отображаемые в форме семантической сети факторов, - сходство и различие между рецепторами по характеру их влияния на объект управления. Таким образом, классическая когнитивная карта представляет собой нейрон с семантической сетью факторов, изображенные на одной диаграмме (рисунок 13).

3.5 Обобщенные когнитивные карты

Если объединить несколько классических когнитивных карт на одной диаграмме и изобразить на ней также связи между нейронами в форме семантической сети классов, то получим обобщенную (интегральную) когнитивную карту. На рисунке 13 приведена обобщенная когнитивная карта, отражающая результаты идентификации лет с помощью интегрального критерия уровня качества жизни, на рисунке 14 - влияние инвестиций на уровень качества жизни.

Рисунок 13. Результаты оценки лет с 1991 по 2003 с помощью интегрального критерия уровня качества жизни

Рисунок 14. Обобщенная (интегральная) когнитивная карта, визуализирующая связи 2-й степени опосредованности МСИМ между структурой инвестиций по объемам и отраслям и уровнем качества жизни

Система «Эйдос» обеспечивает построение любого подмножества многоуровневой семантической информационной модели с заданными или выбираемыми по заданным критериям рецепторами и нейронами, связанными друг с другом связями любого уровня опосредованности в форме классических и обобщенных когнитивных карт. В частности, в системе полуавтоматически формируется задание на генерацию подмножеств обобщенной когнитивной карты, показанных на рисунках 15.

Рисунок 15. Примеры подмножеств интегральной когнитивной карты, отражающие влияние объемов инвестиций по конкретным отраслям на уровень качества жизни населения региона (система «Эйдос»)

Выводы

Поставлена задача исследования влияния на качество жизни различных факторов, среди которых рассматриваются: состояние различных сегментов рынка, структура себестоимости продукции, производственные результаты, налоговые поступления, инвестиционная активность. В монографии предложена конкретная система шкал и градаций, позволяющая формализовать как первичные показатели, характеризующие развитие производственной сферы и инвестиционную политику, так и вторичные показатели, являющиеся частными критериями оценки экономической составляющей качества жизни населения региона.

Предложена принципиальная схема многоуровневой модели предметной области, из которой на основе экспертных оценок получен интегральный критерий, позволяющий в сопоставимой форме количественно одним числом оценивать качество жизни населения в различные годы и в различных регионах, представляющий собой аддитивную функцию от частных критериев.

Спроектирована обучающая выборка, количественно характеризующая Краснодарский край по большому количеству показателей за 1991 - 2003 годы. Обучающая выборка импортирована в универсальную когнитивную аналитическую систему «Эйдос».

Осуществлен поэтапный синтез многоуровневой семантической информационной модели влияния инвестиций на уровень качества жизни населения региона на основе данных по Краснодарскому краю за 1991 - 2003 годы и проведено ее углубленное исследование.

Данная модель отражает влияние инвестиционной политики, а также развития агропроизводства, перерабатывающей промышленности, материально-технического снабжения, транспортной инфраструктуры, состояния различных сегментов рынка, структуры себестоимости продукции и производственных результатов АПК на качество 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.

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.

2. Айвазян С.А. Межстрановой анализ интегральных категорий качества жизни населения (эконометрический подход). - Препринт # WP/2001/124, Москва, ЦЭМИ РАН, 2001. - 60 с.

3. Барановская Т.П., Лойко В.И., Семенов М.И., Трубилин А.И. Информационные системы и технологии в экономике: Учебник/ Под ред. В.И. Лойко. - М.: Финансы и статистика, 2003. - 413 с.

Размещено на Allbest.ru