автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Когнитивные нечетко-логические модели и комплекс программ оценки техногенно-природных рисков

о/

На правах рукописи

Балабаев Михаил Алексеевич

Когнитивные нечетко-логические модели и комплекс программ оценки техногенно-природных

рисков

Специальность:

05.13.18 - Математическое моделирование, численные методы и комплексы программ (технические науки)

ииа159215

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва 2007

003159215

Работа выполнена в Смоленском государственном университете

Научный руководитель:

доктор технических наук, профессор Абраменкова Ирина Владимировна

Официальные оппоненты:

доктор физико-математических наук, профессор Бутусов Олег Борисович доктор технических наук, профессор Дли Максим Иосифович

Защита состоится « 26» октября 2007 г. в часов на заседании диссертационного совета Д 212 204 10 при РХТУ им Д И Менделеева по адресу 125047, Москва, Миусская пл , д 9 в конференцзале (ауд 443)

С диссертацией можно ознакомиться в Научно-информационном центре РХТУ им ДИ Менделеева.

Автореферат разослан «_» сентября 2007 г

Ученый секретарь диссертационного совета

Ведущая организация:

Тверской государственный технический университет

Д 212 204 10 д ф -м н , профессор

ВМ Аристов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы. Риски в общем случае являются неизбежными, сопутствующими факторам функционирования или развития практически любой сложной системы или процесса Концепция анализа и управление рисками представляет собой одну из основных современных концепций управления сложными системами и процессами различной природы. Использование данной концепции обосновано высокой степенью неопределенности и сложностью управляемых (разрабатываемых) систем, изменяющимися требованиями к их функционированию, и предполагает построение их математических моделей, позволяющих выявлять, оценивать, отслеживать и устранять риски до их превращения в проблемы, т к обычно принятие мер до превращения рисков в проблемы требует гораздо меньших ресурсов В первую очередь это относится к техноген-но-лриродным системам (ТПС), для которых при управлении рисками необходимо учитывать существующее взаимовлияние, взаимообусловленность различных рисков, а также различные механизмы их воздействия

Данное обстоятельство во многом определило большое количество фундаментальных и прикладных работ по применению методов математического моделирования для исследования рисков в сложных системах, в том числе ТПС Под риском, как правило, понимается сочетание вероятности (возможности) события (нанесения ущерба) и его негативных последствий (тяжести этого ущерба) В ряде случаев под риском также понимают вероятность (возможность) отклонения ожидаемого результата от планируемого

Широко известны фундаментальные труды отечественных и зарубежных ученых в области применения математических методов исследования рисков, возникающих при управлении сложными системами- Анфилатова В С , Блекуэлла Д, Бореля Э , Буркова В Н , Батнарина Д , Бродецкого Г Л , Вентцель Е С , Гиршика М А , Губко М В , Дреше-ра М , Дуброва А М , Дюбина Г Н , Емельянова А А , Зайченко Ю П , Интрилигатора М , Катылева А Н , Карлина С , Кини Р Л, Конюховского П В , Крапивина В Ф , Кремера Н Ш , Ларичева О И , Мак-Кинси Дт , Моргенштерна О , Неймана Дж , Новикова Д А , Орловского С А , Поспеловаа Д А , Редкозубова С А , Саати Т , Северцева Н А , Суздаля В Г, Уткина Э А , Хедми А , Юдина Д Б

Анализ публикаций, посвященных вопросам управления рисками в сложных системах, показывает, что важнейшим этапом данной процедуры является оценка рисков, который означает процесс систематического контроля и оценки эффективности действий, направленных на предотвращение и смягчение рисков, и идентификацию новых рисков в соответствии с принятой для этого системой предпочтений Ключевым фактором оценки является учет эффективности мероприятий по предотвращению рисков или смягчению их последствий в сравнении с ущербом при реализации рисков

Другой основной задачей оценки рисков является анализ показателей-индикаторов, которые могут указывать на приближение или реализацию рисков Превышение значений индикаторов мониторинга рисков свыше установленных пределов (критериальных значений) является основанием для последующей оценки рисков и принятия мер в соответствии с принятой стратегией

Существенной особенностью оценки рисков является то, что для его качественного осуществления предварительно должны быть решены основные задачи управления рисками планирование управления рисками, выявление рисков, анализ приоритетности рисков, планирование мероприятий по предотвращению и снижению рисков

В последние годы для исследования сложных систем используется построение и анализ их когнитивных моделей - когнитивных карт данных систем, представляющих

собой граф, узлами (концептами) которого являются элементы или подсистемы исследуемой системы, а дуги отражают характер и силу их взаимного влияния Проблемам построения и использования когнитивных математических моделей сложных систем посвящены работы таких отечественных и зарубежных ученых как Борисов В В , Блишун А Ф, Качаев С Н , Корноушенко Е К, Максимов В И, Силов В Б, Трахтенгерц Э А, Федулов А С , Шапиро Д И , Axelrod R, Babuska R, Baldwing J F , Kosko В , Kumata Y, Hwang Ch -L , Miyakoshi M,LinM J., Roberts F , Sanches E , Sung Ho L , Tolman D , Wenstop F и др Очевидно, что указанный аппарат построения математических моделей сложных ТПС может использоваться при разработке автоматизированных систем поддержки принятия решений по управлению техногенно-природными рисками

Перспективным направлением решения задач оценки рисков является развитие методов формализации, анализа и моделирования показателей риска на основе их обобщения для случаев информации нестатистической природы, в том числе информации, имеющей качественный характер, характеризующейся различного рода неопределенностью, оценкой и агрегированием с помощью различных шкал Сказанное определяет целесообразность применения при построении когнитивных моделей ТПС, используемых на этапе исследования и оценки рисков, методов теории нечетких множеств (основоположником является Л Заде), развитию которой посвящены научные труды Алтунина А Е , Асаи К , Бутусова О Б , Верескова С К , Дорохова И Н, Комарцовой Л Г , Кофмана А , Круглова В,В , Кузьмина В Б , Леоненкова А В , Мешалкина В П, Орловского С А, Поспелова Д А, Регеджа Р К , Семухина М В , Сугэно М , Терано Т , Федорова В В и других отечественных и зарубежных ученых

Вместе с тем, существующие методы когнитивного моделирования сложных ТПС не позволяют в полной мере учесть разнонаправленный характер влияния их элементов на основные характеристики рисков возникновения неблагоприятной ситуации при управлении данными системами, а также реализовать процедуру оценки рисков на основе использования динамического мониторинга индикаторов - показателей опасности и реализации риска с целью выработки комплексных упреждающих мероприятий по минимизации его последствий, что снижает эффективность указанных методов при разработке алгоритмического и программного обеспечения комплексов программ, используемых для информационной поддержки принятия решений по управлению ТПС

В соответствии с вышеизложенным, задача разработки методов построения когнитивных нечетко-логических моделей и комплекса программ для оценки техногенно-природных рисков, учитывающих сложный характер взаимосвязи элементов ТПС и позволяющих на основе анализа характеристик-индикаторов рисковых ситуаций, представленных при помощи различных шкал измерения, вырабатывать комплексные мероприятия по минимизации последствий реализации рисковых ситуаций является актуальной научной задачей, имеющей существенное значение для теории и практики математического моделирования сложных систем

Основные разделы диссертации выполнялись в соответствии с заданиями комплексной программы социально-экономического развития Смоленской области на 20052008 г.г Тема диссертации соответствует перечню критических технологий, определенных «Основами политики РФ в области развития науки и технологии на период до 2010 г и на дальнейшую перспективу» - «Компьютерное моделирование» и «Искусственный интеллект»

Цель работы. Разработать методы и комплекс программ для построения математических когнитивных нечетко-логических моделей ТПС, используемых для оценки и

динамического мониторинга техногенно-природных рисков на основе анализа характеристик-индикаторов рисковых ситуаций, представленных при помощи различных шкал измерения, и выработки комплексных мероприятий по минимизации последствий реализации рисковых ситуаций

Применить разработанный комплекс программ для построения математических когнитивных нечетко-логических моделей оценки техногенно-природных рисков в информационных системах управления региональной природоохранной деятельностью для уменьшения вредных техногенных воздействий промышленных предприятий на окружающую среду, что на основе применения результатов моделирования рисковых ситуаций при разработке стратегического плана развития Смоленской области будет способствовать созданию условий для перехода региона к устойчивому развитию

Для реализации указанной цели поставлены и решены следующие задачи

1 Исследование особенностей рисков управления сложными ТПС, классификация и анализ современных методов исследования рисков в ТПС на основе применения математического моделирования, в том числе в случае отсутствия или неполноты статистической информации о характеристиках рисков

2 Проведение системного анализа основных задач, решаемых на этапе оценки и мониторинга рисков, представляющего собой процесс систематического контроля и оценки эффективности действий, направленных на предотвращение рисков, обоснование показателей - индикаторов и параметров рисков, которые могут быть использованы для проведения оценки и мониторинга рисков в сложных ТПС

3 Классификация типов неопределенности информации при управлении рисками Выработка требований к математическим моделям оценки рисков в сложных ТПС с учетом различных типов неопределенности информации о функционировании данных систем

5 Разработка метода построения нового типа когнитивных нечетко-логических моделей ТПС, обеспечивающих расширенные возможности для оценки и мониторинга рисков за счет формализации в рамках обобщенной модели системных факторов, опасностей возникновения рисков, самих рисков, а также мероприятий по предотвращению и/или снижению рисков

6 Разработка метода построения динамической когнитивной нечетко-логической модели для оценки и мониторинга рисков с учетом возможного раздельного и интегрированного влияния рисков на системные концепты ТПС

7 Разработка алгоритма оценки и мониторинга рисков на основе предложенной когнитивной нечетко-логической модели ТПС

8 Разработка методики построения комплекса программ оценки рисков в сложных ТПС

9 Практическое применение разработанных методов и комплекса программ оценки рисков для повышения эффективности управления ТПС Смоленской области

Методы исследования в диссертации: методы математического моделирования, управления рисками, нечетких множеств, нечеткой логики и имитационного моделирования, нейронных сетей, когнитивного моделирования Основные положения, выносимые на защиту

1 Теоретико-математический аппарат реализации процедур оценки техногенно-природных рисков на основе применения когнитивных нечетко-логических моделей

2 Метод построения нового типа когнитивных нечетко-логических моделей ТПС, обеспечивающий повышение эффективности оценки и мониторинга рисков в условиях неопределенности информации

3 Алгоритмы построения динамических когнитивных нечетко-логических моделей для оценки и мониторинга технегенно-природных рисков, учитывающих возможность раздельного и интегрированного влияния рисков на элементы и подсистемы ТПС

4 Методика построения, архитектура и режимы функционирования комплекса программ для оценки и мониторинга техногенно-природных рисков «МШБК»

Обоснованность научных результатов, выводов и рекомендаций, сформулированных в диссертации, определяется корректным применением методов математического моделирования, управления рисками, нечетких множеств, нечеткой логики и имитационного моделирования, нейронных сетей, когнитивного моделирования

Достоверность теоретических разработок подтверждена вычислительными экспериментами на персональных компьютерах и реальными натурными экспериментами, согласование результатов которых позволяют сделать вывод об адекватности разработанных математических моделей

Научная новизна работы состоит в следующем

1. На основе результатов проведенного анализа особенностей рисков управления сложными техногенно-природными системами обоснована возрастающая роль этапов оценки и мониторинга рисков в процессе управления рисками ТПС, а также целесообразность применения в случае отсутствия или неполноты статистической информации о характеристиках рисков для построения математической модели оценки рисков аппарата когнитивного моделирования, что позволило классифицировать типы неопределенности, возникающие при оценке рисков неопределенность в описании системы, неопределенность в результате неучета различных факторов, нечеткое задание уровней риска, нечеткое описание критериев риска, т е правил, по которым оценивается его значимость, нечеткое описание событий (набора обстоятельств, при которых происходит Явление), неопределенность влияния рисков различных типов друг на друга

2 Сформулированы основные задачи, решаемых на этапах оценки и мониторинга техногенно-природных рисков, представляющего собой процесс систематического контроля и оценки эффективности действий, направленных на предотвращение и смягчение рисков и идентификацию новых рисков в соответствии с принятой для этого системой предпочтений, которые в отличие от известных предполагают динамический анализ показателей-индикаторов и параметров рисков, что позволяет обобщить понятие возможности опасного события, под которым понимается степень его осуществления, оцениваемая или измеряемая в зависимости от характера этого события, особенностей доступной информации и используемых методов формализации и анализа рисков

3 Выработаны требования к математическим моделям оценки техногенно-природных рисков, которые в отличие от известных охватывают аспекты построения и использования нечеткой когнитивной модели мониторинга рисков, модели оценки влияния системных факторов и идентифицированных опасностей на показатели риска (модель оценки риска), модели оценки влияния мероприятий на предотвращение и/или снижение риска (модель оценки и выбора мероприятий), модели агрегирования влияния мероприятий на предотвращение и/или снижение риска, что позволяет повысить обоснованность решений по минимизации последствий реализации рисковых ситуаций

4 Разработан метод построения нового типа когнитивных нечетко-логических моделей оценки техноногенно-природных рисков, отличающихся формализацией в рамках

обобщенной модели системных факторов, опасностей возникновения рисков, самих рисков, а также мероприятий по предотвращению и/или снижению рисков, что обеспечивает повышение эффективности оценки рисков в условиях неопределенности информации

5 Разработан алгоритм построения динамических когнитивных нечетко-логических моделей для оценки рисков, который в отличие от известных учитывает возможность раздельного и интегрированного влияния рисков на системные концепты ТПС, что позволяет научно-обоснованно выбирать упреждающие мероприятия по предотвращению и/или снижению рисков на основе анализа информации о внешней и внутренней среде исследуемых сложных систем, представленной при помощи различных шкал измерений

6 Предложен алгоритм оценки рисков на основе построения когнитивной нечетко-логической модели ТПС, включающий этапы построения локальных моделей агрегированного влияния предлагаемых мероприятий по предотвращению или снижению рисков, что позволяет на основе оценки их эффективности вырабатывать решения по управлению ТПС с учетом временного фактора

7 Разработана методика построения, архитектура и режимы функционирования комплекса программ «MRISK», реализующие предложенные методы построения и использования динамических когнитивных нечетко-логических моделей для оценки рисков, которые характеризуются высокой степенью универсальности и позволяют за счет повышения обоснованности решений по предотвращению или минимизации последствий возникновения рисковых ситуаций повысить эффективность управления природоохранной деятельностью в районах экологически опасных промышленных предприятий

Научная значимость работы Разработанные в диссертации методы построения когнитивные нечетко-логические модели для оценки рисков в ТПС вносят вклад в развитие методов математического моделирования сложных систем в условиях неопределенности информации

Практическая значимость работы.

1 Разработанные в диссертации методы и алгоритмы построения когнитивные нечетко-логические модели для мониторинга рисков практически использоваться при создании систем поддержки принятия решений (СППР) по управлению ТПС, что позволит повысить обоснованность принимаемых управленческих решений

2 На основе предложенных методов и алгоритмов с использованием среды визуального программирования BORLAND DELPHI 6 0 разработан комплекс программ автоматизированного построения когнитивных нечетко-логических моделей для оценки рисков «MRISK», который может практически применяться для управления природоохранной деятельностью в регионах экологически опасных промышленных предприятий

Реализация результатов работы. Разработанный комплекс программ «MRISK» и научно-обоснованные рекомендации по его применению практически используются Администрацией города Смоленска в составе экологической геоинформационной системы для управления природоохранной деятельностью, что позволяет повысить эффективность использования материально-технических и финансовых ресурсов на природоохранные мероприятия и снизить уровень негативного техногенного воздействия промышленных предприятий на окружающую среду

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на Всероссийской конференции «Современные информационные технологии в медицине и экологии» (Смоленск, 2003), Международной конференции «Системы компьютерной математики и их приложения» (Смоленск, 2006), а также на

научных семинарах в РХТУ им Д И Менделеева и Смоленском государственном университете

Публикации. По теме диссертации опубликовано 8 печатных работ, обшим объемом 2,1 пл.

Структура и объем работы Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 105 наименований, и приложений Диссертация содержит 145 страниц, 22 рисунка и 10 таблиц

Оглавление диссертации Введение

1. Современные методы математического моделирования и компьютерного анализа техногенно-природных рисков

1 1 Классификация техногенно-природных рисков

1 2 Анализ компьютерных методов исследования рисков в сложных техногенно-природных системах

1 3 Возможность применения математического аппарата искусственного интеллекта для автоматизированных процедур анализа техногенно-природных рисков 1 4 Формализация процедуры оценки техногенно-природных рисков с использованием когнитивных карт и нечеткой логики

1 5 Выводы

2. Метод и алгоритмы разработки когнитивных нечетко-логических моделей оценки техногенно-природных рисков

2 1 Метод построения когнитивных нечетко-логических моделей оценки техногенно-природных рисков при различных стратегиях управления рисками

2 2 Алгоритм построения динамических когнитивных нечетко-логических моделей интегральных оценок техногенно-природных рисков с учетом возможности раздельного и интегрированного влияния рисков на элементы сложных систем

2 3 Алгоритм принятия управленческих решений по предотвращению и снижению техногенно-природных рисков с использованием когнитивной нечетко-логической модели

2 4 Выводы

3. Комплекс программ компьютерной оценки техногенно-природных рисков с использованием когнитивной нечетко-логической модели

3 1 Обобщенная архитектура комплекса программ оценки техногенно-природных рисков «MRISK»

3 2 Информационная модель комплекса программ «MRISK» 3 3 Программное обеспечение комплекса программ «MRISK»

3 4 Выводы

4. Результаты практического применения комплекса программ «MRISK» для управления техногенно-природными рисками

4 1 Методика применения комплекса программ «MRISK» для управления техногенно-природными рисками на этапах жизненного цикла сложных промышленных объектов

4 2 Разработка когнитивной нечетко-логической модели оценки техногенно-природных рисков на этапах жизненного цикла сложного промышленного объекта 4 3 Результаты научно-обоснованных решений по управлению техногенно-природными рисками с использованием комплекса программ «MRISK» при функционировании завода по сжиганию твердых бытовых отходов 4 4 Выводы Заключение.

Список литературы.

Приложение 1 Визуальный интерфейс комплекса программ «МШБК»

Приложение 2 Экранные формы принятых решений по управлению техногенно-

природными рисками

Приложение 3 Справка об использовании результатов диссертационной работы по решению задач управления техногенно-природными рисками при функционировании завода по сжиганию твердых бытовых отходов

СОДЕРЖАНИЕ РАБОТЫ Во введении обосновывается актуальность решаемой в диссертации задачи, формулируется цель и определяются основные направления исследования Приведены положения, выносимые на защиту, обоснована их научная новизна и практическая значимость

В первой главе «Современные методы математического моделирования и компьютерного анализа техногенно-природных рисков» рассматривается классификация рисков в ТПС, анализируется возможность применения когнитивного моделирования для организации автоматизированной процедуры анализа и мониторинга рисков, обосновываются требований к математической модели мониторинга рисков в ТПС

В зависимости от трактовки понятия риска используются различные его показатели Например, риск может быть определен как частота реализации опасности, вероятность появления неблагоприятного события или его отклонения от ожидаемого результата На практике более часто используется показатель риска, представляющий собой сочетание вероятности опасного события и величины ущерба от этого события Следует заметить, что в условиях уникальности оцениваемых ситуаций при управлении ТПС, невозможности получения достаточных статистических данных, нечеткости их значений, экспертного характера информации, обычно затруднительно обеспечить выполнение положений вероятностного подхода при оценке риска

Введем понятие возможности опасного события, под которым будем понимать степень его осуществления, оцениваемую или измеряемую в зависимости от характера этого события, особенностей доступной информации и используемых методов формализации и анализа рисков

В диссертации показано, что управление рисками представляет собой итерационный процесс, т е данные о прежних и вновь появляющихся рисках должны регулярно обновляться Причем повторный анализ рисков целесообразно проводить таким образом, чтобы новую информацию о них можно было использовать при планировании очередной итерации управления Это обусловило выделение этапа оценки и мониторинга риска, который означает процесс систематического контроля и оценки эффективности действий, направленных на предотвращение и смягчение рисков, и идентификацию новых рисков в соответствии с принятой для этого системой предпочтений Ключевым фактором оценки и мониторинга является учет эффективности мероприятий по предотвращению рисков или смягчению их последствий Под системой предпочтений при мониторинге рисков понимается некоторая совокупность правил, которая отображает предпочтения по принятию возможного уровня риска (приемлемость риска) в зависимости от результатов текущей оценки риска и анализа системных факторов

Другой основной задачей оценки и мониторинга риска является анализ показателей-индикаторов, которые могут указывать на приближение или реализацию рисков

Превышение значений индикаторов мониторинга рисков свыше установленных пределов (критериальных значений) является основанием для принятия мер в соответствии с выбранной стратегией

В соответствии с указанными задачами оценки и мониторинга рисков будем использовать один из следующих показателей риска

1) Возможность появления опасного события или его отклонения от ожидаемого результата

К,ег = .© К,

& 1=1, л

где - агрегированное значение риска, Л, - возможность возникновения /-го опасного события (г = 1, , и), © - операция агрегирования рисков при возникновении п опасных событий, выбираемая в зависимости от характера событий, особенностей доступной информации и используемых методов формализации и анализа рисков

2) Сочетание возможности опасного события и величины ущерба от этого события

й (=1 «

где И,кг - агрегированное значение риска, Л, - возможность возникновения /-го опасного события (/ = 1, , п), У, - величина ущерба при /-м событии; * - операция свертки возможности возникновения /-го опасного события и величины ущерба

Перспективным направлением решения задач автоматизированной оценки и мониторинга рисков является развитие методов формализации, анализа и моделирования риска на основе их обобщения для случаев информации нестатистической природы, в том числе имеющей качественный характер, характеризующейся неопределенностью, оценкой и агрегированием с помощью различных шкал измерений

Используемые в настоящее время для мониторинга рисков математические модели и комплексы программ не всегда позволяют в таких условиях учесть сложный характер взаимного влиянии элементов сложных ТПС и источников риска внешней или внутренней среды. Поэтому возникает необходимость в качественно ином уровне обработки информации о состоянии управляемых ТПС, предусматривающем использование методов и средств когнитивного математического моделирования

В диссертации были сформулированы следующие требования к математической модели для оценки и мониторинга рисков

1 Необходимость обеспечения возможности реализации интегрированного подхода к оценке и мониторингу рисков

2 Комплексность отображения факторов, характеризующие исследуемую систему, идентифицированные риски, мероприятия (управляющие решения) по предотвращению и/или снижению рисков

3 Необходимость обеспечения возможности формализации и учета в процессе оценки различных типов риска и механизмов их воздействия на систему

4 Модель в процессе оценки рисков должна быть «чувствительной» к изменению уровней рисков

5 Необходимость обеспечения оценки влияния риска на ТПС

6 Должны быть реализованы оценочные модели двух типов оценки влияния сис темных факторов и идентифицированных опасностей на показатели риска (модель оцен ки риска) и оценки влияния мероприятий на предотвращение и/или снижение риска (мо дель оценки и выбора мероприятий)

7 Необходимость учета различных типов неопределенности

8 Необходимость решения многокритериальной задачи по согласованию решений Вторая глава «Метод и алгоритмы разработки когнитивных нечетко

логических моделей оценки техногенно-природных рисков» посвящена разработке метода построения когнитивных нечетко-логических моделей ТПС, при реализации различных стратегий управления рисками, а также алгоритмов построения динамических когнитивных нечетко-логических моделей для мониторинга рисков, учитывающих возможность раздельного и интегрированного влияния рисков на элементы сложных техногенно-природных систем

Обобщенная процедура реализации метода построения когнитивных нечетко-логических моделей ТПС для оценки рисков включает следующие этапы

Этап 1. Определение состава структуры (набора концептов) когнитивной нечетко-логической модели для оценки и мониторинга рисков

Шаг 1 Задание множества концептов, характеризующих системные факторы анализируемой системы

¡с>*={кг,к;>\ ,КГ), (1)

где К- концепт, характеризующий г-й фактор анализируемой системы (г = I, , /)

Шаг 2 Задание множества концептов, характеризующих идентифицированные опасности возникновения рисков

К"™' = {К?", К?' ,КТ), (2)

где - концепт, характеризующий у-ю идентифицированную опасность возникновения риска (/=1, , I)

Шаг 3 Формирование множества риск-концептов, характеризующих риски исследуемой системы

к"'1 = {к",к,к",к ,к."*), (3)

где К'"к - риск-концепт, характеризующий 1-й риск системы (1=1, , Ь)

Шаг 4 Формирование множества концептов, характеризующих мероприятия по предотвращению и/или снижению рисков

К** (4)

где К'кк - концепт, характеризующий г-е мероприятие (группу мероприятий) по предотвращению и/или снижению рисков системы (г = 1, , 2Г)

Шаг 5 Формирование по результатам шагов 1-4 этапа состава структуры нечеткой когнитивной модели оценки и мониторинга рисков

К=(К™,К*",К"*,К'*Я) (5)

Этап 2 Определение согласованных отношений влияния (причинности) между каждой парой концептов из множества /Г", характеризующих системные факторы Шаг I Задание отношений влияния между концептами из множества /Г"'1

Отношения влияния между концептами из множества X""" представляются в виде весов w'j* s[-l, 1] и рассматриваются как элементы нечеткой матрицы смежности

Эти отношения, отображаемые в виде дуг ориентированного графа, описывающего нечеткие причинно-следственные связи между концептами

Шаг 2 Формирование когнитивной матрицы взаимовлияний между концептами множества К

Для определения взаимовлияния концептов от исходной нечеткой матрицы смежности W"' с положительно-отрицательными нечеткими связями нужно перейти к нечеткой матрице положительных связей У" размером 27x2/, элементы которой определяются из матрицы W" размером 1x1 путем следующей замены

если w;< > 0, то 2Н = у™2) = w™, если >к,Г < о, TOv»!H = v;r, = w; Шаг 3 Согаасование отношений взаимовлияния между концептами множества

К1,1

Согласованные отношения взаимовлияния концептов определяются в результате транзитивного замыкания V4' Результат представляется в виде матрицы модифицированной матрицы, состоящей из положительно-отрицательных пар весов = fCwJ", mv"")||> полученных по следующему правилу

= max (v,';:, ,н, w;'1 = - max 2, ,v;;',,„i)

В результате этапа 2 формируется нечеткая когнитивная карта, отображающая системные факторы анализируемой системы

Этап 3 Формирование нечетких моделей оценки влияния системных факторов и идентифицированных опасностей на показатели риска (нечетких моделей оценки риска) Данные модели формируются для каждого риска (риск-концепта)

Шаг 1 Обоснование типа нечетко-логической модели оценки риска В диссертации предложено использовать нейро-нечеткий классификатор в качестве нечеткой модели оценки влияния системных факторов и идентифицированных опасностей на показатели риска

Шаг 2 Задание структуры нечетко-логической модели оценки риска Под заданием структуры данной нечеткой модели оценки понимается определение входных и выходных переменных модели, задание весов входных переменных, и определение подхода, в соответствии с которым определяется показатель риска Jfw„

На этом же шаге экспертным путем задаются веса входных переменных модели оценки S"'1

Шаг 3 Формирование терм-множеств и логико-лингвистических шкал входных и выходной переменных нечеткой модели оценки

В соответствии с выбранным подходом к построению нечетко-логической оценочной модели 1 определим терм-множества входных и выходной переменных, представив их в виде функций принадлежности нечетких множеств Предложим для их формирования следующие эвристические правила

• набор терм-множеств для входных переменных Р, и Р2, представляющих опасность возникновения риска (от концептов К?"" и К?", соответственно), определяется числом выявленных уровней опасности либо экспертным путем,

• набор терм-множеств для входной переменной, представляющей системный фактор Я (от концепта К^ ), определяется экспертным путем,

• набор терм-множеств для выходной переменной Я,, представляющей возможность возникновения риска (от концепта К'"к ), определяется выявленным набором критериев (уровней) риска

Для формирования терм-множеств и логико-лингвистических шкал как входных, так и выходной переменных могут быть использованы типовые ¿-Л-функции (треугольная, трапецеидальная, гауссова, колоколообразная, сигмоидальная и др ), вид которых задается значениями параметров, входящих в их аналитические описания, и уточняется по результатам экспериментов

Шаг 4 Задание классификационных определений качественных оценок выходной переменной Я, нечеткой модели оценки

Задание классификационных определений качественных оценок выходной переменной Д, на основе качественных оценок входных переменных необходимо для последующего построения решающих продукционных правил нейро-нечеткого классификатора

Шаг 5 Формирование базы продукционных правил нечетко-логической модели оценки риска

В соответствии с полученными на предыдущем шаге классификационными определениями качественных оценок выходной переменной Я, формируется начальная база продукционных правил нечетко-логической модели оценки

Шаг б Построение нечеткой модели оценки риска в виде нейро-нечеткого классификатора

Реализация данной модели оценки в виде нейро-нечеткого классификатора обусловлена сформированными выше требованиями к оценке влияния системных факторов и идентифицированных опасностей на показатели риска Таким образом, при реализации нечетко-логической модели оценки влияния системных факторов и идентифицированных опасностей на показатели риска на основе нейро-нечеткого классификатора не только определяется (выбирается) значение показателя риска Л,, соответствующее одному из уровней риска, например, {Допустимый (/Лг Приемлемый (С;{| ), Неприемле-мый( й,(|)), но и оценивается степень возможности выбранного уровня риска

Шаг 7 Задание индикаторов уровней рисков

В контексте построения нечетких моделей оценки рисков предлагаемого типа, задание индикаторов уровней риска полностью определяется назначением и видом выходных переменных этих оценочных моделей

Так, для каждой выходной переменной Я, (риск-концепт К,'"*), представляющей возможность возникновения риска, задаются индикаторы, соответствующие набору уровней (критериев) риска Я„, Сд , Ва

Помимо, собственно, индикации уровня риска, эти индикаторы риска позволяют также показать степень приемлемости соответствующего уровня риска

Этап 4 Построение нечетких моделей оценки влияния мероприятий на предотвращение и/или снижение риска (моделей оценки и выбора мероприятий)

Также как и для нечетких моделей оценки риска, модели оценки и выбора мероприятий формируются для каждого риска (риск-концепта)

Шаг 1 Задание структуры модели оценки и выбора мероприятий Для задания структуры модели оценки и выбора мероприятий необходимо установить соответствие уровней риска риск-концепта и концептов К*', характеризующих мероприятия по предотвращению и/или снижению данного риска,определить степени влияния концептов К^ на предотвращение и/или снижение риска Л, (риск-концепт К"*), задать условия выбора альтернативных концептов К^' в зависимости от оцененного уровня риска и степени его приемлемости

Шаг 2 Установление соответствия уровней риска риск-концепта и концептов, характеризующих мероприятия по предотвращению и/или снижению данного риска

Каждому уровню риска риск-концепта К"* на основе экспертной процедуры ставится в соответствие отдельный концепт, определяющий степень влияния выделенных мероприятий (группы мероприятий) на предотвращение и/или снижение данного риска в системе

Шаг 3 Задание условий и механизма выбора альтернативных концептов К'1" в зависимости от оцененного уровня риска и степени его приемлемости

Условием выбора альтернативного концепта К^' является отнесение значения выходной переменной Я, (риск-концепт К"х") к одному из трех классов Нк , , Вн с учетом превышения некоторого установленного порогового значения (например, больше 0,5)

Шаг 4 Определение степени влияния концептов К'^" на предотвращение и/или снижение риска Я, (риск-концепт К"л)

Очевидно, что непосредственное влияние концептов к*' на предотвращение и/или снижение риска Я, установить достаточно сложно Вследствие этого в когнитивной нечетко-логической модели непосредственно задается только степень влияния на отдельные системные факторы (концепты К;'"' <= {/С,'" К", , К';"}) и/или идентифицированные опасности (концепты К*" е {К,™, К?", , К?})

На рис 1 приведен пример структуры когнитивной нечетко-логической модели оценки и мониторинга рисков с несколькими независимыми моделями оценки и выбора мероприятий по предотвращению/снижению рисков В результате использования модели оценки и выбора мероприятий определяется степень их влияния на предотвращение и/или снижение риска в зависимости оцененного уровня риска

Разработан метод построения динамических когнитивных нечетко-логических моделей для оценки и мониторинга рисков, который учитывает возможность интегрированного влияния рисков на системные концепты ТТТС Очевидно, что в сложных ТПС и СЭС влияние различных рисков может носить интегральный характер При этом в

Рисунок 1 - Пример структуры когнитивной нечетко-логической модели оценки рисков с независимыми моделями выбора мероприятий по предотвращению рисков

рамках дополнительного пятого этапа общей процедуры, рассмотренной выше, предполагается построение модели агрегирования влияния мероприятий на предотвращение и/или снижение риска

Формирование агрегированного влияния осуществляется на основе свертки (в соответствии с идентифицированной операцией) значений уровней частных рисков, с учетом «взвешивания» этих значений

А* = Тегтк (/)) ОР « Гели^ (*)),

где - афегированное влияние мероприятий на предотвращение и/или снижение риска для Тегт^(/) и Тегт„г(к), Тепп,ч(1) и Тегт,к(к) - уровни частных рисков, полученные в результате срабатывания 1-й и 2-й моделей оценки рисков, соответственно, и»*1 и м-ч" -весовые коэффициенты влияния соответствующих мероприятий (концепты К*' и К^) на предотвращение и/или снижение риска, I, к — индексы «сработавших» концептов, ОР - идентифицированная операция свертки для Тегт^ (/) и Тегт((> (А), выбираемая в зависимости от степени их согласованности

Задание модели динамики когнитивной нечетко-логической карты для оценки и мониторинга рисков, оказывающих раздельное влияние на системные концепты, осуществляется при помощи выражения

/=1

где ^ = 0, 1,2, - моменты дискретного времени,/- нелинейная функция, которая предотвращает выход значений концепта за границы заданного диапазона (например,

Н. I])

Для случая интегрированного влияния рисков на системные концепты разработанная модель динамики нечеткой когнитивной карты для мониторинга рисков представляется следующим образом

К?и +1) = Д2>ГКГ(0 + ОР,* Тегтц (/,))]

где /, - индексы концептов, характеризующих мероприятия по предотвращению/снижению риска R,, непосредственно влияющих на системный концепт К'*'' и выбранных в момент времени t, Nsys - число системных концептов, непосредственно связанных с концептом К"', Ndes - число рисков, непосредственно воздействующих на системный концепт К™

В третьей главе «Комплекс программ компьютерной оценки техногенно-природных рисков с использованием когнитивной нечетко-логической модели»

приведена обобщенная архитектура комплекса программ «MRISK» управления техно-генно-природными рисками и его программная реализация

На основе предложенных методов и алгоритмов с использованием среды визуального программирования BORLAND DELPHI 6 0 и пакета компьютерной математики MathLab разработан комплекс программ автоматизированного построения когнитивных нечетко-логических моделей для оценки и мониторинга рисков «MRISK», блок-схема архитектуры которого приведена на рис 2

Информационно-аналитический центр

Информциоико-зналитический центр Подсистема обора данных

Локальная сеть

WEB - сервер

СУБД

5*длинистратор

I Г**

• Пользователь сети | (контроль анализ I просмотр ¿ЯННЫ 1}

Октриоькгоры пофоршфов!ния qth»toi (MSSQL 200D

П^ДИ BUffl нормативные flPIC,ffl»HTOB просмотр №ННЫ« 11 Импорт отч am я"*" Двтартащя,Рт1стряшя

а

Порпл

Клиент портала

*

Рисунок 2 - Блок-схема архитектуры комплекса программ «MRISK»

В состав архитектуры комплекса nporpaMM«MRISK» входят следующие основные модули система управления базами данных (СУБД) - используется MSSQL Server 2000, реляционная база данных (РБД), предназначенная для хранения информации о подаче статистической отчетности по мониторингу рисков, данных регистрации пользователей и организаций, служебных данных и т д, портал - обеспечивает персонализированный интерфейс для корпоративных пользователей, ЖЕЯ-сервер - программа, которая принимает запросы от клиентов и формирует ответы на них (включает серверные приложения, в том числе и модуль обработки данных, выполненный в системе MathLab), дистрибутивы программного обеспечения - инсталляционные версии средств формирования отчетных документов, XML-файлы - сформированные при помощи программных средств отчеты, содержащие статистические данные о рисках, клиентские приложения, выполненные в среде программирования BorlandDelphi7

Программные средства формирования XML-отчетов на основе статистических данных представляют собой модульные Win32 - приложения, которые в соответствии с регламентом и установленным форматом документов генерируют Л"М£-файл отчета

Таким образом, все основные этапы предложенных алгоритмов реализуются на встроенном языке системы Matlab, при этом частные модели сохраняются в виде файлов, а затем вызываются с помощью специальных команд для обучения и тестирования, по результатам которого рассчитываются показатели критериев отбора Для организации работы с частными моделями используются их учетные записи, каждая из которых содержит краткое описание модели (уровень, набор переменных) и указатель на файл, содержащий соответствующую когнитивную структуру

В четвертой главе «Результаты практического применении комплекса программ «\1R1SK» для управления техногенно-при род н ы м и рисками» приведена методика использования методов и алгоритмов построения когнитивных нечетко-логических моделей для управления техногенно-природными рисками, а также результаты практического применения комплекса программ «МЙ15К» для управления риски-ми в гехногеино-природных системах Смоленской области.

13 диссертации была предложена методика применения комплекса программ «МШ8К>> в корпоративных распределенных системах регионального уровня. На рис. 3 показан? блок-схема архитектуры СПНР по управлению экологической безопасностью региона, в состав которой интегрированы модули комплекса программ «МК]8К», изображенные на рис. 2.

Рисунок 3 — Блок-схема архитектуры СГТГГР по управлению экологической безопасностью региона

Серверная часть рассматриваемой СГ1ПР реализована при помоши технологии Ас-Пуе5егуегРа£й5 и УВ-5спе| используемой на сервере при обращении клиентов через \VEB-cepnep. Распределенная система указанного типа обладает универсальной архитектурой и технологической платформой, что позволяет использовать ее для работы с другими статистическими данными.

Предложенный комплекс программ для мониторинга риска практически используется в Администрации города Смоленска для поддержки принятия решений по управлению природоохранной деятельностью и инвестиционной деятельностью

Так, были разработаны когнитивные нечетко-логические модели для оценки и мониторинга техногенно-природных рисков, связанных со строительством завода по сжиганию твердых бытовых отходов в г Смоленске В качестве системных концептов разработанной когнитивной нечетко-логической карты Кт = {АГ™, , ЛГ"Ч рассматривались уровень затрат на переработку, скорость переработки, объемы переработки, количество создаваемых рабочих мест, затраты на природоохранную деятельность, уровень вредных выбросов в атмосферу, уровень вредных выбросов в водную среду и т д (всего 16 концептов)

В состав множества концептов, характеризующих идентифицированные опасности возникновения рисков К'ш = {К'{т, К'^", , К''""}, вошли дополнительно автотранспортная система региона (ее возможная неспособность обеспечить ритмичность транспортных потоков, вызванных дополнительной нагрузкой), система энергообеспечения предприятия (ее возможная неспособность обеспечивать безаварийную подачу электроэнергии требуемого качества), система, включающая жителей близлежащих районов и Смоленской области в целом, система финансирования (включающая подсистему финансирования строительства, обеспечения бесперебойного функционирования и обслуживания производственных мощностей), система диспетчеризации, обеспечивающая синхронизацию всех звеньев логистической цепи в целях недопущения складирования перерабатываемого материала в больших количествах, система экологического мониторинга и защиты окружающей среды, система подготовки технологических кадров для рассматриваемых производств и т д

Формирование множества риск-концептов, характеризующих риски исследуемой системы, осуществлялось с использованием процедур экспертного оценивания В результате были выделены следующие основные риски превышение допустимых выбросов в атмосферу и водную среду в процессе строительства и функционирования предприятия, превышение допустимых норм излучения при работе плазменных печей, загрязнение близлежащих территорий непереработанными отходами, срыв сроков строительства и невозможность обеспечения своевременного выполнения производственных программ в следствие протестных действий населения и политических сил, превышение предельно допустимых норм загрязнения в районах автодорог, обеспечивающих транспортировку утилизируемых отходов, рост профессиональных заболеваний

В результате формирование множества концептов, характеризующих мероприятия по предотвращению и/или снижению выделенных рисков К= {К?", , К?"}, были предложены следующие концепты дополнительные мероприятия по финансированию природоохранной деятельности (было предложено четыре основных программы), мероприятия по подготовке кадров, мероприятия по просветительской работе среди населения, мероприятия по совершенствованию системы энергообеспечении и транспортной системы, мероприятия по созданию механизмов оперативного привлечения финансовых ресурсов для обеспечения бесперебойного функционирования предприятия Все перечисленные мероприятия могут быть реализованы в той или иной степени при соответствующих значениях показателей-индикаторов уровня риска

Процесс оценки и мониторинга рисков будет осуществляться профильными подразделениями Администрации города Смоленска В этой связи было принято решение

об интеграции разработанного комплекса программ «МШБК» в состав СГШР по управлению экологической безопасностью города Смоленска в рамках архитектура, приведенной на рис 3

В соответствие с прогнозными оценками практическое применение комплекса программ «МЫБК» при решении рассмотренной отдельной задачи позволит снизить уровень негативного техногенного воздействия создаваемого предприятия по сжГиганию отходов на окружающую среду в среднем на 15-25% на основе принятия превентивных мер по снижению последствий реализации возможных рисковых ситуаций и повышения эффективности использования материально-технических и финансовых ресурсов на природоохранные мероприятия

В приложении приведен вид окон визуального интерфейса комплекса программ «МШБК», экранные формы принятых решений по управлению техногенно-природными рисками, справка об использовании результатов диссертационной работы по решению задач управления техногенно-природными рисками при функционировании завода по сжиганию твердых бытовых отходов

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1 Проведен анализ специфических особенностей техногенно-природных рисков, результаты которого позволили обосновать возрастающую роль этапа оценки и мониторинга рисков в процессе управления рисками в ТПС Показано, что в случае отсутствия или неполноты статистической информации о характеристиках техногенно-природных рисков для построения математической модели оценки и мониторинга рисков целесообразно применять аппарат когнитивного моделирования

2 Проведена классификация типов неопределенности, возникающей при оценке и мониторинге техногенно-природных рисков, неопределенность в описании системы, неопределенность в результате неучета различных факторов, нечеткое задание уровней риска, нечеткое описание критериев риска, т е правил, по которым оценивается его значимость, нечеткое описание событий (набора обстоятельств, при которых происходит явление), неопределенность влияния рисков различных типов друг на друга

3 Сформулированы основные цели и задачи этапа оценки и мониторинга рисков, представляющего собой процесс систематического контроля и оценки эффективности действий, направленных на предотвращение и смягчение рисков и идентификацию новых рисков в соответствии с принятой для этого системой предпочтений, которые предполагают динамический анализ показателей-индикаторов и параметров рисков Это позволило обобщить понятие возможности опасного события, под которым понимается степень его осуществления, оцениваемая или измеряемая в зависимости от характера этого события, особенностей доступной информации и используемых методов формализации и анализа рисков

4 Сформулированы требования к математическим моделям оценки техногенно-природных рисков, которые охватывают процедуры построения и использования когнитивной нечетко-логической модели исследуемой системы, модели оценки риска, модели оценки влияния мероприятий на предотвращение и/или снижение риска (модель оценки и выбора мероприятий), модели агрегирования влияния мероприятий на предотвращение и/или снижение риска, что позволяет повысить обоснованность решений по минимизации последствий реализации рисковых ситуаций

4 Разработан метод построения нового типа когнитивных нечетко-логических моделей оценки техногенно-природных рисков, отличающихся формализацией в рамках

комплексной модели системных факторов, опасностей возникновения рисков, самих рисков, а также мероприятий по предотвращению и/или снижению рисков Показано, что применение данных моделей обеспечивает повышение эффективности оценки и мониторинга рисков в условиях неопределенности информации

5 Разработан алгоритм построения когнитивных нечетко-логических моделей для динамического мониторинга рисков, который учитывает возможность раздельного и интегрированного влияния рисков на системные концепты ТПС Применение данного алгоритма позволяет научно-обоснованно выбирать упреждающие мероприятий по предотвращению и/или снижению рисков на основе анализа информации о внешней и внутренней среде исследуемых сложных систем, представленной при помощи различных шкал измерений

6 Разработан алгоритм оценки и мониторинга рисков на основе построения когнитивной нечетко-логической модели ТПС, включающий этапы построения локальных моделей агрегированного влияния предлагаемых мероприятий по предотвращению или снижению рисков Это позволяет на основе оценки их эффективности вырабатывать решения по управлению ТПС с учетом фактора времени

7 Предложена методика построения, архитектура и режимы функционирования комплекса программ «MRISK» управления техногенно-природными рисками, реализующие предложенные методы построения и использования динамических когнитивных нечетко-логических моделей для оценки и мониторинга рисков Показано, что указанный комплекс программ характеризуются высокой степенью универсальности и позволяет за счет повышения обоснованности решений по предотвращению или минимизации последствий возникновения рисковых ситуаций повысить эффективность управления природоохранной деятельностью в районах экологически опасных промышленных предприятий

8 На основе предложенных методов и алгоритмов с использованием среды визуального программирования BORLAND DELPHI 6 0 разработан комплекс программ автоматизированного построения когнитивных нечетко-логических моделей для мониторинга рисков «MRISK» Показано, что данный комплекс программ может практически применяться для управления природоохранной деятельностью в регионах экологически опасных промышленных предприятий, а также при принятии решений по управлению социально-экономическим развитием регионов

9 Приведены результаты практического использования разработанного комплекса программ «MRISK» в Администрации города Смоленска для управления природоохранной деятельностью Показано, что применение данного комплекса программ позволяет повысить эффективность использования материально-технических и финансовых ресурсов на природоохранные мероприятия и снизить уровень негативного техногенного воздействия промышленных предприятий на окружающую среду, а также повысить обоснованность принимаемых решений по стратегическому управлению регионом

Основные работы, опубликованные по теме диссертации В изданиях перечня ВАК

1 Бапабаев М А Нечеткие когнитивные модели рисков в сложных системах // Системы управления и информационные технологии - 2007 - №3(29) - С 81 -86

2 Борисов В.В , Балабаев М А , Абраменкова И В , Бояринов Ю Г Мониторинг рисков на основе нечетких когнитивных моделей // Программные продукты и системы-2007-№2-С 43-46

В других изданиях

3 Балабаев М А Процедуры динамического мониторинга рисков в сложных социально-экономических системах // Информационные технологии моделирования и управления - 2007 - №4 - С 16-23

4 Абраменкова И В , Балабаев М А Требования к математическим моделям мониторинга рисков в экологических системах // Современные информационные технологии в медицине и экологии Сб науч тр Всерос конф - М Физматлит -2003 - С 223-224

5 Балабаев М А Мониторинг рисков в экономических системах // Экономика Менеджмент Логистика Корпоративные информационные системы Межв сб науч тр -Смоленск Смоленский ЦНТИ-2005 - С 18-21

6 Балабаев М А Информационная система для управления рисками в региональных социально-экономических системах // Экономика Менеджмент Логистика Корпо-ративны^информационные системы Межв сб науч тр - Смоленск Смоленский ЦНТИ -2005 - С 22-26

7 Балабаев М А , Абраменкова И В Оптимизация структура НС с использование генетических олгаритмов // Системы компьютерной математики и их приложения Международной конференции Сб тр Межд науч конф - Смоленск СмолГУ-2006 - С 6-10

8 Балабаев М А Модуль генетической оптимизации нейронной сети типа многослойного персептрона Свид. о регистр прогр В РОСАПО №2006610712 от 22 02 2006

В работах, написанных в соавторстве, Балабаеву М А принадлежат следующие результаты в работе [2] предложен алгоритм и процедура мониторинга рисков в техно-генно-природных системах на основе построения когнитивной нечетко-логической модели, в работе [4] предложена классификация типов неопределенности, возникающие при мониторинге рисков в техногенно-природной системе, в работе [7] предложена система решающих продукционных правил для нейро-нечеткого классификатора рисков

Формат 60x90/16 Тир 100 Зак 5284/1 Печ листов 1.0 Отпечатано в ООО "Принт-Экспресс" Лиц ПЛД №71-38 от 07 09 99 г г Смоленск, проспект Гагарина, 21, т (4812) 32-80-70

Введение

1. Современные методы математического моделирования и компьютерного анализа техногенно-природных рисков

1.1. Классификация техногенно-природных рисков

1.2. Анализ компьютерных методов исследования рисков в сложных техногенно-природных системах

1.3. Возможность применения математического аппарата искусственного интеллекта для автоматизированных процедур анализа техногенно-природных рисков

1.4. Формализация процедуры оценки техногенно-природных рисков с использованием когнитивных карт и нечеткой логики

1.5. Выводы

2. Метод и алгоритмы разработки когнитивных нечетко-логических моделей оценки техногенно-природных рисков

2.1. Метод построения когнитивных нечетко-логических моделей оценки техногенно-природных рисков при различных стратегиях управления рисками

2.2. Алгоритм построения динамических когнитивных нечетко-логических моделей интегральных оценок техногенно-природных рисков с учетом возможности раздельного и интегрированного влияния рисков на элементы сложных систем

2.3. Алгоритм принятия управленческих решений по предотвращению и снижению техногенно-природных рисков с использованием когнитивной нечетко-логической модели

2.4. Выводы

3. Комплекс программ компьютерной оценки техногенно-природных рисков с использованием когнитивной нечетко-логической модели

3.1. Обобщенная архитектура комплекса программ оценки техногенно-природных рисков «MRISK»

3.2. Информационная модель комплекса программ «MRISK»

3.3. Программное обеспечение комплекса программ «MRISK»

3.4. Выводы 114 4. Результаты практического применения комплекса программ «MRISK» для управления техногенно-природными рисками

4.1. Методика применения комплекса программ «MRISK» для управления техногенно-природными рисками на этапах жизненного цикла сложных промышленных объектов

4.2. Разработка когнитивной нечетко-логической модели оценки техногенно-природных рисков на этапах жизненного цикла сложного промышленного объекта

4.3. Результаты научно-обоснованных решений по управлению техногенно-природными рисками с использованием комплекса программ «MRISK» при функционировании завода по сжиганию твердых бытовых отходов

4.4. Выводы 131 Заключение 133 Список литературы 136 Приложение 1. Визуальный интерфейс комплекса программ 148 «MRISK»

Риски в общем случае являются неизбежными, сопутствующими факторам функционирования или развития практически любой сложной системы или процесса. Концепция анализа и управление рисками представляет собой одну из основных современных концепций управления сложными системами и процессами различной природы. Использование данной концепции обосновано высокой степенью неопределенности и сложностью управляемых (разрабатываемых) систем, изменяющимися требованиями к их функционированию, и предполагает построение их математических моделей, позволяющих выявлять, оценивать, отслеживать и устранять риски до их превращения в проблемы, т.к. обычно принятие мер до превращения рисков в проблемы требует гораздо меньших ресурсов. В первую очередь это относится к техно-генно-природным системам (ТПС), для которых при управлении рисками необходимо учитывать существующую взаимовлияние, взаимообусловленность различных рисков, а также различные механизмы их воздействия.

Данное обстоятельство во многом определило большое количество фундаментальных и прикладных работ по применению методов математического моделирования для исследования рисков в сложных системах, в том числе ТПС. Под риском, как правило, понимается сочетание вероятности (возможности) события (нанесения ущерба) и его негативных последствий (тяжести этого ущерба). В ряде случаев под риском также понимают вероятность (возможность) отклонения ожидаемого результата от планируемого.

Широко известны фундаментальные труды отечественных и зарубежных учёных в области применения математических методов исследования рисков, возникающих при управлении сложными системами: Анфилатова B.C., Блекуэлла Д., Бореля Э., Буркова В.Н., Батнарина Д., Бродецкого Г.Л., Вентцель Е.С., Гиршика М.А., Губко М.В., Дрешера М, Дуброва A.M., Дю-бина Г.Н., Емельянова А.А., Зайченко Ю.П., Интрилигатора М., Катылева А.Н., Карлина С., Кини PJL, Конюховского П.В., Крапивина В.Ф., Кремера

Н.Ш., Ларичева О.И., Мак-Кинси Дт., Моргенштерна О., Неймана Дж., Новикова Д.А., Орловского С.А., Поспеловаа Д.А., Редкозубова С.А., Саати Т., Северцева Н.А., Суздаля В.Г., Уткина Э.А., Хедми А., Юдина Д.Б.

Анализ публикаций, посвященных вопросам управления рисками в сложных системах, показывает, что важнейшим этапом данной процедуры является оценка рисков, который означает процесс систематического контроля и оценки эффективности действий, направленных на предотвращение и смягчение рисков, и идентификацию новых рисков в соответствии с принятой для этого системой предпочтений. Ключевым фактором оценки является учет эффективности мероприятий по предотвращению рисков или смягчению их последствий в сравнении с ущербом при реализации рисков.

Другой основной задачей оценки рисков является анализ показателей-индикаторов, которые могут указывать на приближение или реализацию рисков. Превышение значений индикаторов мониторинга рисков свыше установленных пределов (критериальных значений) является основанием для последующей оценки рисков и принятия мер в соответствии с принятой стратегией.

Существенной особенностью оценки рисков является то, что для его качественного осуществления предварительно должны быть решены основные задачи управления рисками: планирование управления рисками, выявление рисков, анализ приоритетности рисков, планирование мероприятий по предотвращению и снижению рисков.

В последние годы для исследования сложных систем используется построение и анализ их когнитивных моделей - когнитивных карт данных систем, представляющих собой граф, узлами (концептами) которого являются элементы или подсистемы исследуемой системы, а дуги отражают характер и силу их взаимного влияния. Проблемам построения и использования когнитивных математических моделей сложных систем посвящены работы таких отечественных и зарубежных учёных как Борисов В.В., Блишун А.Ф., Кача-ев С. Н., Корноушенко Е. К., Максимов В. И., Силов В.Б., Трахтенгерц Э.А,

Федулов А.С., Шапиро Д.И., Axelrod R., BabuskaR., Baldwing J.F., Kosko В., Kumata Y., Hwang Ch.-L., Miyakoshi M., Lin M. J., Sanches E., Sung Ho. L., Wenstop F. и др. Очевидно, что указанный аппарат построения математических моделей сложных ТПС может использоваться при разработке автоматизированных систем поддержки принятия решений по управлению рисками в ТПС при реализации процедур мониторинга рисков.

Перспективным направлением решения задач оценки рисков является развитие методов формализации, анализа и моделирования показателей риска на основе их обобщения для случаев информации нестатистической природы, в том числе информации, имеющей качественный характер, характеризующейся различного рода неопределенностью, оценкой и агрегированием с помощью различных шкал. Сказанное определяет целесообразность применения при построении когнитивных моделей ТПС и СЭС, используемых на этапе исследования и оценки рисков, методов теории нечетких множеств (основоположником является JT. Заде), развитию которой посвящены научные труды Алтунина А.Е., Асаи К., Бутусова О.Б., Верескова С.К., Дорохова И.Н., Комарцовой Л.Г., Кофмана А., Круглова В.В., Кузьмина В.Б., Леонен-кова А.В., Мешалкина В.П., Орловского С.А., Поспелова Д.А, Регеджа Р.К., Семухина М.В., Сугэно М., Терано Т., Федорова В.В. и других отечественных и зарубежных ученых.

Вместе с тем, существующие методы когнитивного моделирования сложных ТПС не позволяют в полной мере учесть разнонаправленный характер влияния их элементов на основные характеристики рисков возникновения неблагоприятной ситуации при управлении данными системами, а также реализовать процедуру оценки рисков на основе использования динамического мониторинга индикаторов - показателей опасности и реализации риска с целью выработки комплексных упреждающих мероприятий по минимизации его последствий, что снижает эффективность указанных методов при разработке алгоритмического и программного обеспечения комплексов программ, используемых для информационной поддержки принятия решений по управлению ТПС

В соответствии с вышеизложенным, задача разработки методов построения когнитивных нечетко-логических моделей и комплекса программ для оценки рисков в сложных техногенно-природных системах, учитывающих сложный характер взаимосвязи элементов ТПС и позволяющих на основе анализа характеристик-индикаторов рисковых ситуаций, представленных при помощи различных шкал измерения, вырабатывать комплексные мероприятия по минимизации последствий реализации рисковых ситуаций является актуальной научной задачей, имеющей существенное значение для теории и практики математического моделирования сложных систем.

Основные разделы диссертации выполнялись в соответствии с заданиями комплексной программы социально-экономического развития Смоленской области на 2005-2008 г.г. Тема диссертации.соответствует перечню критических технологий, определенных «Основами политики РФ в области развития науки и технологии на период до 2010 г. и на дальнейшую перспективу» - «Компьютерное моделирование» и «Искусственный интеллект».

Цель работы. Разработать методы и комплекс программ для построения математических когнитивных нечетко-логических моделей ТПС, используемых для оценки и динамического мониторинга техногенно-природных рисков на основе анализа характеристик-индикаторов рисковых ситуаций, представленных при помощи различных шкал измерения, и выработки комплексных мероприятий по минимизации последствий реализации рисковых ситуаций.

Применить разработанный комплекс программ для построения математических когнитивных нечетко-логических моделей ТПС, используемых для оценки и динамического мониторинга рисков в информационных системах управления региональной природоохранной деятельностью для уменьшения вредных техногенных воздействий промышленных предприятий на окружающую среду, что на основе применения результатов моделирования рисковых ситуаций при разработке стратегического плана развития Смоленской области будет способствовать созданию условий для перехода региона к устойчивому развитию.

Для реализации указанной цели поставлены и решены следующие задачи.

1 .Исследование особенностей рисков управления сложными ТПС, классификация и анализ современных методов исследования рисков в ТПС на основе применения математического моделирования, в том числе в случае отсутствия или неполноты статистической информации о характеристиках рисков.

2. Проведение системного анализа основных задач, решаемых на этапе оценки и мониторинга рисков, представляющего собой процесс систематического контроля и оценки эффективности действий, направленных на предотвращение рисков; обоснование показателей - индикаторов и параметров рисков, которые могут быть использованы для проведения оценки и мониторинга рисков в сложных ТПС.

3. Классификация типов неопределенности информации при управлении рисками. Выработка требований к математическим моделям оценки рисков в сложных ТПС с учетом различных типов неопределенности информации о функционировании данных систем.

5. Разработка метода построения нового типа когнитивных нечетко-логических моделей ТПС, обеспечивающих расширенные возможности для оценки и мониторинга рисков за счет формализации в рамках обобщенной модели системных факторов, опасностей возникновения рисков, самих рисков, а также мероприятий по предотвращению и/или снижению рисков.

6. Разработка метода построения динамической когнитивной нечетко-логической модели для оценки и мониторинга рисков с учетом возможного раздельного и интегрированного влияния рисков на системные концепты ТПС и СЭС.

7. Разработка алгоритма оценки и мониторинга рисков на основе предложенной когнитивной нечетко-логической модели ТПС и СЭС.

8. Разработка методики построения комплекса программ оценки рисков в сложных ТПС.

9. Практическое применение разработанных методов и комплекса программ оценки рисков для повышения эффективности управления ТПС и СЭС Смоленской области.

Методы исследования в диссертации; методы математического моделирования, управления рисками, нечетких множеств, нечеткой логики и имитационного моделирования, нейронных сетей, когнитивного моделирования.

Основные положения, выносимые на защиту.

1. Теоретико-математический аппарат реализации процедур оценки техногенно-природных рисков на основе применения когнитивных нечетко-логических моделей.

2. Метод построения нового типа когнитивных нечетко-логических моделей ТПС, обеспечивающий повышение эффективности оценки и мониторинга рисков в условиях неопределенности информации.

3. Метод построения динамических когнитивных нечетко-логических моделей для оценки и мониторинга технегенно-природжных рисков, учитывающих возможность раздельного и интегрированного влияния рисков на элементы и подсистемы ТПС.

4. Алгоритмическое обеспечение оценки и мониторинга техногенно-природных рисков на основе построения когнитивной нечетко-логической модели ТПС.

5. Методика построения, архитектура и режимы функционирования комплекса программ для оценки и мониторинга техногенно-природных рисков «MRISK».

Обоснованность научных результатов, выводов и рекомендаций, сформулированных в диссертации, определяется корректным применением методов математического моделирования, управления рисками, нечетких множеств, нечеткой логики и имитационного моделирования, нейронных сетей, когнитивного моделирования.

Достоверность теоретических разработок подтверждена вычислительными экспериментами на персональных компьютерах и реальными натурными экспериментами, согласование результатов которых позволяют сделать вывод об адекватности разработанных математических моделей.

Научная новизна работы состоит в следующем.

1. На основе результатов проведенного анализа особенностей рисков управления сложными техногенно-природными системами обоснована возрастающая роль этапов оценки и мониторинга рисков в процессе управления рисками ТПС, а также целесообразность применения в случае отсутствия или неполноты статистической информации о характеристиках рисков для построения математической модели оценки рисков аппарата когнитивного моделирования, что позволило классифицировать типы неопределенности, возникающие при оценке рисков: неопределенность в описании системы; неопределенность в результате неучета различных факторов; нечеткое задание уровней риска; нечеткое описание критериев риска, т.е. правил, по которым оценивается его значимость; нечеткое описание событий (набора обстоятельств, при которых происходит явление); неопределенность влияния рисков различных типов друг на друга.

2. Сформулированы основные задачи, решаемых на этапах оценки и мониторинга техногенно-природных рисков, представляющего собой процесс систематического контроля и оценки эффективности действий, направленных на предотвращение и смягчение рисков и идентификацию новых рисков в соответствии с принятой для этого системой предпочтений, которые в отличие от известных предполагают динамический анализ показателей-индикаторов и параметров рисков, что позволяет обобщить понятие возможности опасного события, под которым понимается степень его осуществления, оцениваемая или измеряемая в зависимости от характера этого события, и особенностей доступной информации и используемых методов формализации и анализа рисков.

3. Выработаны требования к математическим моделям оценки техно-генно-природных рисков, которые в отличие от известных охватывают аспекты построения и использования нечеткой когнитивной модели мониторинга рисков; модели оценки влияния системных факторов и идентифицированных опасностей на показатели риска (модель оценки риска); модели оценки влияния мероприятий на предотвращение и/или снижение риска (модель оценки и выбора мероприятий); модели агрегирования влияния мероприятий на предотвращение и/или снижение риска, что позволяет повысить обоснованность решений по минимизации последствий реализации рисковых ситуаций.

4. Разработан метод построения нового типа когнитивных нечетко-логических моделей оценки техноногенно-природных рисков, отличающихся формализацией в рамках обобщенной модели системных факторов, опасностей возникновения рисков, самих рисков, а также мероприятий по предотвращению и/или снижению рисков, что обеспечивает повышение эффективности оценки рисков в условиях неопределенности информации.

5. Разработан метод построения динамических когнитивных нечетко-логических моделей для оценки рисков, который в отличие от известных учитывает возможность раздельного и интегрированного влияния рисков на системные концепты ТПС, что позволяет научно-обоснованно выбирать упреждающие мероприятия по предотвращению и/или снижению рисков на основе анализа информации о внешней и внутренней среде исследуемых сложных систем, представленной при помощи различных шкал измерений.

6. Предложен алгоритм оценки рисков на основе построения когнитивной нечетко-логической модели ТПС, включающий этапы построения локальных моделей агрегированного влияния предлагаемых мероприятий по предотвращению или снижению рисков, что позволяет на основе оценки их эффективности вырабатывать решения по управлению ТПС с учетом временного фактора.

7. Разработана методика построения, архитектура и режимы функционирования комплекса программ «MRISK», реализующие предложенные методы построения и использования динамических когнитивных нечетко-логических моделей для оценки рисков, которые характеризуются высокой степенью универсальности и позволяют за счёт повышения обоснованности решений по предотвращению или минимизации последствий возникновения рисковых ситуаций повысить эффективность управления природоохранной деятельностью в районах экологически опасных промышленных предприятий.

Научная значимость работы. Разработанные в диссертации методы построения когнитивные нечетко-логические модели для оценки рисков в ТПС вносят вклад в развитие методов математического моделирования сложных систем в условиях неопределенности информации.

Практическая значимость работы.

1. Разработанные в диссертации методы и алгоритмы построения когнитивные нечетко-логические модели для мониторинга рисков практически использоваться при создании ИАСППР по управлению ТПС, что позволит повысить обоснованность принимаемых управленческих решений.

2. На основе предложенных методов и алгоритмов с использованием среды визуального программирования BORLAND DELPHI 6.0 разработан комплекс программ автоматизированного построения когнитивных нечетко-логических моделей для оценки рисков «MRISK», который может практически применяться для управления природоохранной деятельностью в регионах экологически опасных промышленных предприятий.

Реализация результатов работы. Разработанный комплекс программ «MRISK» и научно-обоснованные рекомендации по его применению практически используются Администрацией города Смоленска в составе экологической геоинформационной системы для управления природоохранной деятельностью, что позволяет повысить эффективность использования материально-технических и финансовых ресурсов на природоохранные мероприятия и снизить уровень негативного техногенного воздействия промышленных предприятий на окружающую среду, а также повысить обоснованность принимаемых решений по стратегическому управлению регионом.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на Всероссийской конференции «Современные информационные технологии в медицине и экологии» (Смоленск, 2003), Международной конференции «Системы компьютерной математики и их приложения» (Смоленск, 2006), а также на научных семинарах в РХТУ им Д.И. Менделеева и Смоленском государственном университете.

Публикации. По теме диссертации опубликовано 8 печатных работ, общим объемом 2,1 п.л.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 105 наименований, и приложений. Диссертация содержит 145 страниц, 22 рисунка и 10 таблиц.

4.4. Выводы

1. Разработана методика построения, архитектура и режимы функционирования комплекса программ «MRISK», реализующие предложенные методы построения и использования динамических когнитивных нечетко-логических моделей для оценки рисков, которые характеризуются высокой степенью универсальности и позволяют за счёт повышения обоснованности решений по предотвращению или минимизации последствий возникновения рисковых ситуаций повысить эффективность управления природоохранной деятельностью в районах экологически опасных промышленных предприятий.

2. Разработана когнитивная нечетко-логическая модель оценки техногенно-природных рисков на этапах жизненного цикла сложного промышленного объекта.

3. На основе предложенных методов и алгоритмов с использованием среды визуального программирования BORLAND DELPHI 6.0 разработан комплекс программ автоматизированного построения когнитивных нечетко-логических моделей для оценки рисков «MRISK», который может практически применяться для управления природоохранной деятельностью в регионах экологически опасных промышленных предприятий.

4. Разработанные в диссертации методы и алгоритмы построения когнитивные нечетко-логические модели для мониторинга рисков могут практически использоваться при создании ИАСППР по управлению ТПС, что позволит повысить обоснованность принимаемых управленческих решений.

5. Разработанный комплекс программ «MRISK» и научно-обоснованные рекомендации по его применению практически используются Администрацией города Смоленска в составе экологической геоинформационной системы для управления природоохранной деятельностью, что позволяет повысить эффективность использования материально-технических и финансовых ресурсов на природоохранные мероприятия и снизить уровень негативного техногенного воздействия промышленных предприятий на окружающую среду, а также повысить обоснованность принимаемых решений по стратегическому управлению регионом.

133

ЗАКЛЮЧЕНИЕ

1. Проведен анализ специфических особенностей техногенно-природных рисков, результаты которого позволили обосновать возрастающая роль этапа оценки и мониторинга рисков в процессе управления рисками в ТПС. Показано, что в случае отсутствия или неполноты статистической информации о характеристиках техногенно-природных рисков для построения математической модели оценки и мониторинга рисков целесообразно применять аппарат когнитивного моделирования.

2. Проведена классификация типов неопределенности, возникающие при оценке и мониторинге техногенно-природных рисков: неопределенность в описании системы; неопределенность в результате неучета различных факторов; нечеткое задание уровней риска; нечеткое описание критериев риска, т.е. правил, по которым оценивается его значимость; нечеткое описание событий (набора обстоятельств, при которых происходит явление); неопределенность влияния рисков различных типов друг на друга.

3. Сформулированы основные цели и задачи этапа оценки и мониторинга рисков, представляющего собой процесс систематического контроля и оценки эффективности действий, направленных на предотвращение и смягчение рисков и идентификацию новых рисков в соответствии с принятой для этого системой предпочтений, которые предполагают динамический анализ показателей-индикаторов и параметров рисков. Это позволило обобщить понятие возможности опасного события, под которым понимается степень его осуществления, оцениваемая или измеряемая в зависимости от характера этого события, особенностей доступной информации и используемых методов формализации и анализа рисков.

4. Сформулированы требования к математическим моделям оценки техногенно-природных рисков, которые охватывают процедуры построения и использования когнитивной нечетко-логической модели исследуемой системы; модели оценки риска; модели оценки влияния мероприятий на предотвращение и/или снижение риска (модель оценки и выбора мероприятий); модели агрегирования влияния мероприятий на предотвращение и/или снижение риска, что позволяет повысить обоснованность решений по минимизации последствий реализации рисковых ситуаций.

4. Разработан метод построения нового типа когнитивных нечетко-логических моделей оценки техногенно-природных рисков, отличающихся формализацией в рамках комплексной модели системных факторов, опасностей возникновения рисков, самих рисков, а также мероприятий по предотвращению и/или снижению рисков. Показано, что применение данных моделей обеспечивает повышение эффективности оценки и мониторинга рисков в условиях неопределенности информации.

5. Разработан алгоритм построения когнитивных нечетко-логических моделей для динамического мониторинга рисков, который учитывает возможность раздельного и интегрированного влияния рисков на системные концепты ТПС. Применение данного алгоритма позволяет научно-обоснованно выбирать упреждающие мероприятий по предотвращению и/или снижению рисков на основе анализа информации о внешней и внутренней среде исследуемых сложных систем, представленной при помощи различных шкал измерений.

6. Разработан алгоритм оценки и мониторинга рисков на основе построения когнитивной нечетко-логической модели ТПС, включающий этапы построения локальных моделей агрегированного влияния предлагаемых мероприятий по предотвращению или снижению рисков. Это позволяет на основе оценки их эффективности вырабатывать решения по управлению ТПС с учетом фактора времени.

7. Предложена методика построения, архитектура и режимы функционирования комплекса программ «MRISK» управления техногенно-природными рисками, реализующие предложенные методы построения и использования динамических когнитивных нечетко-логических моделей для оценки и мониторинга рисков. Показано, что указанный комплекс программ характеризуются высокой степенью универсальности и позволяет за счёт повышения обоснованности решений по предотвращению или минимизации последствий возникновения рисковых ситуаций повысить эффективность управления природоохранной деятельностью в районах экологически опасных промышленных предприятий.

8. На основе предложенных методов и алгоритмов с использованием среды визуального программирования BORLAND DELPHI 6.0 разработан комплекс программ автоматизированного построения когнитивных нечетко-логических моделей для мониторинга рисков «MRISK». Показано, что данный комплекс программ может практически применяться для управления природоохранной деятельностью в регионах экологически опасных промышленных предприятий, а также при принятии решений по управлению социально-экономическим развитием регионов.

9. Приведены результаты практического использования разработанного комплекса программ «MRISK» в Администрации города Смоленска для управления природоохранной деятельностью. Показано, что применение данного комплекса программ позволяет повысить эффективность использования материально-технических и финансовых ресурсов на природоохранные мероприятия и снизить уровень негативного техногенного воздействия промышленных предприятий на окружающую среду, а также повысить обоснованность принимаемых решений по стратегическому управлению регионом.

1. Автоматизированные информационные технологии в экономике. -М.: Финансы и статистика, 2001.

2. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике М.: Финансы и статистика, 2000.

3. Ахо А., Ульман Дж. Теория синтаксического анализа перевода и компиляции. -М.: Мир, 1978.

4. Балабанов И.М. Риск-менеджмет.- М.: Финансы и статистика, 1996

5. Балдин К.В., Воробьев С.Н. Риск-менеджмент. М.: Гадарика,2005

6. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях// Вопросы анализа и процедуры принятия решений: Сб. переводов/ Под ред. И. Ф. Шахнова. М.: Мир, 1976.

7. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. М.: Горячая линия - Телеком, 2007.

8. Борисов В. В., Круглов В. В., Харитонов Е. В. Основы построения нейронных сетей. Смоленск: Изд-во Военного ун-та войсковой ПВО ВС РФ, 1999.

9. Борисов А. Н., Крумберг О. А., Федоров И. П. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990.

10. Борисов В. В., Федулов А. С., Мнев В. И. Моделирование сложных нечетко-целевых систем на основе обобщенных нечетких когнитивных карт/ Информационный бюллетень Академии военных наук. Смоленск: Изд-во ВУ ВПВОВСРФ, 2001.

11. Борисов В. В., Федулов А. С., Мнев В. И. Нечеткий логический вывод в условиях неравнозначности целевых функций/ Информационный бюллетень Академии военных наук. Смоленск: Изд-во ВУ ВПВО ВС РФ, 2001.

12. Борисов В. В., Харитонов В. В. Метод согласования субъективных измерений в иерархиях матриц отношений предпочтения// Математическая морфология, 1999.

13. Борисов В. В., Харитонов Е. В. Способ определения локальной несогласованности субъективных оценок в обратно симметричных матрицах доминирования//. Математическая морфология, 1999

14. Бродецкий Г.Л. Моделирование логистических систем. Оптимальные решения в условиях риска. М.: Вершина, 2006

15. Вентцель Е.С. Исследование операций. Задачи, принципы методология. Учеб.пособие для студ. Втузов. 2-е изд., стер. - М.: Высш.шк, 2001

16. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб: Питер, 2000.

17. Гопаненко A.JL, Полянский В.Г. Развитие региона, цели, закономерности, методы управления. -М: Изд. РАГС, 1999.

18. ГОСТ Р 51897-2002 Менеджмент риска. Термины и определения.

19. ГОСТР 51898-2002 Аспекты безопасности. Правила включения в стандарты.

20. Дли М. И., Круглов В. В., Осокин М. В. Локально-аппроксимаци-онные модели социально-экономических систем и процессов. М.: Наука. Физматлит, 2000.

21. Дубров A.M., Лагоша Б.А., Хрусталев Е.В. Моделирование рисковых ситуаций в экономике и бизнесе. М.: Финансы и статистика, 1999

22. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990.

23. Дюк В. Обработка данных на ПК в примерах. СПб: Питер, 1997.

24. Дьяконов В.П. Интернет, общество, личность/ Компьютерные и телекоммуникационные технологии// TV ежегодгая специализированная выставка-семинар. Сб. тр. Смоленск, 2001.

25. Егоров Ю.Л. Исследование систем управления. М.: Наука, 1997.

26. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. -Новосибирск: Изд-во Ин-та математики, 1999.

27. Загорянская А. Методы вывода в условиях неопределенности и нечеткости исходных данных: обзор зарубежных достижений// Новости искусственного интеллекта, № 4, 1997. С. 6-24.

28. Змитрович А. И. Интеллектуальные информационные системы. -Мн.: НТООО «ТетраСистемс», 1997.

29. Иванов В.П. Деятельность Смоленского ЦНТИ по формированию единого информационного пространства Смоленской области/ Создание единого информационного пространства Смоленской области//Ш ежегодная научно-практическая конференция. Смоленск, 2001.

30. Иванов В.П. Обеспечение научно-технической информацией предприятий и организаций области/ Компьютерные и телекоммуникационные технологии// IV ежегодгая специализированная выставка-семинар. Сб. тр. Смоленск, 2001.

31. Катулев А.Н., Северцев Н.А. Исследование операций: принципы принятия решений и обеспечение безопасности. -М: Наука, 2000.

32. Кини Р. Д., Райфа X. Принятие решений при многих критериях: предпочтениях и замещения. М.: Радио и связь, 1981.

33. Кириченко В. Д. Методологические основы проведения системных исследований при решении проблемных задач войсковой ПВО, 1983.

34. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах// Открытые системы, № 4, 1997. С. 41-44.

35. Классификация и кластер/ Под ред. Дж. Вэн Райзина. М.: Мир,1980.

36. Клир Дж. Системология. Автоматизация решения системных задач. М.: Радио и связь, 1990.

37. Ковалков А.Н. О создании Смоленского Интернет-портала/ Создание единого информационного пространства Смоленской области//Ш ежегодная научно-практическая конференция. Смоленск, 2001.

38. Козелецкий Ю. Психологическая теория решений. М.: Прогресс,1979.

39. Конноли Т., Бегг К., Страчан А. Базы данных: проектирование, реализация и сопровождение. М.: Издательский дом «Вильяме», 2000.

40. Концепция формирования и развития единого информационного пространства России и соответствующих государственных информационных ресурсов. М., 1995.

41. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. -М.: «Нолидж», 2000.

42. Круглов В. В., Борисов В. В. Гибридные нейронные сети. -Смоленск: Русич, 2001.

43. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - ТЕЛЕКОМ, 2000.

44. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. 2-е изд., стереотип. - М.: Горячая линия - ТЕЛЕКОМ, 2002.

45. Круглов В. В., Борисов В. В., Харитонов Е. В. Нейронные сети: конфигурации, обучение, применение. Смоленск: Изд-во Моск. энерг. инта, фил-л в г. Смоленске, 1998.

46. Кунташов Д.Н. Организация виртуального WEB-сервера/ Компьютерные и телекоммуникационные технологии// IV ежегодгая специализированная выставка-семинар. Сб. тр. Смоленск, 2001.

47. Курейчик В. М. Генетические алгоритмы. Обзор и состояние// Новости искусственного интеллекта, № 3, 1998.

48. Лапуста М.Г., Шаршукова Л.Г. Риски в предпринимательской деятельности .-М.: Инфа-М, 1998

49. Логовский А. С. Зарубежные нейропакеты: современное состояние и сравнительные характеристики// Нейрокомпьютер. 1998. -№ 1-2.

50. Максимов В. И., Корноушенко Е. К., Качаев С. В. Когнитивные технологии для поддержки принятия управленческих решений/ Сб. тр. Всероссийской распределенной конференции «Технологии информационного общества 98 Россия»// maxim@ipu.rssi.ru.

51. Маршал, Б. XML в действии / Б. Маршал. М: «Триумф», 2002.386 с.

52. Мелихов А. Н., Бернштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

53. Мешенин А.И. Теория экономических информационных систем. -М.: Финансы и статистика, 2000.

54. Мнев В.И. Интернет/Интранет технологии в создании единого информационного пространства Смоленской области // Журнал "Деловая Смоленщина" № 4, 2000.

55. Мнев В. И. Политика информатизации Смоленской области/ Сб. матер. III науч.-практ. конференции «Создание единого информационного пространства Смоленской области». Смоленск, 2001. - С. 7-25.

56. Мнев В. И., Борисов В. В., Федулов А. С., Дли М. И. Модель информационных ресурсов региона/ Сб. матер. V науч.-практ. конференции «Компьютерные и телекоммуникационные технологии». Смоленск, 2002. -С.33-35.

57. Нейман Дж., Моргенштейн О. Теория игр и экономическое поведение. -М.: Наука, 1970.

58. Нечеткие множества в моделях управления и искусственного интеллекта/ Под ред. Д. А. Поспелова. М.: Наука, 1986.

59. Оленович И. Ф. Методологические основы системного решения актуальных задач войск ПВО СВ. Киев: В А ПВО СВ, 1987.

60. Олифер В. Г., Олифер Н. А. Компьютерные сети. Принципы, технологии, протоколы. СПб.: Питер, 2000.

61. Основы современного социального управления. Учебное пособие под ред. Иванова В.Н. М.: Энциклопедия управленческих знаний, 2000.

62. Перегудов Ф. И., Тарасенко Ф. П. Введение в системный анализ. -М.: Высшая школа, 1989.

63. Получаевский B.JI. Мультимедиа центр Смоленской областной универсальной библиотеки/ Создание единого информационного пространства Смоленской области//Ш ежегодная научно-практическая конференция. Смоленск, 2001.

64. Прангишвили И.В. Системный подход и общесистемные закономерности. М.: СИНТЕГ, 2000.

65. Риски в аудиторской деятельности/Под ред. проф. С.М.Бычковой -М.: Финансы и статистика, 2003

66. Роберте Ф. С. Дискретные модели с приложениями к социальным биологическим и экологическим задачам. М.: Наука, 1986.

67. Рогов М.А. Риск-менеджмент. М.: Финансы и статистика,2001

68. Саати Т., Керне К. Аналитическое планирование. Организация систем.-М.: Радио и связь, 1991.

69. Сегал В. В. Анализ и синтез сложных систем. Опыт системного исследования. Киев: ЦЭМИ «Тридента», 1994.

70. Силов В. Б. Оптимизация многокритериальных систем нечетко-целевого управления// Известия РАН. Техническая кибернетика. № 4, 1992.

71. Силов В. Б. Принятие стратегических решений в нечеткой обстановке. М.: ИНПРО-РЕС, 1995.

72. Системный анализ в управлений: Учеб. пособие/В.С. Анфилатов, А.А. Емельянов, А.А.Кукушкин; Под ред. А.А. Емельянова. М.: Финансы и статистика, 2002.

73. Спасов В. И., Шлыков В. А. Некоторые пути совершенствования ПВО войск в первых фронтовых операциях начального периода войны// Военная мысль. 1987. № 2. С. 41-50.

74. Трахтенгерц Э. А. Компьютерная поддержка принятия решений. -М.: СИНТЕГ, 1998.

75. Управление проектом /Под ред. В. Д. Шапиро. СПб.: РАО «Газпром», 1996.

76. Урманцев Ю.А. Общая теория систем: состояние, приложение и перспективы развития. Система, симметрия, гармония. -М.: Мысль, 1988.

77. Уткин Э.А. Риск-менеджмент. -М.: Тандем, 1998

78. Федулов, А. С. Вид взаимодействия нечетких чисел, ограничивающий возрастание неопределенности при выполнении операций нечеткой арифметики / А. С. Федулов // Вестник МЭИ. 2006. - № 1. - С. 101-110.

79. Федулов, А. С. Нечеткие реляционные когнитивные карты / А. С. Федулов // Теория и системы управления. 2005. - № 1. - С. 120-132.

80. Федулов, А. С. Нечеткие оценочные модели сложных систем с учетом согласования неравнозначных целей / А. С. Федулов, В. В. Борисов // Нейрокомпьютеры: разработка, применение. 2003. - № 5. - С. 3-12.

81. Федулов, А. С. Обобщенные нечеткие когнитивные карты / А. С. Федулов, В. В. Борисов // Нейрокомпьютеры: разработка, применение. -2004.-№4.-С. 3-20.

82. Федулов, А. С. Развитие методов когнитивного моделирования сложных систем / А. С. Федулов, В. В. Борисов // Наука и техника транспорта. 2004. - № 3. - С. 34-39.

83. Финансовый бизнес-план: Учеб. пособие/ Под ред. действ, члена Акад. инвестиций РФ, др. экон. наук, проф. В.М.Попова. М.: Финансы и статистика,2000

84. Хомоненко А.Д., Цыганков В.М., Мальцев М.Г. Базы данных. -СПб.: КОРОНА принт, 2000.

85. Хофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

86. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998.

87. ЮЫНапот М. Интеллектуальный анализ данных в системах поддержки принятия решений/ Открытые системы, № 1,1998.

88. Ю2.Шатт С. Мир компьютерных сетей. Пер. с англ. Киев: BHV,1996.

89. ЮЗ.Шкурлов И.В. Корпоративный ресурсный центр сетевое партнерство в сфере культуры Смоленской области/ Создание единого информационного пространства Смоленской области//Ш ежегодная научно-практическая конференция. Смоленск, 2001.

90. Якубайтис Э. А. Информационные сети и системы. Справочная книга. М.: Финансы и статистика, 1996.

91. Ялов В.П. Создание информационно-поисковой системы на электронной карте г. Смоленска/ Создание единого информационного пространства Смоленской области//Ш ежегодная научно-практическая конференция. Смоленск, 2001.

92. Axelrod R. Structure of Decision: the Cognitive Maps of Political Elites. Prinston Univ. Press, N. Y., 1976.

93. Babuska R. Fuzzy Modeling for Control. Boston, USA: Kluwer Academic Publishers, 1998.

94. Dubois D., Prade H. A Review of Fuzzy Set Aggregation Connectives// Information Sciences, № 39,1986. P. 105-210.

95. Jakarta. Struts каркас для разработки приложений // www.struts.ru

96. Hwang Ch.-L., Lin M. J. Group Decision Making under Multiple Criteria// Lecture Notes in Economics and Mathematical Systems. Vol. 28, 1987.

97. KoskoB. Fuzzy cognitive maps. Int. Journal of Man-Machine Studies, vol. 24, 1986, pp. 65-75.

98. Sun C.-T., Jang J.-S. A neuro-fiizzy classifier and its applications// In Proc. IEEE Int. Conference on Neural Networks, San Francisco, USA, 1993. PP. 94-98.

99. Swkagi Т., Iwai S., Katai O. An Integration on Qualitative Causal Knowledge for User-Oriented Decision Support// Contr. Theory and Advanced Technology. V. 2, № 3,1986. - P. 451-482.

100. Thole U., Zimmermann H. J., Zysno P. On the Suitability of Minimum and Product Operators for the Intersection of Fuzzy Sets// Fuzzy Sets and Systems, №2.-P. 167-180.

101. Zimmermann H. J., Zysno P. Latent Connectives in Human Decision Making// Fuzzy Sets and Systems, v. 4, № 1, 1980. P. 37-51.

102. Балабаев M.A. Нечеткие когнитивные модели рисков в сложных системах // Системы управления и информационные технологии (спецвыпуск рубрики «Перспективные исследования») 2007 - №3(29)— С. 81-86.

103. Борисов В.В., Балабаев М.А., Абраменкова И.В., Бояринов Ю.Г. Мониторинг рисков на основе нечетких когнитивных моделей // Программные продукты и системы- 2007 №2 - С.43-46.

104. Балабаев М.А. Процедуры динамического мониторинга рисков в сложных социально-экономических системах // Информационные технологии моделирования и управления 2007 - №4 - С. 16-23.

105. Абраменкова И.В., Балабаев М.А. Требования к математическим моделям мониторинга рисков в экологических системах // Современные информационные технологии в медицине и экологии: Сб. науч. тр. Всерос. конф. М.: Физматлит -2003 - С.223-224.

106. Балабаев М.А. Мониторинг рисков в экономических системах // Экономика. Менеджмент. Логистика. Корпоративные информационные системы: межвуз. сб. науч. тр. Смоленск: Смоленский ЦНТИ -2005 - С. 1821

107. Балабаев М.А. Информационная система для управления рисками в региональных социально-экономических системах // Экономика. Менеджмент. Логистика. Корпоративные информационные системы: Межв. сб. науч. тр. Смоленск: Смоленский ЦНТИ -2005 - С. 22-26.

108. Балабаев М.А., Абраменкова И.В. Оптимизация структура НС с использование генетических олгаритмов // Системы компьютерной математики и их приложения Международной конференции: Сб. тр. Межд. науч. конф.- Смоленск: СмолГУ- 2006 С.6-10.

109. Балабаев М.А. Модуль генетической оптимизации нейронной сети типа многослойного персептрона. Свид. о регистр, прогр. В РОСАПО №2006610712 от 22.02.2006