Информационные и когнитивные технологии в управлении качеством жизни путем инвестиций в АПК: решение задач прогнозирования и принятия решений

Рассмотрение различных показателей, характеризующих экономическую составляющую качества жизни населения региона. Алгоритм принятия управляющих решений в автоматизированном системно-когнитивном анализе (АСК-анализе) и его программном инструментарии.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 26.01.2020
Размер файла 2,3 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

ИНФОРМАЦИОННЫЕ И КОГНИТИВНЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ КАЧЕСТВОМ ЖИЗНИ ПУТЕМ ИНВЕСТИЦИЙ В АПК: РЕШЕНИЕ ЗАДАЧ ПРОГНОЗИРОВАНИЯ И ПРИНЯТИЯ РЕШЕНИЙ

Барановская Татьяна Петровна

доктор экономических наук, профессор, заведующая кафедрой системного анализа и обработки информации факультета прикладной информатики

Вострокнутов Александр Евгеньевич

кандидат экономических наук, доцент кафедры системного анализа и обработки информации

Яхонтова Ирина Михайловна

к.э.н., доцент ФГБОУ ВО «Кубанский государственный аграрный университет им. И. Т. Трубилина»; 350044, г. Краснодар, ул. Калинина, 13

Аннотация

В предыдущих работах авторов решены задачи когнитивно-целевой структуризации и формализации предметной области, а также синтеза и верификации статистических и системно-когнитивных моделей. Данная работа посвящена применению этих моделей для решения задачи прогнозирования влияния объемов и направленности инвестиций в АПК на экономическую составляющую качества жизни населения региона. Данная работа посвящена применению ранее созданных и верифицированных моделей для решения задачи принятия решений по объемам и направленности инвестиций в АПК, повышающим уровень качества жизни населения региона

Ключевые слова: АСК-АНАЛИЗ, СИСТЕМА «ЭЙДОС», АВТОМАТИЗИРОВАННЫЙ СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, КАЧЕСТВО ЖИЗНИ, РЕГИОН, ИНВЕСТИЦИИ

Annotation

INFORMATION AND COGNITIVE TECHNOLOGIES IN QUALITY OF LIFE MANAGEMENT THROUGH INVESTMENTS IN AGRICULTURE: SOLVING PROBLEMS OF FORECASTING AND DECISION-MAKING

Baranovskaya Tatyana Petrovna

Doctor of economic Sciences, Professor, head of the Department of system analysis and information processing of the faculty of applied Informatics

Vostroknutov Alexander Evgenievich

Сand.Econ.Sci., associate professor of the system analysis and information processing department

Yahontova Irina Mihaylovna

Cand.Econom.Sci., associate professor

Kuban state agrarian University named after I. T. Trubilin, Krasnodar, Russia

In their previous works, the authors solved the problem of cognitive-target structuring and formalization of the subject area, as well as the synthesis and verification of statistical and system-cognitive models. This work is devoted to the application of these models to solve the problem of forecasting the impact of the volume and direction of investment in agriculture on the economic component of the quality of life of the population of the region. This work is devoted to the use of previously created and verified models to solve the problem of decision-making on the volume and direction of investment in agriculture, improving the quality of life of the population of the region

Keywords: ASC-ANALYSIS, EIDOS SYSTEM, AUTOMATED SYSTEM-COGNITIVE ANALYSIS, QUALITY OF LIFE, REGION, INVESTMENTS

РЕШЕНИЕ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ

В работах [1, 2, 3] решены задачи когнитивно-целевой структуризации и формализации предметной области, а также синтеза и верификации статистических и системно-когнитивных моделей. Данная работа посвящена применению этих моделей для решения задачи прогнозирования влияния объемов и направленности инвестиций в АПК на экономическую составляющую качества жизни населения региона.

Соответственно, в качестве значений факторов, влияющих на качество жизни, мы будем рассматривать объемы и направленность инвестиций в АПК (таблица 1), а в качестве результатов влияния этих значений факторов на объект моделирования будем рассматривать различные показатели, характеризующие экономическую составляющую качества жизни населения региона (таблица 2).

Для осуществления прогнозирования результатов влияния объемов и направленности инвестиций в АПК на экономическую составляющую качества жизни необходимо выполнить следующие этапы:

- этап 1-й: подготовить исходные данные для прогнозирования в виде Excel-файла с именем Inp_rasp.xls точно такой же структуры, как файл исходных данных Inp_data.xls;

- этап 2-й: ввести исходные данные для прогнозирования из Excel-файла Inp_rasp.xls в систему «Эйдос»;

- этап 3-й: провести пакетное прогнозирование;

- этап 4-й: получить результаты прогнозирования в виде экранных форм и таблиц.

Ниже кратко рассмотрим выполнение этих этапов.

Таблица 1 - Значения факторов - объемы и направленность инвестиций в АПК

Таблица 2 - Показатели, характеризующие экономическую составляющую качества жизни населения региона

Этап 1-й. В качестве данных для прогнозирования используем данные обучающей выборки. Таким образом файл Inp_rasp.xls получим просто путем копирования файла Inp_data.xls с заменой имени. В результате получим файл: c:\Aidos-X\AID_DATA\Inp_data\Inp_rasp.xls, размещенный в той же папке Inp_data, из котрой система «Эйдос» берет исходные данные не только для формирования модели, но и для прогнозирования.

Этап 2-й. Для ввода исходных данных для прогнозирования из Excel-файла Inp_rasp.xls в систему «Эйдос» используем тот же программный интерфейс 2.3.2.2 (API), что и для ввода обучающей выборки, с параметрами, приведенными на рисунке 1:

Рисунок 1. Экранная форма программного интерфейса 2.3.2.2 (API), что и для ввода обучающей и прогнозируемой выборки

В результате работы данного программного интерфейса получим прогнозируемую выборку (рисунок 2):

Рисунок 2. Фрагмент прогнозируемой выборки

Этап 3-й. Для выполнения пакетного прогнозирования в режиме 5.6 зададим текущей наиболее достоверную по критерию L1 модель Inf3 (рисунок 3) и выполним в не режим 4.1.2 (рисунок 4):

Рисунок 3. Присвоение наиболее достоверной модели Inf3 статуса текущей

Рисунок 4. Выбор графического процессора для прогнозирования

Этап 4-й. В результате прогнозирования получается 10 различных выходных форм, из которых мы рассмотрим только одну (рисунок 5).

На экранной форме, приведенной на рисунке 5, мы видим прогнозируемые на определенный год (по ретроспективным данным) значения различных показателей, характеризующих экономические аспекты качества жизни в Краснодарском крае. Значения показателей, соответствующие факту, т.е. фактически осуществившиеся прогнозы, отмечены символом: «».

В качестве факторов выступают объемы и направленность инвестиций в АПК (таблица 1). В качестве результатов действия факторов выступают различные показатели, характеризующие экономическую составляющую качества жизни населения региона (таблица 2). В системно-когнитивной модели (СК-модели) Inf3 отражено, какое количество информации содержится в каждом значении фактора о переходе объекта моделирования во все состояния, соответствующее классам. Но на каждый определенный период прогнозирования одновременно действует не одно, а много значений факторов. Степень сходства ситуации, сложившейся на определенный период, с обобщенными образами классов определяется в соответствии с аддитивным интегральным критерием. Этот интегральный критерий представляет собой суммарное количество информации, содержащееся во всех значениях действующих факторов о том, что объект моделирования перейдет в каждое из будущих состояний, соответствующих классам. Для каждого класса вычисляется значение интегрального критерия. Далее классы ранжируются в порядке убывания значения интегрального критерия и эта информация выводится в виде экранной формы, представленной на рисунке 5.

Рисунок 5. Экранная форма с результатами прогнозирования

Таким образом, в результате данной работы созданы определенные предпосылки для решения задачи поддержки принятия решений по объемам и направленности инвестиций в АПК, наиболее существенно влияющих на экономическую составляющую качества жизни, а также задачи исследования моделируемой предметной области путем исследования ее модели.

РЕШЕНИЕ ЗАДАЧИ ПРИНЯТИЯ РЕШЕНИЙ

Данная работа посвящена применению этих моделей для решения задачи принятия решений по таким объемам и направленности инвестиций в АПК, которые оказывают наиболее существенное влияние на повышение экономической составляющей качества жизни населения региона.

Управление - это деятельность по достижению целей. Эта задача решается на основе знания причинно-следственных зависимостей, отражающих влияние различных значений факторов на поведение объекта управления. Для перевода объекта управления в заданное целевое стояние необходимо принимать решения о том, какими значениями факторов на него воздействовать.

SWOT-анализа классов проводится с целью определения значений факторов, обуславливающих переход объекта управления в заданное целевое состояние (рисунок 1).

Рисунок 6. SWOT-диаграмма с системой детерминации целевого состояния (пример)

Кластерный анализ классов используется для определения корректности целей управления, т.е. определения того, являются ли целевые состояния объекта моделирования совместимыми по обуславливающим их значениям факторов, и, следовательно, достижимыми одновременно, или они являются взаимно исключающими, т.е. альтернативными и одновременно получены быть не могут (рисунок 2).

Рисунок 7. Агломеративная дендрограмма кластерного анализа классов

Например, из дендрограммы на рисунке 2 мы видим, что средний уровень безработицы (код 17) обусловлен примерно теми же значениями факторов, что и средняя доля населения с наивысшими доходами (код 11).

Кластерный анализ значений факторов используется для замены рекомендуемых значений факторов, которые нет возможности использовать, на другие, сходные по влиянию на объект управления (рисунок 3).

На рисунке 4 приведен алгоритм принятия управляющих решений в автоматизированном системно-когнитивном анализе (АСК-анализе) и его программном инструментарии - интеллектуальной системе «Эйдос».

алгоритм автоматизированный когнитивный программный

Рисунок 8. Агломеративная дендрограмма кластерного анализа значений факторов

Рисунок 9. Алгоритм принятия управляющих решений в АСК-анализе и системе «Эйдос»

Алгоритм принятия решений

Шаг 0-й. Когнитивно-целевая структуризация и формализация предметной области, синтез и верификация модели.

Шаг 1-й. Решаем задачу поддержки принятия решений путем применения автоматизированного когнитивного SWOT-анализа.

Шаг 2-й. Оцениваем технологические и финансовые возможности применения на практике предлагаемых значений факторов.

Шаг 3-й. Если такая возможность имеется для всех значений факторов, то принимаем их для реализации на практике и выходим из алгоритма принятия решений. Если же такой возможности нет, то исключаем из системы значений факторов те из них, которые по каким-либо причинам нет возможности применить и переходим на шаг 4.

Шаг 4-й. Прогнозирование результатов применения на практике сокращенной системы значений факторов в которой есть только те, которые есть реальная возможность применить.

Шаг 5-й. Если прогнозируемый результат применения на практике сокращенной системы значений факторов устраивает, то принимаем их для реализации на практике и выходим из алгоритма принятия решений. Если же прогноз показывает, что целевое состояние при использовании сокращенной системы значений факторов не будет достигнуто, то переход на шаг 6.

Шаг 6-й. Заменяем рекомендованные на шаге 1, но удаленные на шаге 3 значения факторов другими, сходными по влиянию на объект моделирования и управления, но такие, которые есть возможности применить. Эти значения факторов для замены выбираются с использованием результатов кластерно-конструктивного анализа факторов.

Шаг 7-й. Прогнозирование результатов применения на практике системы значений факторов, сформированной на шаге 6.

Шаг 8-й. Если прогнозируемый результат применения на практике системы значений факторов, сформированной на шаге 6, устраивает, то принимаем их для реализации на практике и выходим из алгоритма принятия решений. Если же прогноз показывает, что целевое состояние при использовании этой системы значений факторов не будет достигнуто, то переход на шаг 0.

Таким образом, в результате данной работы созданы предпосылки для решения задачи исследования моделируемой предметной области путем исследования ее модели.

Это планируется сделать в последующих работах.

Литература

1. Луценко Е.В., Лойко В.И., Барановская Т.П. От управления инвестициями к управлению с помощью инвестиций. // НОВЫЕ ТЕХНОЛОГИИ. Вып. 4, 2017 г. - Майкоп: изд-во ФГБОУ ВО «МГТУ», 2017. - 184 -191.

2. Барановская Т.П., Луценко Е.В. Информационные и когнитивные технологии в управлении качеством жизни путем инвестиций в АПК: формальная постановка задачи // НОВЫЕ ТЕХНОЛОГИИ. Вып. 3, 2018 г. - Майкоп: изд-во ФГБОУ ВО «МГТУ», 2018. - 86 - 91.

3. Барановская Т.П., Луценко Е.В. Информационные и когнитивные технологии в управлении качеством жизни путем инвестиций в АПК: синтез и верификация системно-когнитивных моделей // НОВЫЕ ТЕХНОЛОГИИ. Вып. 4, 2018 г. - Майкоп: изд-во ФГБОУ ВО «МГТУ», 2018. - 102 -107.

4. Барановская Т.П., Луценко Е.В. Информационные и когнитивные технологии в управлении качеством жизни путем инвестиций в АПК: формальная постановка задачи // НОВЫЕ ТЕХНОЛОГИИ. Вып. 3, 2018 г. - Майкоп: изд-во ФГБОУ ВО «МГТУ», 2018. - 86 - 91. References:

1. Lucenko E.V., Lojko V.I., Baranovskaja T.P. Ot upravlenija investicijami k upravleniju s pomoshh'ju investicij. // NOVYE TEHNOLOGII. Vyp. 4, 2017 g. - Majkop: izd-vo FGBOU VO «MGTU», 2017. - 184 -191.

2. Baranovskaja T.P., Lucenko E.V. Informacionnye i kognitivnye tehnologii v upravlenii kachestvom zhizni putem investicij v APK: formal'naja postanovka zadachi // NOVYE TEHNOLOGII. Vyp. 3, 2018 g. - Majkop: izd-vo FGBOU VO «MGTU», 2018. - 86 - 91. 3. Baranovskaja T.P., Lucenko E.V. Informacionnye i kognitivnye tehnologii v upravlenii kachestvom zhizni putem investicij v APK: sintez i verifikacija sistemno-kognitivnyh modelej // NOVYE TEHNOLOGII. Vyp. 4, 2018 g. - Majkop: izd-vo FGBOU VO «MGTU», 2018. - 102 -107.

4.Baranovskaja T.P., Lucenko E.V. Informacionnye i kognitivnye tehnologii v upravlenii kachestvom zhizni putem investicij v APK: formal'naja postanovka zadachi // NOVYE TEHNOLOGII. Vyp. 3, 2018 g. - Majkop: izd-vo FGBOU VO «MGTU», 2018. - 86 - 91.

Размещено на Allbest.ru

...

Подобные документы

  • Задача анализа деловой активности, факторы, влияющие на принятие решений. Современные информационные технологии и нейронные сети: принципы их работы. Исследование применения нейронных сетей в задачах прогнозирования финансовых ситуаций и принятия решений.

    дипломная работа [955,3 K], добавлен 06.11.2011

  • Человеко-машинные комплексы, специально предназначенные для принятия решений. Процесс принятия решений и его этапы. Методы поиска новых вариантов решений: дерево решений, морфологические таблицы, конференции идей. Принцип математической оценки тенденций.

    курсовая работа [272,1 K], добавлен 30.07.2009

  • Информационные технологии в управлении: комплекс методов переработки исходных данных в оперативную информацию механизма принятия решений с помощью аппаратных и программных средств с целью достижения оптимальных рыночных параметров объекта управления.

    контрольная работа [24,1 K], добавлен 15.03.2013

  • Методы решения проблем, возникающих на стадиях и этапах процесса принятия решений, их реализация в информационных системах поддержки принятия решений (СППР). Назначение СППР, история их эволюции и характеристика. Основные типы СППР, области их применения.

    реферат [389,3 K], добавлен 22.11.2016

  • Интеллектуальный анализ данных как метод поддержки принятия решений, основанный на анализе зависимостей между данными, его роль, цели и условия применения. Сущность основных задач интеллектуального анализа: классификации, регрессии, прогнозирования.

    контрольная работа [25,8 K], добавлен 08.08.2013

  • Реализация интерфейса пользователя для инструментального средства, обеспечивающего работу с таблицами принятия решений, встроенными в систему управления базами данных Oracle. Составление таблиц принятия решений и архитектуры инструментального средства.

    курсовая работа [1,8 M], добавлен 18.07.2014

  • Классификация задач системы поддержки принятия решений, их типы и принципы реализации при помощи программы "Выбор". Обзор современных систем автоматизированного проектирования "Компас", "AutoCad", "SolidWorks", оценка преимуществ и недостатков программ.

    курсовая работа [1,4 M], добавлен 22.07.2014

  • Классификация систем поддержки принятия решений. Сравнительный анализ методик для оценки рисков розничного кредитования. Структура системы поддержки принятия решений, формирование начальной базы знаний. Проектирование базы данных информационной системы.

    дипломная работа [1,9 M], добавлен 10.07.2017

  • Основное назначение и функции корпоративных информационных систем. Этапы эволюции и виды КИС. Оперативное предоставление актуальной информации для принятия управленческих решений. Создание базы для принятия как можно меньшего числа ошибочных решений.

    презентация [407,8 K], добавлен 02.12.2014

  • Анализ применения нейронных сетей для прогнозирования ситуации и принятия решений на фондовом рынке с помощью программного пакета моделирования нейронных сетей Trajan 3.0. Преобразование первичных данных, таблиц. Эргономическая оценка программы.

    дипломная работа [3,8 M], добавлен 27.06.2011

  • Концепция систем поддержки принятия решений. Диапазон применения Analytica 2.0. Программное обеспечение количественного моделирования. Графический интерфейс для разработки модели. Основные способы моделирования. Диаграмма влияния и дерево решений.

    контрольная работа [1,1 M], добавлен 08.09.2011

  • Рассмотрение понятия и истории возникновения систем поддержки принятия решения. Приспособленность информационных систем к задачам повседневной управленческой деятельности. Понятие термина "интеллектуальный анализ данных". Методика извлечения знаний.

    реферат [79,8 K], добавлен 14.04.2015

  • Разработка алгоритмического и программного обеспечения для решения задачи поддержки принятия решений о выпуске новой продукции. Математическое обеспечение задачи поддержки принятия решений о выпуске новой продукции, основные входные и выходные данные.

    дипломная работа [943,0 K], добавлен 08.03.2011

  • Классификация методов анализа по группам. Сбор и хранение необходимой для принятия решений информации. Подготовка результатов оперативного и интеллектуального анализа для эффективного их восприятия потребителями и принятия на её основе адекватных решений.

    контрольная работа [93,2 K], добавлен 15.02.2010

  • Информационные системы и технологии, их особенности и классификация в организационном управлении. Локальная вычислительная сеть средних организаций. Основы теории экономического управления предприятием. Оперативный (операционный) уровень принятия решений.

    реферат [35,6 K], добавлен 27.06.2014

  • Изучение назначения и основных задач, которые решает Project Expert - система поддержки принятия решений (СППР), предназначенная для менеджеров, проектирующих финансовую модель нового или действующего предприятия. Программные приложения, этапы работы.

    реферат [30,7 K], добавлен 19.05.2010

  • Разработка и внедрение программного модуля поддержки принятия управленческих решений для информационной системы медицинского предприятия ООО "Центр эндохирургических технологий". Эффективность применения модуля, полученные с его помощью результаты.

    дипломная работа [1,9 M], добавлен 11.04.2013

  • Типы административных информационных систем: системы генерации отчетов, системы поддержки принятия решений, системы поддержки принятия стратегических решений. Сортировка и фильтрация списков в Microsoft Excel. Работа с базами данных в Microsoft Access.

    контрольная работа [6,0 M], добавлен 19.11.2009

  • Развитие информационных технологий в области промышленной автоматизации. Применение SCADA-технологий. Алгоритм определения наилучшей SCADA–системы. Сбор данных и передача управляющих воздействий. Программный продукт, открытые программные интерфейсы WinCC.

    курсовая работа [511,0 K], добавлен 17.01.2009

  • Обслуживание двух встречных потоков информации. Структура информационных систем. Разработка структуры базы данных. Режимы работы с базами данных. Четыре основных компонента системы поддержки принятия решений. Выбор системы управления баз данных.

    курсовая работа [772,0 K], добавлен 21.04.2016

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.