Содержание к диссертации
Введение
Глава I. Теоретические основы механизма управления экономикой муниципального образования 15
1.1. Сущность и структура механизма управления экономикой муниципального образования (города) 15
1.2. Место и роль информационных технологий в управлении муниципальным образованием (городом) 36
1.3. Опыт и проблемы управления экономикой муниципального образования (города) 46
Глава II. Методика прогнозного моделирования производства с использованием информационной технологии нейронных сетей 64
2.1. Базовые понятия теории нейронных сетей применительно к управлению экономическими процессами 64
2.2. Методика прогнозного моделирования производства в экономике муниципального образования с использованием нейронной сети 89
2.3. Модели производства в экономике муниципального образования "Город Ухта" 97
Глава III. Применение методики прогнозного моделирования производства в управлении экономикой муниципального образования 110
3.1 Реализация методики прогнозного моделирования производства на основе автоматизированной информационной системы 110
3.2. Формирование управляющих воздействий на основе результатов прогнозного моделирования производства 126
Заключение 136
Литература 142
Приложения 153
- Место и роль информационных технологий в управлении муниципальным образованием (городом)
- Базовые понятия теории нейронных сетей применительно к управлению экономическими процессами
- Модели производства в экономике муниципального образования "Город Ухта"
- Формирование управляющих воздействий на основе результатов прогнозного моделирования производства
Введение к работе
Актуальность исследования. Одной из современных тенденций развития российского общества является децентрализация хозяйственной жизни, когда центр принятия управленческих решений смещается на региональный и местный уровень и значительно возрастают требования к технологии муниципального управления.
В настоящее время для местных структур управления особую важность имеет решение задачи развития подчиненных территорий. Однако, существующие противоречия, когда муниципальные образования обладают развитым производственным потенциалом, и, в то же время? имеют недостаточный уровень налоговых поступлений, создают проблемы в обеспечении социально-экономического развития территории. Это сказывается на жизненном уровне населения, на состоянии жилищно-коммунального хозяйства, здравоохранения, образования. Недостаточная налоговая база связаиа с большим количеством убыточных предприятий и, в целом, с несо-вершенством механизма управления муниципальным образованием, что не позволяет эффективно использовать имеющийся производственный потенциал для обеспечения социально-экономического развития территории.
Одним из направлений совершенствования механизма управления муниципальным образованием является повышение информированности местных властей о состоянии и развитии социально-экономических процессов на подведомственной территории, о текущей и перспективной ситуации на предприятиях, в том числе не относящихся к собствешюсти муниципалитетов.
Современный уровень науки и техники позволяет использовать новые информационные технологии — элементы искусственного интеллекта (искусственные нейронные сети), базы данных и банки знаний, которые способствуют получению новых знаний о состоянии и развитии территориальных социально-экономических систем. Их применение в муниципальном управлении даст возможность местным властям объективно оценить состояние социально-экономических процессов, сформировать информационную базу для принятия оптимальных управленческих решений по вопросам текущей ситуации и приоритетам перспективного развития отдельных предприятий и всей территории в целом.
Степень разработанности проблемы. В экономической литературе последних лет представлены научные разработки по различным аспектам совершенствования механизма управления экономикой муниципального образования в условиях перехода к рынку. Большое внимание уделяется формированию рыночных структур, региональной и муниципальной политике, совершенствованию механизма управления собственностью, межбгоджетным и налоговым отношениям, организации взаимодействия местной власти и хозяйствующих субъектов, технологии муниципального управления, выработке концепций и стратегий развития, разработке муниципальных программ и механизму их реализации, математическому обеспечению моделирования процессов развития в экономике. следования, специфику которого можно рассматривать в аспекте использования и муниципальном управлении новых информационных технологий на основе искусственного интеллекта.
Методологической базой исследования являются работы Й. Шумпетера, Ф. Тейлора, Г. Гантта, Ф.Б. Гилберта, С. Томпсона, X. Эмерсона, А. Файоля, ЛГыолика, Л.Урвика, Р.И.Шнипера, Б.П.Орлова, ПГ.Бунича, ЕГ.Анимицы, ДМ. Гвипшани, В.Н. Лексина, В.Н. Лаженцева, А.Н. Швецова, А.И. Татаркина, ВЛ. Любовного, Н.В. Тихомирова, Ю.М. Осипова, А.К. Осипова, СП. Болотова, А.С. Маршаловой, А.С. Новоселова, А.Г. Воронина, Т.Е. Дмитриевой, Г.А. Князевой, В. Анисимова, Ю. Винслава, В.Е. Рохчина, Э.А. Смирнова, Н.М. Большакова, Э.Н. Кузьбожева и др.
В процессе исследования был учтен конкретный опыт совершенствования механизма управления экономикой регионального и муниципального уровня, представленный в работах А.Г.Воронина, В.А. Лапина, А.Н.Широкова, В.В. Воложанина, И.С. Новоженовой, Ю.А. Чепурко, А.И. Афоничкина, Д.А. Демина, В.И. Малышева, А.А. Гибежа, Т.Н. Толстых, М.С. Бурьян, И.В. Затерт, АЛ. Обедкова, М.В. Ширин-кина и др.
В условиях информатизации общества особенное внимание необходимо уделять организации информационного обеспечения, информационным технологиям в управлений и технологии аналитической поддержки механизма управления экономикой мушщипального образования, поэтому в ходе исследования изучались работы С. Бира5 С Л. Никанорова, А.Н. Горбаня, АХ. Ивахненко, В.Г, Царегородцева, Б.Я. Советова, С.Л. Садова, В.И. Спирягина, Ю.Я. Чукреева, М.В. Хохлова, Ю.С. Попкова, Х.Н. Гизатуллина, В.Г. Щетинина и др.
Процессы информатизации общества предъявляют определенные требования к системе управления муниципальным образованием. Меняются формы, методы, механизм управления в целом. Вместе с тем, исследований, акцентирующих внимание на аспекте использования в муниципальном управлении информационных технологий, недостаточно. Поэтому автором сделана попытка показать возможности практического применения новых информационных технологий в управлении экономикой муниципального образования (МО) в целях повышения его эффективности.
Объектом исследования является механизм управления экономикой муниципального образования.
Предметом исследования являются информационные технологии в муниципальном управлении как инструмент проведения прогнозно-аналитических работ.
Цель исследования состоит в совершенствовании механизма управления экономикой муниципального образования на базе современных информационных технологий управления, предназначенных для выявления объективно действующих тенденций экономического развитая, анализа и моделирования факторов роста производства в границах муниципального образования и определения вариантов его
В соответствии с поставленной целью в работе решаются следующие задачи исследования:
определить понятие механизма управления экономикой мушщипального образования с учетом тенденций в теории и практике муниципального управления;
представить соотношение элементов механизма управления экономикой МО теоретической конструкцией с целью наглядного отображения его содержания» структуры, основных элементов;
определить место и роль информационных технологий в управлении;
выявить приоритетные направления совершенствования механизма управления экономикой МО городского типа с применением информационных технологий;
разработать методику проведения прогнозно-аналитических работ с применением информационной технологии нейронных сетей, позволяющую выполнять анализ и моделирование факторов роста производства; опробовать методику на конкретных материалах социально-экономического развития города Ухты; - разработать механизм применения методики прогнозного моделирования производства в муниципальном управлении на основе автоматизированной информационной системы (АИС).
Теоретической и методологической основой работы послужили труды отечественных и зарубежных ЭКОНОМИСТОВ, результаты фундаментальных и прикладных исследований в области муниципального управления, теории организации, теории систем, теории государственного .управления, теории нейронных сетей, информатизации общества, автоматизированных систем управления, их информационного обеспечения, прикладного использования аппарата нейронных сетей для решения задач в управлении.
Основной методологический подход, положенный в основу разработки проблемы - системный; при разработке технического проекта для автоматизации процесса прогнозно-аналитических работ логическая структура информационного обеспечения (структура баз данных, логическая модель системы) получена с помощью CASE-средств, инструментов изучения и описания управленческих процессов.
Информационную базу исследования составили данные органов статистики, информационные сборники, данные ежемесячного мониторинга, отчеты и прогнозы местных органов власти по социально-экономическому положению и развитию города и региона, документы органов государственного, регионального и местного управления по вопросам управления социально-экономическим развитием, законодательные и нормативные акты Российской Федерации, Республики Коми и муниципального образования (МО) "Город Ухта".
Научная новизна диссертационного исследования заключается в приоритетной постановке и решении задач по совершенствованию механизма управления экономикой муниципального образования на базе информационной технологии искусственного интеллекта. Механизм управления экономикой муниципального образования городского типа автором определяется как совокупность форм, методов и инструментов реализации функций управления с целью создания экономической базы улучшения качества жизни населения; результативность такого механизма обеспечивается его кадровой, информационно-технологической, нормативно-справочной, функционально-организационной подсистемами.
В процессе исследования получены теоретические и практические результаты, определяющие новизну и являющиеся предметом защиты:
? оформлена теоретическая конструкция механизма управления экономикой муниципального образования, включающая пять основных элементов: цели, приоритеты экономического развития, функции управления, формы, методы, инструменты управленческого воздействия; конструктивным элементом механизма является также объект управленческого воздействия - производство;
? определены место и роль информационных технологий в управлении. Комплексное использование информационных технологий в управлении выполняет базовую роль в совершенствовании механизма управления в целом - в результате повышается уровень реализации кадрового потенциала, совершенствуется функционально-организационная структура управления, формируется информационная база стратегического управления, обеспечиваются адаптивные свойства механизма управления применительно к рыночным условиям развития;
? доказано, что предпосылкой повышения эффективности механизма управления экономикой муниципального образования в современных рыночных условиях является усиление потенциала прогнозирования за счет применения информационной технологии искусственного интеллекта;
? предложена и апробирована методика построения прогнозных моделей роста производства с использованием обученной нейронной сети, позволяющая идентифицировать факторы развития экономики города;
? разработаны и представлены нейросетевые модели производства в экономике города, которые дают местным властям информацию для определения то-чек роста" и перспектив производства основных видов продукции, видения неблагоприятных тенденций и факторов развития экономики города;
разработаны рекомендации по внедрению и практическому использованию методики прогнозного моделирования производства на основе автоматизированной системы, АИС представлена моделями, характеризующими ее основные свойства, типовые элемент, функции, последовательность обработки информации, логическую и физическую структуры информационной базы системы. Логическая модель АИС получена с помощью CASE-средств. Нормативными документами определен порядок создания и внедрения автоматизированной системы в муниципальное управление, АИС является неотъемлемой частью и развитием представленной выше методики прогнозного моделирования, так как дает возможность сделать ее инструментом в повседневной работе специалистов местной администрации. Практическая значимость проведенного исследования состоит в возможности использования его материалов для совершенствования механизма управления экономикой муниципального образования за счет внедрения в структуру механизма управления элементов искусственного интеллекта, что позволит специалистам местных органов вдасти более достоверно и обоснованно выполнять прогнозно-аналитические функции:
формировать прогноз основных показателей социально-экономического развития муниципального образования в краткосрочном, среднесрочном, долгосрочном периоде;
разрабатывать модели производства муниципального образования с учетом особенностей, объективно отражающих состояние социально-экономических процессов территории;
определять структурные изменения в экономике МО;
оценивать воздействие на экономическое развитие мер государственной и региональной политики.
Полученные результаты могут быть использованы местными и республиканскими органами власти в практике управления муниципальным и территориальным развитием при выстраивании взаимоотношений с хозяйствующими субъектами, при разработке и реализации программ развития, при информатизации регионального и муниципального управления. .
Материалы и результаты данного исследования будут полезны при подготовке специалистов в области государственного и муниципального управления, при разработке учебных курсов информатики и информационных технологий в управлении, регионалистики.
Апробация работы- Материалы и результаты исследований докладывались на Республиканской научно-практической конференции по проблемам информатизации образования и науки (Сыктывкар, 1999); научно-практической конференции "Проблемы управления в XXI веке (региональный аспект)" (Ухта, 2000 и 2001); научно-технических конференциях в Ухтинском государственном техническом университете (Ухта, 2001 и 2002); некоторые материалы диссертационного исследования апробированы в докладах студентов, выполненных под руководством автора диссертации, представленных на межрегиональной молодежной научной конференции "Севергеоэкотех" (Ухта, 2000 и Ухта, 2001).
По теме диссертации опубликовано 11 работ, из них три статьи и одна монография. Общий объем публикаций - около 5 п.л.
Осповные положения, результаты и выводы диссертации используются в учебном процессе факультета информационных технологий Ухтинского государственного технического университета при чтении курсов "Информационная технология управления", "Системы искусственного интеллекта", "Методы искусственного интеллекта". Структура диссертации. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы, приложений. Основной текст работы из ложен на страницах, содержит 22 таблицы и 13 рисунков. Библиографический список включает 108 наименований.
Во введении дается обоснование актуальности проблемы и темы исследования; характеризуется степень ее разработанности; определяются объект, предмет, цель и задачи исследования; раскрывается новизна работы и ее практическая значимость; сформулированы положения, выносимые на защиту.
В первой главе диссертации "Теоретические основы механизма управления экономикой муниципального образования" с точки зрения системного подхода раскрыты сущность, содержание, роль и место механизма управления экономикой муниципального образования в системе муниципального управления. Определена структура механизма, его цели, задачи, функции, основные свойства. Дано авторское определение механизма управления и его сущности. Оформлена теоретическая конструкция механизма управления. Проанализирован опыт управления экономикой муниципального образования (города).
Во второй главе "Методика прогнозного моделирования производства в экономике муниципального образования с использованием информационной технологии нейронных сетей" представлены методика прогнозного моделирования и модели производства в экономике муниципального образования (города), разработанные с применением аппарата искусственных нейронных сетей. Предлагаемая методика может быть использована для выработки управляющих воздействий, направленных на достижение устойчивого развития муниципальной экономики.
Методика опробована на конкретных материалах социально-экономического развития МО "Город Ухта".
В результате выявлена совокупность факторов, определяющих рост производства основных видов продукции в экономике МО "Город Ухта", построена нейросе-тевая модель, отражающая характерные особенности процесса развития экономики города.
В третьей главе Применение методики прогнозного моделирования производства в управлении экономикой муниципального образования" разработаны рекомендации по внедрению и практическому использованию методики прогнозного моделирования производства на основе автоматизированной системы. Дано модельное описание системы, ее основных свойств, типовых компонентов, функций, структуры, последовательности обработки управленческой информации, логической и физической структуры информационной базы системы. На основе разработанного Технического задания на систему и Технического проекта определен порядок создания и внедрения автоматизированной системы.
В заключении диссертации сформулированы основные теоретические и практические выводы проведенного исследования.
Место и роль информационных технологий в управлении муниципальным образованием (городом)
Под информационной технологией понимается совокупность средств (технических, программных, математических, информационных, др.) и методов обработки данных, внедряемых и используемых в управлении [93]. В процессе развития информационной технологии функции ее видоизменялись и совершенствовались. Традиционно сохранились такие функции, которые обеспечивают сбор, подготовку, передачу, хранение, - обработку, представление информации. Эти функции подчинены главной задаче информационной технологии - получению новой информации, новых знаний в процессе переработки данных. Реализация информационной технологии базируется на средствах, к которым можно отнести: технические, «г алгоритмические, математические, программные, информационные, методические.
В зависимости от решаемых задач, назначения, уровня использования, места информационных технологий в управлении, информационные технологии классифицируются следующим образом:
- автоматизированная информационная технология обработки данных;
- информационная технология управления;
- информационная технология автоматизации офиса;
- информационная технология поддержки принятия решения;
- информационная технология экспертных систем.
Информационная технология обработки данных предназначена для решения хорошо структурированных задач, по которым имеются необходимые входные данные и известны алгоритмы и другие стандартные процедуры их обработки. Эта технология применяется на уровне операционной (исполнительской) деятельности персонала невысокой квалификации в целях автоматизации некоторых рутинных, постоянно /ф повторяющихся операций управленческого труда. Поэтому внедрение информационных технологий и систем на этом уровне существенно повышает производительность труда персонала, освобождает его от рутинных операций, позволяет сократить количество сотрудников, занятых рутинными операциями. На уровне операционной деятельности решаются следующие задачи:
- сбор, первичная обработка управленческих данных;
- создание периодических отчетов о состоянии дел в организации;
- получение ответов на всевозможные текущие запросы и оформление
- их в виде электронных документов или отчетов.
Автоматизированная информационная технология обработки данных (АИТ обработки данных) обеспечивает: решение только хорошо формализуемых задач, для которых можно разработать алгоритм;
Щ выполнение стандартных, типовых процедур обработки данных (существующие регламенты и стандарты определяют типовые процедуры обработки данных); выполнение основного объема работ в автоматизированном режиме. Основные компоненты информационной технологии обработки данных приведены на рис. 1.2.
Подсистемы и модули АИТ обработки данных обеспечивают хранение полученных данных в базе данных, а также первичную обработку их в процессе операций группировки, сортировки, различного рода вычислений (арифметические и логические операции), а также укрупнение или агрегирование данных для расчетов итоговых, средних значений и др. Результаты обработки могут быть представлены пользователю по запросу в виде отчетов (на бумаге, либо в электронном виде). Информационная технология оперативного уровня является связующим звеном между организацией и внешней средой и является основой для остальных типов информационных систем и технологий в управлении, так как содержит и Ф первичную, оперативную и архивную информацию.
Целью информационной технологии управления (ИТ управления) является удовлетворение информационных потребностей тех сотрудников, которые отвечают за подготовку решений. Технология имеет в основе автоматизированную обработку данных (АИТ обработки данных) и применяется при худшей структурированности решаемых задач. Основной задачей ИТ управления является анализ тенденций развития объекта управления, выявление и анализ причин отклонений, формирование вариантов возможных решений. Основные компоненты информационной технологии управления представлены на рис. 1.3
Информационная технология автоматизации офиса (ИТ автоматизации офиса) служит для организации и поддержки коммуникационных процессов как внутри организации, так и с внешней средой, осуществляется с использованием компьютерных сетей и других современных средств передачи и обработки информации.
Обязательными компонентами данной технологии является база данных, текстовый процессор, электронная почта, аудиопочта, табличный процессор, а также различные сервисные расширения технологии, например, электронный календарь.
Главной особенностью информационной технологии поддержки принятия решений является качественно новый метод организации
- взаимодействия человека и компьютера. Выработка решения происходит в результате итерационного процесса (рис. 1.5), в котором участвуют:
- система поддержки принятия решений в роли вычислительного звена;
- человек как управляющее звено, задающее входные данные и оценивающее полученный результат вычислений на компьютере.
Базовые понятия теории нейронных сетей применительно к управлению экономическими процессами
Усиление потенциала прогнозирования производства в экономике муниципального образования обусловлено рыночными условиями ее развития и обеспечивается применением различных методик разработки прогнозов.
Основной целью прогнозирования является разработка прогнозной модели объекта исследования [33,36,69,76,86,89].
Под моделью понимается математическое описание процесса или объекта, алгоритмическое описание объекта, графическое представление объекта (процесса) в виде блок-схемы; кривая, представляющая процесс и ж ряд других форм и понятий. В терминах теории моделирования модель определяется как"... явление, предмет, установка, знаковое образование или условный образ (описание, схема и т.д.), находящиеся в некотором соответствии с изучаемым объектом и способные замещать его в процессе исследования, давая информацию об объекте". В свою очередь, модель прогнозирования — это модель объекта, исследование которой дает возможность получить информацию о возможных состояниях объекта в будущем и (или) путях достижения этих состояний [89].
Модель прогнозирования можно рассматривать как производную от метода, используемого для прогнозирования. Под методами прогнозирования понимается совокупность приемов мышления, способов, позволяющих на основе анализа информации о прогнозном объекте вынести достоверное суждение о будущем развитии объекта. Тип применяемого метода прогнозирования зависит от типа исследуемого объекта, цели прогнозирования, от периода упреждения, степени формализации, точности прогноза и др. [18]. Наибольшее значение для экономического прогнозирования представляют модели описания процессов производства, экономических закономерностей, развития научных исследований.
Прогнозы могут быть классифицированы по различным признакам следующим образом.
По цели прогнозирования: поисковые, нормативные прогнозы.
Цель поискового прогнозирования - выяснить, как будет развиваться исследуемый объект при сохранении существующих тенденций. Нормативные прогнозы разрабатываются на базе заранее поставленных целей. Их задача — определить пути и сроки достижения поставленных целей. Поисковые прогнозы отталкиваются при определении будущего состояния от его прошлого и настоящего, то нормативные осуществляются в обратном порядке: от заданного состояния в будущем к существующим тенденциям и их изменениям в свете поставленной цели.
По периоду упреждения: оперативные (текущие), кратко-, средне-, долгосрочные прогнозы с периодом упреждения в пределах месяца - для оперативных прогнозов, в пределах года — для краткосрочных прогнозов, в пределах пяти лет — для среднесрочных прогнозов, от пяти до 15 лет — для долгосрочных прогнозов. Временные промежутки прогнозов зависят от характера и цели прогнозирования.
По природе объекта прогнозирования: социально-экономические, научно-технические, изобретения и открытия, военно-политические, естественно-природные и т.д. Характер объекта прогнозирования, в основном, определяет выбор аппарата прогнозирования. В свою очередь, объекты прогнозирования могут быть классифицированы:
- по уровням хозяйственной деятельности (хозяйствования) -экономика Российской Федерации (РФ) в целом; экономика субъектов РФ (республик в составе РФ, краев, областей, автономных образований, районов, городов и др.); отрасли народного хозяйства; предприятия (фирмы) различных форм собственности;
- по производственным ресурсам: инвестиции (капитальные вложения); природные ресурсы; технологии и образование; трудовые ресурсы; информационные ресурсы;
- по сферам деятельности: материальное производство; торговля; нематериальное производство.
В сферах производства можно выделить отрасли деятельности, например, промышленность, строительство, сельское хозяйство. В нематериальном производстве можно выделить научную деятельность, образование и др. [18].
- по масштабности объектов прогнозирования: локальные и сублокальные (производственный участок, рабочее место), субглобальные и глобальные (цех, сеть авиалиний, спрос на продукцию предприятий, предприятие, транспортная сеть региона), суперглобальные (отрасль, крупное предприятие) [69];
- по сложности объекта прогнозирования: сверхсложные, когда учитываются взаимосвязи между переменными в описании объекта прогнозирования; сложные, когда необходимо учитывать взаимосвязи и совместное влияние нескольких переменных; простые, когда анализируются парные взаимосвязи в описании объекта прогнозирования;
- по степени детерминированности: детерминированные (описание объектов в детерминированном виде с удовлетворительной точностью); стохастические (в описании объектов учитывается случайная составляющая в соответствии с требуемой точностью); смешанные (объекты с характеристиками как детерминированного, так и стохастического характера).
- по характеру развития во времени: дискретные (объекты, регулярная составляющая (тренд) которых изменяется скачками в фиксированные моменты времени); периодические, когда объекты описываются непрерывной функцией во времени; циклические, когда объекты прогнозирования имеют регулярную составляющую в виде периодической функции времени;
- по степени информационной обеспеченности: с полным обеспечением количественной информацией, в объеме достаточном для реализации статистических методов прогнозирования; с неполным обеспечением количественной информацией, когда допускается использование статистических методов прогнозирования, но заданная точность упреждения на заданное время не обеспечивается.
Согласно классификации объектов прогнозирования социально-экономическое прогнозирование можно отнести: по природе объекта прогнозирования - к субглобальным объектам; по масштабности — к сложным объектам; по детерминированности — к смешанным; по характеру развития во времени - к циклическим; по информационной обеспеченности -к качественным объектам прогнозирования [69].
По результатам классификации объектов прогнозирования могут быть определены и рекомендованы к использованию методы прогнозирования.
В соответствии с представленной классификацией в ходе данного исследования могут быть использованы следующие методы прогнозирования: экстраполяция, регрессионные модели, многофакторные модели, исторические аналогии, экспертные методы, сценарии, прогнозный граф, морфологический анализ и др.
В настоящее время, по оценкам специалистов, насчитывается свыше 150 различных методов разработки прогнозов [69]. По степени формализации методы прогнозирования можно разделить на интуитивные (экспертные), формализованные; экспертные методы базируются на оценках экспертов (индивидуальных или групповых), формализованные методы базируются на использовании фактографической информации - к ним относятся прежде всего статистические методы, в том числе экстраполяционные (экстраполяция динамических рядов, по огибающим кривым и т.д.), регрессионные, эконометрические методы.
Большой класс методов составляют методы логического моделирования, к которым относятся, в частности, методы прогнозирования по аналогии, методы построения сценария, дерева целей и дерева решений, матриц взаимодействия и т.д.
Важную группу представляют методы стохастического моделирования: методы имитационного моделирования, прогнозирование на основе марковских процессов. Большой класс составляют методы структурного моделирования, которые включают балансовые и оптимизационные методы (используются в для целевого прогнозирования, позволяют отыскивать условия достижения цели).
Модели производства в экономике муниципального образования "Город Ухта"
На конкретных материалах социально-экономического развития муниципального образования "Город Ухта" последовательно продемонстрируем методику прогнозного моделирования производства с учетом объемов выпуска по основным видам продукции.
Для обработки была взята база данных показателей социально-экономического развития муниципального образования "Город Ухта" за 1999 год и первое полугодие 2000 года.
Для составления обучающей выборки, необходимой для построения и реализации нейронной сети, использовались данные статистики за 12 месяцев 1999 года. Для прогноза и тестирования правильности работы нейронной сети были использованы статистические данные, характеризующие социально-экономическое положение муниципального образования "Город Ухта" в первом полугодии 2000 года. На основе приведенных данных выполнялись работы по построению модели роста производства в промышленности, агропромышленном комплексе и сельском хозяйстве с применением технологии искусственных нейронных сетей.
Согласно постановке задачи Y - прогнозируемый показатель, характеризует рост производства в экономике МО; Y рассматривается как зависимая переменная от остальных переменных, которые обозначены через Xi и характеризуют производство основных видов продукции.
Предобработка данных проводится с целью получить значения каждого показателя, характеризующие рост производства, в соответствии с требованиями к нейросетевой обработке данных. Предобработка данных включает последовательность следующих вычислительных процедур:
1) исчисление прироста показателя Y за анализируемый период;
2) определение пороговых значений показателя Y;
3) преобразование абсолютных значений показателя Y к бинарному виду (квантование показателей, бинаризация) на основе расчетных пороговых значений;
4) преобразование абсолютных значений каждого показателя Xi к бинарному виду (квантование, бинаризация) на основе рассчитанных пороговых значений;
5) определение количества ошибок на классифицированной последовательности Y путем сравнения значений каждого Xi с данными Y за анализируемый период;
6) определение предварительного списка факторов, определяющих рост производства, путем выявления тех показателей, которые имеют наименьшее количество ошибок на классифицированной последовательности данных Y за анализируемый период
Предварительный анализ значений ежемесячных макроэкономических показателей социально-экономического развития муниципального образования "Город Ухта", показал, что прирост некоторых из них больше, а других - меньше. С целью понять происходящие явления необходимо выявить зависимости этих показателей - для этого вычислим ежемесячные изменения (прирост) показателя объема выпускаемой продукции в денежном выражении, вычисления представим в таблице 2.2; согласно алгоритма бинаризации, квантования: (2.2) - (2.4) получим значение индикатора в четвертом столбце таблицы. Появление значения 1 индикатора означает, что величина ускорения объема промышленной продукции будет не менее 8.8 млн. рублей (пороговое значение - 8.8). - таблица 2.2.
Для каждого из четырнадцати показателей также определим величину порога, превышение которого должно совпадать со значением 1 индикатора и 0 - в противном случае; при этом число ошибок на всех 18 точках классифицированной выборки должно быть наименьшим.
Результаты квантования m = 14 первичных (исходных) переменных хі, і = 1, ...,m представлены в таблице 2.3 и в Приложении 1.
Для построения краткосрочного прогноза роста объема выпускаемой продукции на первый квартал 2000 года рассмотрим квантованные данные за 12 месяцев 1999 года, предшествующие прогнозируемому периоду.
Уже предварительный анализ исходных данных выявил высокую степень зависимости объема производства продукции (в денежном выражении) от добычи нефти (переменная XI - 3 ошибки), производства хлеба и хлебобулочных изделий (Х8 — 3 ошибки), объема производства молока в сельском хозяйстве (XI2 - 2 ошибки). Значит, показатели, определяющие рост объема промышленной продукции в городе Ухта в 1999 году, это: добыча нефти, производство хлеба и хлебобулочных изделий (АПК), производство сельскохозяйственной продукции — молока.
Первым опытом нейросетевой обработки входных данных (data neuroprocessing) стало построение нейронной сети с использованием пакета NeuroPro 0.25 и эксперименты с ее обучением. В качестве "учебника" была определена последовательность из 12 векторов (12 месяцев 1999 года). Количество входных переменных - 3, количество выходных переменных 1. В качестве целевой функции прогноза, рассматривалось получение прогноза роста объема промышленного производства в первом квартале 2000 года.
В качестве обучающей последовательности на вход нейросети подаётся вектор {XI, Х8, Х12} и одномерный вектор {Y}, всего 12 месяцев 1999 года. В качестве целевой функции прогнозирования выбран показатель объема промышленного производства за первый квартал 2000 года.
Нейронная сеть была построена средствами нейросимулятора Neuro Pro 0.25; методом подбора определена структура нейронной сети -двухслойная сеть, каждый слой содержит по 10 нейронов.
В процессе построения нейронной сети использовались общие рекомендации разработчиков пакета NeuroPro 0.25 (Help пакета). Для построения нейронной сети использовались значения настройки, задаваемые NeuroPro 0.25 по умолчанию.
Предварительный этап - этап анализа обучающей выборки данных (множества значений) на непротиворечивость данных. В нашем случае выборка не содержит противоречивые данные.
Программа — нейросимулятор NeuroPro версии 0.25 проводит обучение нейронных сетей с использованием методов минимизации функции ошибки. Сеть была обучена, результат обучения проверен тестированием сети, результаты удовлетворительные.
Следующий этап нейросетевой обработки данных средствами NeuroPro версии 0.25 — этап получения прогноза на первый квартал 2000 года.
Результаты прогноза не совпадают с фактическими данными статистики за 2000 год,
Согласно [104,105,106,107,108] такая ситуация возможна в следующих случаях:
1) недостаточно факторов в обучающей выборке;
2) некорректность статистических данных;
3) статистические данные не отражают реальные социально-экономические процессы, происходящие на данной территории.
В таких случаях рекомендуется [104,105,106,107,108] расширить количество признаков выборки, если это не дает результата - удалить конфликтные примеры из обучающей выборки.
Формирование управляющих воздействий на основе результатов прогнозного моделирования производства
Полученные на основе предлагаемой методики модели производства можно трактовать как варианты роста производства в экономике муниципального образования, которые могут быть использованы при выработке управляющих решений.
Рассмотрим для примера значения одной из найденных моделей, полученной по проведенным расчетам с использованием обученной нейронной сети, характеризующей производство в 1999г.- I квартале 2000 г. для прогноза на второй квартал 2000 года.
В таблице 2.6 Главы II представлены данные, характеризующие факторы роста производства в 1999г. - I квартале 2000г. Все возможные сочетания факторов роста производства даны в таблице 3.12. Путем опроса обученной нейронной сети получаем значения Y в таблице 3.12. Как видим, не все сочетания факторов роста производства, во втором квартале 2000 г. это: XI (добыча нефти), ХЗ (производство дизельного топлива), Х10 (производство молока в сельском хозяйстве), XI2 (производство молочной продукции в АПК) дают рост производства в целом, т.е. определяют Y=l.
Модель прогнозирования роста производства во втором квартале 2000 года, полученная с применением нейросетевых методов и моделей характеризуется следующими параметрами:
1. Факторы, обеспечивающие рост производства на территории МО "Город Ухта" во втором квартале 2000 года: добыча нефти, производство дизельного топлива, производство молока в сельском хозяйстве и производство молочной продукции в АПК;
2. Прирост производства (прогноз) во втором квартале 2000 года составит не менее 8. 8 млн. рублей в месяц, если добыча нефти составит не менее 52.5 тыс. тонн в месяц, производство дизельного топлива - не менее 42.2 тыс. тонн в месяц; производство молока в сельском хозяйстве - не менее 481 тонны в месяц; производство молочной продукции в АПК - не менее 502 тонны в месяц.
Основываясь на данных опроса обученной нейронной сети, протестированной и проверенной на прогнозную способность (Приложение 2), можно определить варианты роста производства в экономике МО с учетом выпуска основных видов продукции.
Их всех представленных в таблице 3.13 семи вариантов роста производства (Y=l), можно видеть, что наиболее предпочтителен вариант, не предусматривающий спада производства в отдельных отраслях промышленности (вариант 7). При этом прирост производства (прогноз) во втором квартале 2000 года составит не менее 8. 8 млн. рублей в месяц, если добыча нефти составит не менее 52.5 тыс. тонн в месяц, производство дизельного топлива - не менее 42.2 тыс. тонн в месяц; производство молока в сельском хозяйстве - не менее 481 тонны в месяц; производство молочной продукции в АПК - не менее 502 тонны в месяц.
Прирост производства можно прогнозировать даже если в отдельных отраслях производства будет наблюдаться спад (варианты 1-6 таблицы 3.13).
Первый вариант: добыча нефти меньше 52.5 тыс. тонн в месяц, производство молока в сельском хозяйстве также меньше порогового значения- 481 тонны в месяц; производство дизельного топлива должно быть не менее 42.2 тыс. тонн в месяц; производство молочной продукции в АПК должно быть не менее 502 тонны в месяц.
Второй вариант: добыча нефти меньше 52.5 тыс. тонн в месяц, производство дизельного топлива должно быть не менее 42.2 тыс. тонн в месяц; производство молока в сельском хозяйстве не менее 481 тонны в месяц; производство молочной продукции в АПК должно быть не менее 502 тонны в месяц.
Третий вариант: добыча нефти не менее 52.5 тыс. тонн в месяц, производство дизельного топлива может быть меньше 42.2 тыс. тонн в месяц; производство молока в сельском хозяйстве может быть меньше 481 тонны в месяц и производство молочной продукции в АПК - не менее 502тонны в месяц.
Четвертый вариант: добыча нефти не менее 52.5 тыс. тонн в месяц, производство дизельного топлива может быть меньше 42.2 тыс. тонн в месяц; производство молока в сельском хозяйстве должно быть не менее 481 тонны в месяц и производство молочной продукции в АПК - не менее 502 тонны в месяц.
Пятый вариант: добыча нефти не менее 52.5 тыс. тонн в месяц, производство дизельного топлива не менее 42.2 тыс. тонн в месяц; производство молока в сельском хозяйстве может быть меньше, чем 481 тонны в месяц и производство молочной продукции в АПК - не менее 502 тонны в месяц.
Шестой вариант: добыча нефти не менее 52.5 тыс. тонн в месяц, производство дизельного топлива — не менее 42.2 тыс. тонн в месяц; производство молока в сельском хозяйстве - не менее 481 тонны в месяц; производство молочной продукции в АПК может быть меньше, чем 502 тонны в месяц.
Выбор из полученных вариантов, обеспечивающих ежемесячный прирост производства остается за лицом, принимающим решения, исходя из предпочтений, отдаваемых тому или иному варианту с точки зрения его реализуемости.
Полученные на основе прогнозной модели варианты роста производства могут быть использованы для выработки управляющих решений.
Из предлагаемых вариантов (таблица 3.13, варианты 1-7) следует, что прирост объема промышленного производства в экономике муниципального образования во втором квартале 2000 года может быть достигнут не менее 8.8 млн. рублей в месяц, при этом управляющие воздействия должны быть направлены на то, чтобы одновременно решить следующие задачи:
- обеспечить добычу нефти не менее 52.5 тыс. тонн ежемесячно;
- обеспечить производство дизельного топлива не менее 42.2. тыс. тонн ежемесячно;
- обеспечить производство молока в сельском хозяйстве не менее 481 тонны в месяц;
- обеспечить производство молочной продукции в АПК не менее 502 тонны в месяц.
Реализация управленческих решений, полученных на основе прогнозной модели производства, может быть обеспечена за счет индикативного задания отрасли (от Министерства экономики Республики Коми), заключения муниципальных контрактов с предприятиями, организации муниципальных программ развития, муниципального госзаказа и других инструментов механизма управления экономикой МО.
Функционирование механизма управления экономикой муниципального образования с использованием элементов искусственного интеллекта (обученной нейронной сети), баз данных и АИС, представлено на рис. 3. 5.
