Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,749

МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ РЕГИОНАЛЬНОГО АПК С ИСПОЛЬЗОВАНИЕМ ИНСТРУМЕНТАЛЬНЫХ СРЕД НЕЧЕТКОГО ЛОГИЧЕСКОГО ВЫВОДА

Шатырко Д.В. 1 Токарев К.Е. 1 Кузьмин В.А. 1
1 ФГБОУ ВПО «Волгоградский государственный аграрный университет»
Инструментарий, реализующий нечеткую оценку индикаторов развития регионального АПК, производится средствами Fuzzy Lоgic Tооlbоx среды MatLab. Для общего анализа адекватности нечеткой модели были построены поверхности нечеткого вывода, что позволило оценить и скорректировать влияние изменения входных данных на значения выходных нечетких переменных. Модуль Fuzzy позволяет строить нечеткие системы двух типов – Мамдани и Сугэно. При моделировании развития регионального АПК использовались нечеткие системы типа Мамдани. Это наиболее распространенный способ логического вывода в нечетких системах. В нем используется минимаксная композиция нечетких множеств, наиболее подходящих для анализа, оценки и прогнозирования характеристик развития регионального АПК. Разработка таких моделей требует создания, адаптации и использования адекватных экономико-математических методов, позволяющих учитывать неточность, неполноту и трудности формализации исходных данных и специфического взаимодействия рассматриваемых показателей с позиций устойчивого развития регионального АПК. Таким образом, рассмотренные в статье модели сценарного анализа развития АПК, на основе нечетко-логического вывода, позволяют добиться качественно новых результатов в управлении с.-х. производством.
моделирование экономического развития
АПК
нечеткий логический вывод
алгоритм Мамдами
функции принадлежности
база правил
MatLab
1. Гагарин А.Г. Экспертное оценивание экстремальных значений параметров экономических систем / Гагарин А.Г., Рогачев А.Ф. // Известия Волгоградского государственного технического университета. – 2006. – № 5. – С. 222–225.
2. Кузьмин В.А., Токарев К.Е. Оценка угроз экономической безопасности методом иерархического синтеза // Современные проблемы науки и образования. – 2013. – № 2; URL: www.science-education.ru/108-8787.
3. Кузьмин В.А., Токарев К.Е. Реализация алгоритма обеспечения экономической безопасности на основе нечетко-множественного подхода в среде MatLab // Современные научные исследования и инновации. – 2012. – № 7 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2012/07/15773.
4. Рогачев А.Ф. Математическое обеспечение системы поддержки принятия решений на основе ГИС-технологий // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. – 2009. – № 2. – С. 144–151.
5. Рогачев А.Ф. Оптимизация инновационных проектных решений в продовольственной сфере // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. – 2015. – № 1 (37). – С. 223–228.
6. Рогачев А.Ф. Нечеткое моделирование эколого-экономических систем / Рогачев А.Ф., Федорова Я.В. // Современные проблемы науки и образования. – 2014. – № 5. – С. 317.
7. Терелянский П.В. Математические и инструментальные средства поддержки принятия решений в экономике / П.В. Терелянский // Аудит и финансовый анализ. – 2008. – № 6. – С. 461–471.
8. Токарев К.Е., Рогачев А.Ф. Информационное обеспечение принятия решений при многокритериальной оценке качества оказания услуг // Современные проблемы науки и образования. – 2012. – № 2; URL: www.science-education.ru/102-5578.
9. Токарев К.Е., Шатырко Д.В., Процюк М.П. Когнитивное моделирование продовольственной безопасности регионального АПК // Современные научные исследования и инновации. – 2014. – № 10 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2014/10/38352.
10. Natalia Skiter, Aleksey F. Rogachev, Tamara I. Mazaeva. Modeling Ecological Security of a State // Mediterian Journal of Social Science. Vol. 6 No. 3 S. 6 June 2015. Р. 185–192.

Рост и развитие сельскохозяйственного производства, повышение эффективности управления региональным агропромышленным комплексом требуют разработки адекватных процедур анализа и прогнозирования их экономического развития с использованием инструментальных сред нечеткого логического вывода. Агропромышленный комплекс является одним из самых крупных производственных кластеров экономики страны.

Анализ первого года членства России в ВТО показывает, что импорт продуктов увеличился на 7 %, а экспорт сократился на 13 %. При этом, продовольственная инфляция уже выросла на 13,6 %. Для сохранения конкурентоспособности субъектов РФ, государству необходимо наращивать долю компенсаций аграриям, которая сегодня в конечном продукте составляет всего 7 %, в то время как в США – 30 %, Японии – 70 %, в некоторых европейских государствах – более 80 %. В противном случае велика вероятность снижения конкурентоспособности сельскохозяйственной продукции на внутреннем рынке и международном рынках.

Создание моделей сценарного анализа развития АПК, на основе нечетко-логического вывода, позволит добиться качественно новых результатов в управлении с.-х. производством. Таким образом, исследования в области моделирования экономического развития регионального АПК приобретают особую актуальность.

В связи с этим все более широкое распространение получают модели прогнозирования развития систем, базирующиеся на нечётком подходе.

Основными их преимуществами являются:

– нечеткая формализации критериев оценки и сравнения: «большинство», «возможно», «преимущественно» и т.д.;

– проведения качественных оценок как входных данных, так и выходных результатов;

– возможность проведения быстрого моделирования сложных динамических систем и их сравнительный анализ с заданной степенью точности [2].

В качестве алгоритма нечеткого логического вывода используется алгоритм Мамдами, который одним из первых был применен в системах нечеткого вывода [3]. Для решения поставленной задачи нечеткого моделирования использована система нечеткого вывода типа Мамдани. Это наиболее распространенный способ логического вывода в нечетких системах. В нем используется минимаксная композиция нечетких множеств. Данный механизм включает в себя следующую последовательность действий (рис. 1).

Выбор концептов нечеткой модели осуществлялся на взаимодействии с экспертной группой, где Y1 – конкурентоспособности АПК, Y2 – продовольственная безопасность, Y3 – ВВП, Х1 – объем государственной поддержки, Х2 – импорт, Х3 – импортные пошлины и квоты, Х4 – инвестиции в АПК, Х5 – инновации в АПК.

На рис. 2 в качестве примера показаны три функция принадлежности треугольной формы ml(х), определяющие терм Х1. В данном случае она принимает значения «низкий» [0: 3,6], «средний» [3,6:8,1] и «высокий» [9: 12,6].

Аналогичным образом строятся функции принадлежности для остальных элементов множества факторов. Заметим, что процедура построения функций принадлежности представляет собой этап фаззификации множества предпосылок, конкретизированные значения которых определяют значения следствий, выводимых в процедуре нечеткого логического вывода.

Была сформирована база правил системы нечеткого вывода (таблица), которая проверялась на избыточность, т.е. с одинаковыми предпосылками и разными заключениями, их оптимизацию проводят на основе экспертной информации. Максимально количество правил в базе определялось следующим соотношением:

N = Nx1* Nx2 *…* Nxm * Ny,

где Nx1 * Nx2 *…* Nxm * Ny – число функций принадлежности для задания входных и выходных переменных.

 

schat1.wmf

Рис. 1. Алгоритм нечеткого логического вывода

schat2.tif

Рис. 2. Построенные функции принадлежности для лингвистической переменной «Объем государственной поддержки»

Нечеткая база правил

Х1

Х2

Х3

Х4

Х5

Y1

Y2

Y3

Низкий

Высокий

Низкие

Низкие

Низкие

Низкая

Низкая

Низкий

Высокий

Средний

Средние

Высокие

Высокие

Средняя

Средняя

Средний

Высокий

Низкие

Низкая

Низкий

Средний

Высокие

Высокие

Высокая

Высокий

Низкие

Высокая

Средний

Высокие

Высокие

Средняя

Средняя

Низкие

Низкие

Низкая

 
Проанализируем сформулированную базу правил. Правила 1 и 2 построены с помощью оператора И.

Поскольку правило 3 имеет коэффициент достоверности 0,7, то его активизация приводит к нечеткому множеству по x1, ограничение которого сверху определяется произведением F3 = 0,7 на степень принадлежности 0,9, получим функцию принадлежности μ’, ограниченную сверху значением 0,63.

В качестве терм-множеств для входных лингвистических переменных Х1, …, Х5 и Y1, Y2, Y3 используются соответственно множества Т1 = {«низкий», «средний», «высокий».}

Моделирование значений конкурентоспособности АПК проводилась по инвестициям и инновациям. Для проведения анализа полученных результатов по принятым критериям нечеткой модели поверхность нечеткого вывода визуализируется в координатах х – конкурентоспособность, у – инновации, z – инвестиции.

При низком уровне инвестиций и инноваций показатель конкурентоспособности оказывается существенно низким. При умеренных инновациях конкурентоспособность существенно возрастет, а при существенном увеличении инвестиций наблюдается существенное увеличение инноваций, а значит, и конкурентоспособности АПК.

Программная реализация модели развития регионального АПК осуществлена с использованием расширения Fuzzy Logic Toolbox среды MATLAB, в которой реализованы десятки функций математического аппарата нечетко-логического моделирования.

С помощью построенной модели были проанализированы зависимости влияния изменения входных факторов на уровень конкурентоспособности и изменение ВПП (рис. 3).

schat3a.tif schat3b.tif

а)                                               б)

schat3c.tif schat3d.tif

в)                                            г)

Рис. 3. Визуализация поверхностей нечеткого вывода модели экономического развития регионального АПК

Градация уровней экономического развития регионального АПК представлена нами в следующем виде:

schat3e.wmf – высокий уровень экономического развития регионального АПК;

schat3g.wmf – нормальный уровень экономического развития регионального АПК;

schat3k.wmf – низкий уровень (критический) экономического развития регионального АПК.

Разработанная модель прогнозирования экономического развития регионального АПК позволяет с достаточной достоверностью прогнозировать динамику при известных статистических и экспертных значениях входных параметров. В частности, выявлены тенденции повышения уровня конкурентоспособности региональных кластеров сельскохозяйственного производства за счет увеличения инвестиционной привлекательности сельхозтоваропроизводителей, ввода дополнительных пошлин и квот на импорт продукции, а также внедрения инновационных технологий производства с.-х. продукции.

Таким образом, разработанная нечеткая модель позволяет прогнозировать уровень конкурентоспособности АПК и управлять данным показателем с помощью исследованных концептов инвестиций и инноваций. Применение нечеткого моделирования для развития регионального АПК позволит повысить качество управленческих решений, тем самым увеличить конкурентоспособность АПК региона, в процессе проведения сценарного анализа.

Рецензенты:

Скитер Н.Н., д.э.н., профессор кафедры «Страхование и финансово-экономический анализ», ФГБОУ ВПО «Волгоградский ГАУ», г. Волгоград;

Рогачев А.Ф., д.т.н., профессор, зав. каф. «ММиИ», ФГБОУ ВПО «Волгоградский ГАУ», г. Волгоград.


Библиографическая ссылка

Шатырко Д.В., Токарев К.Е., Кузьмин В.А. МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ РЕГИОНАЛЬНОГО АПК С ИСПОЛЬЗОВАНИЕМ ИНСТРУМЕНТАЛЬНЫХ СРЕД НЕЧЕТКОГО ЛОГИЧЕСКОГО ВЫВОДА // Фундаментальные исследования. – 2015. – № 7-1. – С. 217-221;
URL: https://fundamental-research.ru/ru/article/view?id=38754 (дата обращения: 27.11.2021).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074