Введение
Актуальность решаемых задач основывается на необходимости обеспечения устойчивого развития Арктической зоны Российской Федерации РФ (АЗРФ) в соответствии с требованиями Распоряжения правительства РФ от 15.04.2021 №996-р [1]. Реализация положений указанного документа основана на ключевых положениях, заложенных в документах, вышедших ранее [2-3].
Термин «Устойчивое развитие» получил популярность после публикации доклада, подготовленного для ООН в 1987 г. специальной созданной международной комиссией по окружающей среде и развитию, известной как комиссия Брунтланд. В докладе сказано, что: «Устойчивое развитие — это такое развитие, которое удовлетворяет потребности настоящего времени, но не ставит под угрозу способность будущих поколений удовлетворять свои собственные потребности» [4].
Стратегии устойчивого развития разрабатывают и реализуют многие государства мира. Задача обеспечения устойчивого развития Арктической зоны является одной из важнейших задач государственного уровня. В работе предложен подход к решению задачи разработки научно-обоснованных предложений в программу обеспечения устойчивого развития АЗРФ на основе методологии когнитивного моделирования, обеспечивающей моделирование сложных слабоструктурированных и плохо формализуемых систем, к которым относится социально-экономическая система Арктической зоны и ее компоненты.
Объект исследования: процессы социально-экономического развития регионов Арктической зоны РФ.
Предмет исследования: методы и средства математического моделирования динамики процессов устойчивого социально-экономическое развития регионов Арктической зоны РФ.
Гипотеза исследования: решение поставленной задачи возможно на основе экономико-математического инструментария исследования социально-экономических систем на основе методов нечеткого когнитивного моделирования.
Цель исследования: Выработка научно-обоснованных предложений по обеспечиванию устойчивого развития регионов АЗ РФ.
Задача исследования:
Идентификация факторов, влияющих на устойчивое развитие региона.
Построение и анализ нечеткой когнитивной карты.
Верификация построенной нечёткой когнитивной карты (НКК), на основе системных показателей.
Статическое моделирование и динамическое моделирование нечёткой когнитивной карты.
Выработка научно-обоснованных предложений по обеспечению устойчивого развития АЗРФ на основе результатов когнитивного моделирования.
Материалы и методы: В исследовании применяются методы: системного, когнитивного, статистического, нечёткого анализа и моделирования, оптимизации, а также методы нечеткого когнитивного моделирования (НКМ) при выработке управленческих решений.
Математический аппарат НКМ на основе когнитивных карт обеспечивает исследование поведения систем и процессов, характеризующихся неопределенностью исходной информации, нестационарностью, нелинейностью и недетерминированностью. В этом случае находят распространение модели и методы как количественного, так и качественного анализа. Аппарат когнитивного моделирования позволяет эффективно решать задачи анализа и прогнозирования динамики социально-экономической системы на основе сценарного подхода в условиях трудно формализуемых компонентов системы и влияющих на них факторов, измерение которых является очень сложной, иногда невыполнимой задачей.
Когнитивная карта представляет собой отражение причинно-следственных отношений, выявляемых при анализе механизмов функционирования сложных социально-экономических систем в виде так называемых «каузальных цепочек» (сетей). В основе математического аппарата когнитивного моделирования лежат методы нечеткой логики, теории матриц и теории графов. Процесс когнитивного моделирования включает совокупность взаимосвязанных этапов: анализ проблемного поля ситуации, когнитивная структуризация, структурный анализ когнитивной модели и ее верификация, сценарный анализ и прогнозирование развития ситуации, интерпретация результатов моделирования и их оценка.
Имитационное моделирование и вычислительный эксперимент с разработанной когнитивной моделью выполнены с использованием программной системы поддержки принятия решений (СППР) «ИГЛА» (Интеллектуальный генератор лучших альтернатив), обеспечивающей процессы построения когнитивной карты на основе причинно-следственной матрицы, получение матриц консонанса (диссонанса), отражающих меру доверия к знаку воздействия одного концепта на другой, транзитивно-замкнутой матрицы, отражающей силу влияния цепочек управляющих концептов на целевые концепты, графа α-уровня, позволяющего выделить классы концептов, образующих наиболее устойчивые структуры, оказывающие наибольшее влияние на целевые концепты, расчет системных показателей когнитивной карты, отражающих степень достоверности влияния концептов и адекватности когнитивной модели.
Результаты исследования:
Выявлены релевантные факторы и обоснованы их взаимосвязи с целевыми факторами когнитивной модели на основе PESTLE - анализа.
Проведен расчет системных показателей когнитивной карты, их интерпретация, подтверждающая адекватность разработанной когнитивной модели.
Выявлены классы управляющих концептов когнитивной карты на основе альфа-срезов, образующих наиболее устойчивые структуры и оказывающих существенное влияние на целевые концепты.
Выполнена генерация базового набора альтернативных сценариев прогнозирования социально-экономического развития региона АЗРФ.
Обоснованы рекомендации лицу, принимающему решения (ЛПР) по выбору наиболее предпочтительной альтернативы на основе критерия достижения максимального значений целевых концептов при заданных ограничениях на выделяемые ресурсы.
Разработанные предложения на основе анализа социально-экономической ситуации в Мурманской области могут лечь в основу дорожной карты развития Арктического региона.
Научная новизна: определяется постановкой и решением актуальной научной задачи анализа и прогнозирования социально-экономического развития региона Арктической зоны на основе методов нечеткого когнитивного моделирования и выработкой научно-обоснованных рекомендаций по обеспечению его устойчивого развития.
Обзор источников: Когнитивное моделирование с использованием когнитивных карт в последнее время активно развивается. Области применения рассматриваемого подхода достаточно разнообразны. Наиболее эффективны когнитивные модели при исследовании слабоструктурированных и плохо формализуемых систем, к которым относятся социально-экономические системы. Автором когнитивного подхода является психолог Э. Толмен, опубликовавший первую статью, посвященную применению когнитивных карт [6]. В работах [7-10] рассмотрены когнитивные модели развития экономики, решения экологических и демографических проблем. Когнитивные модели позволяют описывать различные формы взаимодействия человека, как субъекта, с окружающим миром. В работах [11-13] рассмотрены вопросы моделирования цепочек поставок, методов проектирования программных комплексов, а также решения задач обеспечения кибербезопасности на предприятии. Теоретические и прикладные аспекты когнитивного моделирования, в том числе применение гибридных когнитивных моделей для прогнозирования показателей деятельности университета представлены в работах [14-20]. В то же время потенциальные возможности математического аппарата когнитивного моделирования для решения задач устойчивого развития сложных социально-экономических систем используются не в полной мере.
Структура работы: Отчёт состоит из введения, основной части, состоящей из 5 разделов, заключения и списка использованных источников.
Методика исследования
В
Рисунок 1–Этапы когнитивного моделирования [20]
научном исследовании рассмотрен подход к решению поставленной задачи на основе методов нечеткого когнитивного моделирования. Проведенный анализ источников показал эффективность когнитивного подхода в условиях, когда процессы функционирования сложных социально-экономических систем не поддаются формальному описанию. На рисунке 1 представлена структурная схема реализации методики когнитивного моделирования, на основе которой построена нечеткая когнитивная модель обеспечения устойчивого развития региона АЗРФ.
Укрупненно методика включает следующие этапы:
Анализ проблемного поля ситуации, выявление факторов, влияющих на устойчивое развитие региона.
Разработка когнитивной модели. Построение и анализ нечеткой когнитивной карты.
Структурно-целевой анализ и верификация когнитивной модели.
Статическое и динамическое моделирование.
Получение результатов моделирования и их обработка для представления ЛПР.
В качестве инструментального средства использована система поддержки принятия решений «Интеллектуальный генератор лучших альтернатив (ИГЛА)» (рис. 2).
Рисунок 2– Архитектура инструментального средства когнитивного моделирования «ИГЛА» [5]
На основе разработанной модели были сформулированы предложения в программу обеспечения устойчивого развития Арктических зон РФ (АЗРФ). Полученные результаты позволили обосновать необходимые экономические решения по обеспечению устойчивого развития арктических регионов. Разработанные предложения на основе анализа социально-экономической ситуации в Мурманской области могут лечь в основу дорожной карты развития Арктического региона.
Анализ проблемой ситуации. Идентификация факторов, влияющих на устойчивое развитие региона
На начальном этапе исследования с использованием материалов опроса группы экспертов решена задача идентификации факторов, влияющих на устойчивое развитие региона. С этой целью был использован подход на основе PESTLE-анализа [17]. Указанный подход позволил разделить множество выявленных факторов на группы: экономические, политические, социальные, технологические, законодательные и экологические факторы. Для определения степени влияния факторов друг и характера причинно-следственных связей (направленности и знака: положительного влияния или отрицательного) были введены цифровые обозначения важности факторов (таблица 1), уровня влияния на устойчивое развитие (таблица 2) и направления влияния (таблица 3).
Таблица 1– Степень важности факторов устойчивого развития
Интерпретация |
Крайне важный |
важный |
мало важный |
не важный |
Оценка |
3 |
2 |
1 |
0 |
Таблица 2 – Степень влияния факторов, интерпретация числовых значений
Оценка |
5 |
4 |
3 |
2 |
1 |
0 |
Интерпретация |
Очень сильное влияние |
Сильное влияние |
среднее влияние |
слабое влияние |
очень слабое влияние |
влияние отсутствует |
Таблица 3 – Направление влияния факторов, интерпретация числовых значений
Интерпретация |
Отрицательное |
Положительное |
Оценка |
-1 |
1 |
В результате PESTLЕ-анализа выявлено около 150 факторов, влияющих на устойчивое развитие региона, из которых экспертами определено 89 релевантных (наиболее значимых) . Релевантные факторы по группам представлены в таблице 4.
В качестве целевых факторов нечёткой когнитивной карты, отражающих устойчивость социально-экономического развития региона экспертами определены следующие факторы: валовый региональный продукт (ВРП); уровень преступности, уровень жизни; уровень продовольственной безопасности, экологический индекс; уровень развития транспортной сети.
Таблица 4 – Факторы, влияющие на устойчивое развитие Арктической зоны РФ
№ |
Перечень факторов |
Важность фактора |
Влияние на объект |
Направленность влияния |
Оценка значимости влияния фактора |
Оценки значимости факторов |
|
Группа экономических факторов |
|||||||
1 |
Валовый региональный продукт |
3 |
5 |
1 |
15 |
0,261 |
|
2 |
Уровень продовольственной безопасности |
3 |
5 |
1 |
15 |
0,261 |
|
3 |
Ассигнования на науку |
3 |
4 |
1 |
12 |
0,209 |
|
4 |
Объем грузовой перевозки |
3 |
5 |
1 |
15 |
0,261 |
|
5 |
Объем производства |
3 |
5 |
1 |
15 |
0,261 |
|
6 |
Объем продаж |
3 |
5 |
1 |
15 |
0,261 |
|
7 |
Ассортиментная структура производства |
2 |
3 |
1 |
6 |
0,104 |
|
8 |
Финансовые инвестиции |
3 |
4 |
1 |
12 |
0,209 |
|
9 |
Инвестиционный потенциал |
3 |
3 |
1 |
9 |
0,157 |
|
10 |
Доля малого бизнеса |
3 |
5 |
1 |
15 |
0,261 |
|
11 |
Экспорт |
3 |
5 |
1 |
15 |
0,261 |
|
12 |
Импорт готовой продукции |
3 |
5 |
1 |
15 |
0,261 |
|
13 |
ВРП на душу населения |
2 |
4 |
1 |
8 |
0,139 |
|
14 |
Торговый баланс товаров и услуг |
1 |
3 |
1 |
3 |
0,052 |
|
15 |
Площадь территорий, км2 |
2 |
4 |
1 |
8 |
0,139 |
|
16 |
Доля долга |
3 |
5 |
1 |
15 |
0,261 |
|
17 |
Получение и предоставление помощи от государства |
2 |
5 |
1 |
10 |
0,174 |
|
18 |
Уровень инфляции |
3 |
4 |
1 |
12 |
0,209 |
|
19 |
Уровень инвестиций в ВВП |
2 |
3 |
1 |
6 |
0,104 |
|
Группа экологических факторов |
|||||||
20 |
Экологический индекс |
3 |
5 |
1 |
15 |
0,261 |
|
21 |
Затраты на очистку сточных вод |
2 |
3 |
1 |
6 |
0,104 |
|
22 |
Объём отходов |
3 |
5 |
-1 |
-15 |
-0,261 |
|
23 |
Объём отходов на душу населения |
3 |
5 |
-1 |
-15 |
-0,261 |
|
24 |
Расходы на сбор и обработку отходов |
2 |
3 |
1 |
6 |
0,104 |
|
25 |
Затраты на охрану окружающей среды |
2 |
4 |
1 |
8 |
0,139 |
|
26 |
Уровень переработки отходов |
3 |
3 |
1 |
9 |
0,157 |
|
27 |
Концентрация приоритетных загрязняющих воздух веществ на городских территориях |
1 |
1 |
-1 |
-1 |
-0,017 |
|
28 |
Площадь заповедных территорий, % от общей территории |
2 |
1 |
1 |
2 |
0,035 |
|
29 |
Потребление электроэнергии |
1 |
1 |
1 |
1 |
0,017 |
|
30 |
Темпы восстановления лесов, км2 в год |
1 |
1 |
1 |
1 |
0,017 |
|
31 |
Площадь земель, загрязнённая опасными отходами |
1 |
1 |
-1 |
-1 |
-0,017 |
|
32 |
Ежегодное изъятие подземных и поверхностных вод, % от доступного объёма |
1 |
1 |
-1 |
-1 |
-0,017 |
|
33 |
Показатель наличия загрязняющих веществ окружающей среды |
3 |
4 |
-1 |
-12 |
-0,035 |
|
Продолжение таблицы 4 |
|||||||
34 |
Состояние флоры и фауны региона |
1 |
3 |
1 |
3 |
0,052 |
|
35 |
Объём запасов природных ресурсов |
3 |
5 |
1 |
15 |
0,261 |
|
36 |
Площадь сельскохозяйственных угодий в % от общей площади |
3 |
5 |
1 |
15 |
0,261 |
|
37 |
Использование минеральных удобрений |
3 |
4 |
1 |
12 |
0,209 |
|
38 |
Площади лесов по категориям |
2 |
1 |
1 |
2 |
0,035 |
|
39 |
Земли, подвергшиеся опустыниванию |
2 |
3 |
-1 |
-6 |
-0,104 |
|
40 |
Площадь земель населённых пунктов |
3 |
4 |
1 |
12 |
0,209 |
|
Группа законодательных факторов |
|||||||
41 |
Учёт региональных особенностей в законотворческой деятельности |
3 |
5 |
1 |
15 |
0,261 |
|
42 |
Индекс политической стабильности |
2 |
5 |
1 |
10 |
0,261 |
|
43 |
Индекс торговых ограничений |
1 |
3 |
-1 |
-3 |
0,209 |
|
44 |
Стимулирование бизнеса от государства |
3 |
5 |
1 |
15 |
0,261 |
|
45 |
Региональные особенности трудового законодательства |
2 |
5 |
1 |
10 |
0,261 |
|
Группа политических факторов |
|||||||
46 |
Уровень преступности |
3 |
5 |
-1 |
-15 |
0,261 |
|
47 |
Уровень коррупции |
3 |
5 |
-1 |
-15 |
0,261 |
|
48 |
Чиновничий аппарат затраты |
2 |
3 |
-1 |
-6 |
0,209 |
|
49 |
Сумма собираемых налогов |
3 |
5 |
1 |
15 |
0,261 |
|
50 |
Уровень употребления алкоголя |
3 |
5 |
-1 |
-15 |
0,261 |
|
51 |
Уровень употребления табака |
1 |
2 |
-1 |
-2 |
0,261 |
|
52 |
Количество лиц, проживающих за гранью прожиточного минимума |
2 |
4 |
-1 |
-8 |
0,104 |
|
53 |
Уровень употребления наркотических веществ |
3 |
5 |
-1 |
-15 |
0,209 |
|
Группа социальных факторов |
|||||||
54 |
Уровень жизни |
3 |
5 |
1 |
15 |
0,261 |
|
55 |
Средняя продолжительность жизни |
3 |
5 |
1 |
15 |
0,261 |
|
56 |
Индекс развития человеческого потенциала |
2 |
5 |
1 |
10 |
0,174 |
|
57 |
Производительность труда |
2 |
5 |
1 |
10 |
0,174 |
|
58 |
Структура ценообразования |
2 |
4 |
1 |
8 |
0,139 |
|
59 |
Соотношение полов |
2 |
2 |
1 |
4 |
0,070 |
|
60 |
Численность населения |
3 |
5 |
1 |
15 |
0,261 |
|
61 |
Использование транспорта |
2 |
3 |
1 |
6 |
0,104 |
|
62 |
Уровень образованности |
3 |
5 |
1 |
15 |
0,261 |
|
63 |
Образовательный потенциал |
3 |
5 |
1 |
15 |
0,261 |
|
64 |
Уровень здоровья населения |
3 |
5 |
1 |
15 |
0,261 |
|
65 |
Численность дошкольных образовательных учреждение |
2 |
4 |
1 |
8 |
0,139 |
|
66 |
Численность средних образовательных школ |
2 |
5 |
1 |
10 |
0,174 |
|
67 |
Численность средних профессиональных образовательных учреждений |
2 |
5 |
1 |
10 |
0,174 |
|
68 |
Численность высших образовательных учреждений |
3 |
5 |
1 |
15 |
0,261 |
|
69 |
Плотность населения |
3 |
5 |
1 |
15 |
0,261 |
|
70 |
Уровень безработицы |
3 |
5 |
-1 |
-15 |
-0,261 |
|
Продолжение таблицы 4 |
|||||||
71 |
Средний возраст населения |
2 |
3 |
1 |
6 |
0,104 |
|
72 |
Численность работоспособного населения |
3 |
4 |
1 |
12 |
0,209 |
|
73 |
Численность граждан пенсионного возраста |
2 |
3 |
1 |
6 |
0,104 |
|
74 |
Численность граждан рабочего возраста |
2 |
5 |
1 |
10 |
0,174 |
|
75 |
Численность граждан до 18 лет |
1 |
4 |
1 |
4 |
0,070 |
|
76 |
Численность мигрантов |
3 |
5 |
1 |
15 |
0,261 |
|
77 |
Уровень смертности |
3 |
5 |
-1 |
-15 |
-0,261 |
|
78 |
Уровень рождаемости |
3 |
5 |
1 |
15 |
0,261 |
|
79 |
Уровень убыли населения |
3 |
5 |
-1 |
-15 |
-0,261 |
|
80 |
Средняя заработная плата |
3 |
5 |
1 |
15 |
0,261 |
|
Группа технологических факторов |
|||||||
81 |
Уровень транспортной сети |
3 |
5 |
1 |
15 |
0,261 |
|
82 |
Индекс инноваций |
2 |
5 |
1 |
10 |
0,261 |
|
83 |
Численность патентов |
2 |
3 |
1 |
6 |
0,209 |
|
84 |
Уровень расходов на НИОКР |
2 |
3 |
1 |
6 |
0,261 |
|
85 |
Транспортная инфраструктура |
3 |
5 |
1 |
15 |
0,261 |
|
86 |
Предприятия химической промышленности |
3 |
5 |
1 |
15 |
0,261 |
|
87 |
Предприятия нефтехимической промышленности |
3 |
5 |
1 |
15 |
0,104 |
|
88 |
Предприятия газовой промышленности |
3 |
5 |
1 |
15 |
0,209 |
|
89 |
Предприятия добывающей промышленности |
3 |
5 |
1 |
15 |
0,157 |
На следующем этапе исследования на основе выявленных факторов построена когнитивная карта, отражающая взаимосвязи факторов (далее-концептов) между собой и степень взаимовлияния.
Построение и структурно-целевой анализ нечеткой когнитивной карты
На основе результатов, представленных в таблице 4, построена когнитивная карта, формально отражающая причинно-следственные связи между концептами с указанием характера направленности связей (рисунок 3). Степень воздействия концептов отражена в когнитивной матрице W = {wi , i,j = }, дополняющей когнитивную карту (табл.5).
В когнитивной карте выделяются управляющие концепты и целевые концепты. Воздействуя на управляющие концепты возможно получить результаты изменения целевых концептов.
На следующем шаге были построены когнитивные матрицы взаимного консонанса и диссонанса когнитивной карты, позволяющие сделать оценку степени доверия к знакам взаимовлияния концептов.
Рисунок 3 - Нечёткая когнитивная модель развития региона АЗРФ (сделано Чикуновым К. Э. в программном продукте Draw.io)
Таблица 5 - Матрица связей НКК (фрагмент)
|
1 |
2 |
3 |
4 |
… |
86 |
87 |
88 |
89 |
1 |
0 |
0 |
0 |
0 |
… |
0 |
0 |
0 |
0 |
2 |
0 |
0 |
0 |
0 |
… |
0 |
0 |
0 |
0 |
3 |
0,8 |
0 |
0 |
0 |
… |
0 |
0 |
0 |
0 |
4 |
0 |
0 |
0 |
0 |
… |
0 |
0 |
0 |
0 |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
86 |
0,6 |
0,8 |
0 |
0 |
… |
0 |
0 |
0 |
0 |
87 |
0 |
0 |
0,6 |
0 |
… |
0 |
0 |
0 |
0 |
88 |
0 |
0 |
0 |
0 |
… |
0,8 |
0 |
0 |
0 |
89 |
0 |
0 |
0 |
0 |
… |
0 |
0 |
0 |
0 |
Анализ полученных матриц позволил сделать вывод, что в среднем консонанс взаимовлияния достаточно высокий, что говорит об устойчивой связи между концептами когнитивной карты. Анализ консонанса влияния показал, что в среднем он составляет 78%, то есть достаточно высокий, и в целом матрице можно доверять.
На следующем шаге для выявления цепочек взаимосвязей между управляющими и целевыми концептами с использованием инструментального средства «ИГЛА» рассчитаны транзитивно-замкнутые матрицы, которые характеризуют силу положительного и отрицательного влияния i -го концепта на j-й концепт. В табл. 6 представлена положительная транзитивно-замкнутая матрица. Аналогично строится отрицательная транзитивно - замкнутая матрица.
Таблица 6 – Транзитивно-замкнутая матрица (фрагмент)
|
1 |
2 |
3 |
4 |
… |
86 |
87 |
88 |
89 |
1 |
0 |
0 |
0,8 |
0,912 |
… |
0,62 |
0,48 |
0,496 |
0,78 |
2 |
0 |
0 |
0 |
0 |
… |
0,77 |
0 |
0,616 |
0 |
3 |
0,8 |
0 |
0 |
0 |
… |
0 |
0,6 |
0 |
0 |
4 |
0,912 |
0 |
0 |
0 |
… |
0 |
0 |
0 |
0,855 |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
86 |
0,62 |
0,77 |
0 |
0 |
… |
0 |
0 |
0,8 |
0 |
87 |
0,48 |
0 |
0,6 |
0 |
… |
0 |
0 |
0 |
0 |
88 |
0,496 |
0,616 |
0 |
0 |
… |
0,8 |
0 |
0 |
0 |
89 |
0,78 |
0 |
0 |
0,855 |
… |
0 |
0 |
0 |
0 |
На этапе структурно-целевого анализа разработанной НКК проведен расчет ее системных характеристик, к основным из которых относятся диссонанс и консонанс влияния, иллюстрирующих степень (меру) доверия к знаку воздействия (более высокое значение консонанса соответствует более убедительному мнению о знаке воздействия концепта на концепт или систему).
Таким образом, расчет системных характеристик позволят провести верификацию когнитивной карты и убедиться в ее адекватности объекту исследования. В таблице 7 представлены результаты расчета системных характеристик когнитивной карты с использованием инструментально-моделирующей системы «ИГЛА».
Таблица 7 – Результаты расчета системных показателей когнитивной карты (фрагмент)
|
Консонанс влияния концепта на систему |
Консонанс влияния системы на концепт |
Диссонанс влияния концепта на систему |
Диссонанс влияния системы на концепт |
Воздействие концепта на систему |
Воздействие системы на концепт |
Показатель централизации консонанса |
Показатель централизации воздействия |
Совместный показатель взаимного консонанса концепта и системы |
Совместный показатель взаимного диссонанса концепта и системы |
1. |
0,9856 |
0,8906 |
0,7775 |
0,4712 |
0,0202 |
0,1966 |
0,1094 |
-0,1763 |
1 |
0,9775 |
2. |
0,9465 |
0,9986 |
0,7888 |
0,7326 |
0,0076 |
0,0312 |
0 |
-0,0235 |
1 |
0,9888 |
3. |
0,9750 |
0,9008 |
0,7663 |
0,6764 |
0,0252 |
0,04 |
0 |
-0,0149 |
1 |
0,9663 |
4. |
0,9956 |
0,9564 |
0,7326 |
0,7865 |
0,0344 |
0 |
0 |
0,0344 |
1 |
0,9852 |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
… |
86. |
0,9672 |
0,9785 |
0,7092 |
0,7775 |
0,0656 |
0,0161 |
-0,033 |
0,0495 |
1 |
0,9775 |
87. |
0,9672 |
0,9547 |
0,7092 |
0,7775 |
0,0557 |
0,0173 |
-0,033 |
0,0384 |
1 |
0,9775 |
88. |
0,9672 |
0,9321 |
0,7092 |
0,7888 |
0,0527 |
0,0101 |
-0,033 |
0,0426 |
1 |
0,9888 |
89. |
0,9672 |
0,9745 |
0,6867 |
0,7888 |
0,0829 |
0,0112 |
-0,033 |
0,0717 |
1 |
0,9888 |
Расчет системных показателей построенной когнитивной карты выявил высокий уровень консонанса. Анализ полученных значений позволяет определить концепты, оказывающие наиболее значимое влияние на систему. Так, наиболее значимое положительное влияние на систему среди всех концептов оказывают концепты: 35. Объём запасов природных ресурсов, 89. Предприятия добывающей промышленности, 86. Предприятия химической промышленности, 57. Производительность труда, 87.Предприятия нефтехимической промышленности.
На следующем этапе когнитивного моделирования проведены статическое и динамическое моделирование.
Статическое и динамическое моделирование
Задачей статического моделирования является выявление точек бифуркации, в которых социально-экономическая система переходит в неустойчивое состояние. Определяются значения факторов, соответствующих этому состоянию. Кроме того, статическое моделирование позволяет выявить наиболее значимые классы управляющих концептов и их цепочек, оказывающих существенное влияние на целевые концепты. С этой целью строятся альфа-срезы когнитивной карты (срезы α-уровня для различных значений α), обычно на уровнях в интервале 75–90%.
На этапе статического моделирования был получен срез когнитивной карты α-уровня при α = 80%, представленный на рис. 4. Анализ полученного среза, включающего 27 значимых управляющих концептов позволил сделать следующие выводы:
- ключевое влияние на целевой концепт ВРП оказывают цепочки: Объём запасов природных ресурсов – Добывающая промышленность – Ассортиментная структура производства - Объём производства – Объём продаж.
- ключевое влияние на целевой концепт Уровень жизни оказывают цепочки: Производительность труда – Средняя заработная плата.
- ключевое влияние на целевой концепт Ассигнования на науку оказывают цепочки: Образовательный потенциал – Уровень образованности – Уровень расходов на НИОКР.
- ключевое влияние на целевой концепт Уровень транспортной сети оказывают цепочки: Использование транспорта – Транспортная инфраструктура.
- ключевое влияние на целевой концепт Уровень преступности оказывают цепочки: Численность граждан рабочего возраста – Численность работоспособного населения – Уровень безработицы.
На следующем шаге исследований проведено динамическое моделирование, которое выполнятся на основе импульсных процессов. Импульсные воздействия на управляющие факторы позволяет оценить характер изменения факторов в цепочках и целевых факторов, а также оценить устойчивость когнитивной карты, т.е. определить через какое количество тактов импульсного воздействия когнитивная карта переходит в устойчивое состояние. Динамическое моделирование включает этапы: генерация базового набора сценариев (альтернатив) развития региона; исследование альтернатив с помощью импульсного процесса; анализ альтернативных сценариев в условиях ограничений на выделяемые
Рисунок 4 – Срез α-уровня когнитивной карты (создано Чикуновым К. Э. в программном продукте Draw.io)
ресурсы для приращения управляющих факторов и выдача рекомендаций для построения дорожной карты развития региона.
Процесс динамического моделирования в среде инструментально-моделирующего средства «ИГЛА» включает этапы:
1. Задание случайного стартового импульса, воздействующего на управляющие концепты системы.
2. Расчет изменения уровней концептов когнитивной карты за один шаг условного времени с учетом взаимосвязей концептов.
3. Регистрация показателей конечного состояния концептов системы.
4. Оценка степени достижения целевого параметра в альтернативе, соответствующей исходным данным.
5. Сравнение альтернатив по степени достижения целевого показателя и выбор наилучших альтернатив. и выбора наилучших
6. Фиксация параметров стартового импульса для лучших альтернатив.
7. Выявление концептов стартового импульса, обеспечивающих достижение требуемого значения целевого показателя.
По результатам динамического моделирования альтернатив в условиях заданных ограничений на ресурсы получено около 6561 недоминируемых вариантов социально-экономического развития региона Арктической зоны и выбраны наилучшие (таблицы 8–10).
Таблица 8 – Параметры наилучших альтернатив для целевого концепта Валовый региональный продукт (фрагмент)
Управляющий концепт |
Альт. 553 |
Альт. 758 |
Альт. 1201 |
Объем производства |
Высокий |
Средний |
Высокий |
Уровень инвестиций в ВВП |
Низкий |
Высокий |
Средний |
Сумма собираемых налогов |
Низкий |
Высокий |
Средний |
Уровень употребления алкоголя |
Низкий |
Низкий |
Низкий |
Использование транспорта |
Высокий |
Средний |
Высокий |
Численность граждан рабочего возраста |
Высокий |
Высокий |
Высокий |
Уровень расходов на НИОКР |
Средний |
Низкий |
Средний |
………. |
………… |
……… |
………. |
Результат: ВРП |
Высокий |
Высокий |
Высокий |
Число шагов для достижения целевого уровня |
3 |
5 |
4 |
Таблица 9 – Параметры наилучших альтернатив для целевого концепта Уровень преступности (фрагмент)
Управляющий концепт |
Альт. 553 |
Альт. 758 |
Альт. 1201 |
Объем производства |
Высокий |
Средний |
Высокий |
Уровень инвестиций в ВВП |
Низкий |
Высокий |
Средний |
Сумма собираемых налогов |
Низкий |
Высокий |
Средний |
Уровень употребления алкоголя |
Низкий |
Низкий |
Низкий |
Использование транспорта |
Высокий |
Средний |
Высокий |
Численность граждан рабочего возраста |
Высокий |
Высокий |
Высокий |
Уровень расходов на НИОКР |
Средний |
Низкий |
Средний |
………. |
………. |
………. |
………. |
Результат: Уровень преступности |
Низкий |
Низкий |
Низкий |
Число шагов для достижения целевого уровня |
5 |
5 |
5 |
Таблица 10 – Параметры наилучших альтернатив для целевого концепта Уровень жизни (фрагмент)
Управляющий концепт |
Альт. 553 |
Альт. 758 |
Альт. 1201 |
Объем производства |
Высокий |
Средний |
Высокий |
Уровень инвестиций в ВВП |
Низкий |
Высокий |
Средний |
Сумма собираемых налогов |
Низкий |
Высокий |
Средний |
Уровень употребления алкоголя |
Низкий |
Низкий |
Низкий |
Использование транспорта |
Высокий |
Средний |
Высокий |
Численность граждан рабочего возраста |
Высокий |
Высокий |
Высокий |
Уровень расходов на НИОКР |
Средний |
Низкий |
Средний |
………. |
………. |
………. |
………. |
Результат: Уровень жизни |
Высокий |
Высокий |
Высокий |
Число шагов для достижения целевого уровня |
5 |
5 |
5 |
Представленные в таблицах 8–10 результаты позволяют ЛПР выбрать наиболее предпочтительную альтернативу с учётом исходного состояния по каждому из управляющих концептов на текущей момент времени и имеющихся ресурсов, выделяемых для их пошагового приращения.
Таким образом полученные результаты позволяют в условиях заданных ограничений на выделение ресурсов выработать рациональное решение по вложению средств на приращение управляющих факторов с целью достижения требуемого значения целевого показателя, обеспечивающего устойчивое социально-экономическое развитие региона АЗРФ.
Заключение
В результате выполненного исследования была разработана когнитивная модель влияния выявленных факторов на показатели устойчивого развитие региона АЗРФ.
Исследование когнитивной модели позволило получить альфа-срез, определяющий какие цепочки концептов оказывают существенное влияние на показатели устойчивого развития. В итоге выявлены наиболее значимые факторы, воздействуя на которые можно получить желаемое приращение целевых показателей устойчивого развития региона в условиях заданных ограничений на имеющиеся ресурсы.
Результаты динамического моделирования позволили сформулировать научно-обоснованные предложения по обеспечению динамики вектора устойчивого развития региона АЗРФ путём пошагового изменения управляющих факторов, что позволяет сформировать дорожную карту в соответствии со Стратегии развития Арктической зоны РФ и обеспечения национальной безопасности на период до 2035 года.
Цель исследования достигнута, полученные результаты имеют ярко выраженную практическую значимость.
Перспективным направлением исследований рассматриваемой предметной области является развитие подхода к моделированию слабоструктурированных и плохо формализуемых систем на основе комбинаций методов: теории когнитивного моделирования, теории активных систем и теории самоорганизации.
Список использованных источников
1. Распоряжение правительства РФ от 15.04.2021 №996-р Единый план мероприятий по реализации Основ государственной политики РФ в Артике на период до 2035 года и Стратегии развития Арктической зоны РФ и обеспечения национальной безопасности на период до 2035 года.
2. Указ Президента РФ от 5 марта 2020г. №164 Основы государственной политики Российской Федерации в Арктике на период до 2020 года и дальнейшую перспективу.
3. Указ Президента РФ от 26 октября 2020г. № 645 Стратегия развития Арктической зоны Российской Федерации и обеспечения национальной безопасности на период до 2035г.
4. Захарова Е. Н. О когнитивном моделировании устойчивого развития социально-экономических систем // Вестник Адыгейского государственного университета. Серия 1: Регионоведение: философия, история, социология, юриспруденция, политология, культурология. 2007. №1. [Электронный ресурс] https://cyberleninka.ru/article/n/o-kognitivnom-modelirovanii-ustoychivogo-razvitiya-sotsialno-ekonomicheskih-sistem (дата обращения: 11.03.2023).
5. Подвесовский А.Г., Лагерев Д.Г., Коростелев Д.А. СППР "ИГЛА".2018. [Электронный ресурс]: http://iipo.tu-bryansk.ru/quill/developers.html. (датаобращения: 03.03.2023)
6. Tolman E. Cognitive Maps in Rats and Men // Psychological Review. 1948. Vol. 55 (4). Pp. 189–208.
7. Переварюха, А. Ю. Когнитивное моделирование в анализе структурного взаимодействия экологических процессов Каспийского моря / А. Ю. Переварюха // Прикладная информатика. – 2014. – № 5. – С. 108–118. – [Электронный ресурс] http://www.appliedinformatics.ru/general/upload/articles/p108-118-renamed.pdf (дата обращения: 03.03.2023).
8. Гинис, Л. А. Развитие метамодели информационно-управляющих систем сложных объектов с учетом когнитивного подхода / Л. А. Гинис, О. В. Давыденко // Российский экономический вестник. – 2019. – Т. 2, № 6. – С. 166–171. – [Электронный ресурс]: http://dgpu-journals.ru/archives/10238 (дата обращения: 12.03.2023).
9. Klimenko, A. The Cognitive Approach to the Coverage-Derected Test Generation / A. Klimenko, G. Gorelova, V. Korobkin. – DOI 10.1007/978-3-319- 67621-0_34 // Advances in Intelligent Systems and Computing. – 2018. – Vol. 662. – Pp. 372–380. – [Электронныйресурс]: https://link.springer.com/chapter/10.1007% 2F978-3-319-67621-0_34 (датаобращения: 12.04.2023).
10. Kuleshov, V. V. Methods of Cognitive Analysis in Devising and Substantiating Strategies of Economic Development / V. V. Kuleshov, A. V. Alekseev, M. A. Yagolnitser. – DOI 10.1134/S1075700719020096 // Studies on Russian Economic Development. – 2019. – Vol. 30. – Pp. 185–191. – [Электронныйресурс]: https://link.springer. com/article/10.1134/S1075700719020096 (датаобращения: 12.04.2023).
11. Оценка рисков кибербезопасности АСУ ТП промышленных объектов на основе вложенных нечетких когнитивных карт / В. И. Васильев, А. М. Вульфин, М. Б. Гузаиров [и др.]. – DOI 10.17587/it.26.213-221 // Информационные технологии. – 2020. – Т. 26, № 4. – С. 213–221. – [Электронный ресурс]: http://novtex.ru/IT/eng/ doi/it_26_213-221.html (дата обращения: 12.03.2023).
12. Towards a Fuzzy Cognitive Map for Opinion Mining / J. Aguilar, O. Téran, H. Sánchez [et al.]. – DOI 10.1016/j.procs.2017.05.287 // Procedia Computer Science. – 2017. – Vol. 108. – Pp. 2522–2526. – [Электронныйресурс]: https://www.sciencedirect.com/ science/article/pii/S1877050917309432? via%3Dihub (датаобращения: 12.03.2023).
13. Kalantari, T. Readiness Assessment of Leagility Supply Chain Based on Fuzzy Cognitive Maps, and Interpretive Structural Modeling: A Case Study / T. Kalantari, F. Khoshalhan. – DOI 10.1108/JBIM-01-2017-0008 // Journal of Business & Industrial Marketing. – 2018. – Vol. 33, issue 4. – Pp. 442–456. – [Электронныйресурс]: https://www.emerald.com/insight/content/doi/10.1108/JBIM-01-2017-0008/full/html (датаобращения: 12.03.2023).
14. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. Горячаялиния – Телеком, Москва, 2015. – 283с.
15. Kuznetsov O. P. Cognitive modeling of semi-structured situations // http://posp.raai.org/data/posp2005/Kuznetsov/kuznetsov.html.
16. Микрюков А.А., Мазуров М. Е. Методический аппарат когнитивного моделирования социально-экономической системы (университета). Статистика и Экономика. 2022. – №19(4). – С. 71–86.
17. Мельник М. С. Моделирование тенденций и закономерностей трудовой деятельности в России: когнитивный подход / М. С. Мельник, В. Д. Орехов, О. С. Причина // Проблемы экономики и юридической практики. – 2018. – № 3. – С. 94–101.
18. Солодуха, П. В. Динамическое моделирование тенденций социально-экономического развития в сфере трудовой деятельности в России / П. В. Солодуха, В. Д. Орехов, С. В. Селиванов // Проблемы экономики и юридической практики. – 2018. – № 4. – С. 78–82.
19. Надеждин Е.Н. Нечёткая когнитивная модель механизма обеспечения конкурентоспособности программного продукта // Austrian Journal of Technical and Natural Sciences. 2016. №1–2. [Электронный ресурс]: https://cyberleninka.ru/article/n/nechyotkaya-kognitivnaya-model-mehanizma-obespecheniya-konkurentosposobnosti-programmnogo-produkta (дата обращения: 11.04.2023).
20. Хрусталёв Е.Ю. Концептуальный подход к анализу процессов экономического обеспечения военной безопасности государства // Национальные интересы: приоритеты и безопасность. 2010. № 35.– С 29–36.