автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Разработка и исследование сценарных моделей управления региональным развитием

На провесе рукописи

Грибова Блена Николаевна

РАЗРАБОТКА И ИССЛЕДОВАНИЕ СЦЕНАРНЫХ МОДЕЛЕЙ УПРАВЛЕНИЯ РЕГИОНАЛЬНЫМ РАЗВИТИЕМ

Специальность 05.13.10 - управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2005

Работа выполнена в Институте проблем управления им. В.А. Трапезникова Российской академии наук

Научные руководители - доктор экономических наук, профессор

Нижегородцев P.M. доктор технических наук, профессор Новиков Д.А.

Официальные оппоненты — доктор технических наук, профессор

Петровский B.C.

кандидат технических наук, доцент Котенко А.М.

Ведущая организация - Волгоградский государственный университет

Защита состоится « 30 » июня 2005 г. в 1000 час. на заседании диссертационного совета К 212.033.01 при Воронежском государственном архитектурно-строительном университете по адресу:

394006, Воронеж, ул. 20-летия Октября, 84, ауд. 3220.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного архитектурно-строительного университета.

Автореферат разослан «_27 » мая 2005 г.

Ученый секретарь диссертационного совета

Чертов В.А.

Общая характеристика работы

Актуальность темы. Анализ текущих и прогноз будущих траекторий развития региональных социально-экономических систем (РСЭС) и составляющих их элементов, а также оценка на этой основе тенденций социально-экономического развития, являются важнейшей задачей органов управления всех уровней. Поэтому актуальной представляется разработка и исследование сценарных моделей управления развитием территориальных образований и регионов.

Целью работы является исследование, разработка и внедрение сценарных моделей эффективного управления региональным развитием.

Достижение поставленной цели требует решения следующих основных задач:

Анализ известных методов построения и оценок сценариев развития региональных социально-экономических систем. Обоснование целесообразности применения сценарных моделей для управления региональным развитием.

Разработка и исследование имитационных моделей формирования сценариев развития региональных систем: построение комплекса моделей на языке знаковых орграфов, стохастических и трендовых моделей для прогнозирования макроэкономических параметров развития региона.

Внедрение полученных теоретических результатов в реальных системах управления региональным развитием.

Основным методом исследования является математическое (имитационное и оптимизационное) моделирование, использующее аппарат знаковых орграфов, клеточных автоматов, трендовых прогнозно-оптимизационных моделей.

Научная новизна работы заключается в следующем:

На основании обзора известных сценарных моделей обоснована возможность и целесообразность использования данного аппарата для управления региональным развитием.

Разработан комплекс сценарных моделей, позволяющий прогнозировать динамику существенных параметров социально-экономических систем и моделировать управление этими системами. В том числе — импульсные имитационные модели, стохастические имитационные модели и трендовые прогнозно-оптимизационные модели.

Построен комплекс моделей социально-экономического развития депрессивного региона, позволяющий прогнозировать основные параметры динамики региона в целом и отдельных составных его частей — центра, бицентра и периферии.

Предложены модели и методы формализации, формирования и анализа, а также методы выбора (по заданным критериям эффективности) оптимальных сценариев развития региональных социально-экономических систем.

Практическая значимость. Разработанные автором комплексы сценарных моделей успешно применяются для разработки комплексных сценариев экономической динамики регионов и программ социально-экономического развития для повышения эффективности управления региональным развитием.

Реализация результатов работы. Эффективность использования разработанных моделей при разработке программ регионального развития г. Барнаул Алтайского края и Рыбинского муниципального округа (Ярославская область), а также при разработке программы развития ЖКХ в Московском регионе, подтверждена актами и справками о внедрении.

Апробация работы. Основные результаты, полученные в диссертационной работе, докладывались на Международных конференциях по проблемам управления безопасностью сложных систем (Москва, ИПУ, 2001, 2003), II областной научно-практической конференции по проблемам качества жизни населения (Рыбинск, 2002), Международных научных конференциях по проблемам регионального и муниципального управления (Москва, РГТУ, 2000,2002), Межрегиональной научно-практической конференции по природно-антропологическому и социокультурному статусу бицентра (Новомосковск, 2003), Международной научной конференциях по теории активных систем (Москва, ИПУ РАН, 2001), Всероссийской научной конференции "Проектирование научных и инженерных приложений в среде МЛТЬЛВ" (Москва, ИПУ РАН, 2004).

Публикации. По теме диссертационной работы автором опубликовано 17 печатных работ общим объемом 16,7 печатных листов.

Личный вклад автора в работах, опубликованных в соавторстве, заключается в следующем: в [2-6, 8] автором исследованы специфика рассматриваемых региональных и территориальных систем, получены и проанализированы результаты применения сценарных моделей, в [9-13, 17] разработаны методы моделирования экономической динамики региона.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и трех приложений. Работа содержит 145 стр. текста, список литературы включает 161 наименований. Приложение содержит акты и справки, подтверждающие практическую реализацию и внедрение результатов диссертационной работы.

Основное содержание работы

Во введении обоснована актуальность темы диссертационной работы, определены цель и задачи исследования, охарактеризованы используемые методы, описаны структура работы, взаимосвязь и краткое содержание её разделов.

В первой главе «Импульсные и имитационные модели развития региона: сценарный подход» показано применение сценарного анализа при построении аттрактивных и синергетических сценариев развития различных региональных систем: экологической, экономической, индустриальной, сельскохозяйственной, общей и других на примере Ярославской области.

Анализ математических моделей развития и функционирования социально-экономических систем показывает, что для решения стратегических задач управления удобно использовать аппарат знаковых, взвешенных знаковых и функциональных знаковых графов. Поэтому для формализации поставленных задач описывается в разделе 1.1 математическая модель знаковых графов.

Кроме орграфа С(Х,Е) в модель знаковых, взвешенных знаковых или функциональных знаковых орграфов включаются следующие компоненты:

• Множество независимых параметров вершин V = 1 < / < и, 1 < р< Р(,)}: каждой вершине ставятся в соответствие единственный вектор-столбец ее параметров V, = {уУ е V}.

• Функционал Е) преобразования дуг, ставящий в соответствие каждой дуге (г, у) е Е либо знак, либо вес, либо функцию.

На расширенных орграфах вводится понятие импульса Р, (г) и импульсного процесса в дискретном временном пространстве.

Л(,) = {/-„ - вектор-столбец изменений параметров вершин в момент

времени Яс" = = 1,2,3....

/5<0 ={/>,,},* = 0,1,2,... — вектор-столбец внешних импульсов, вносимых в вершины в момент времени (;

Утверждение I. Изменения параметров вершин задаются следующим уравнением:

(1) Л«> = Л'-2.Р(0> +А"1Рт +...+ А1Р0'2у +/Р('-,) = |>1/>('-2),

1=0

где I — единичная матрица размерности NxN, А = {а1)}~ матрица смежности орграфа Е) размерности (/V х ЛГ)

Утверждение 2. Если все собственные значения матрицы смежности А различны, то для любого натурального числа Т справедливо соотношение

(2) V = у,0 = V+2Х,>

/=1 ;=0 /Н 1=0

где X = { } А = 1,^ — вектор собственных чисел матрицы смежности А, Утверждение 3. Справедливы соотношения:

У(Т> — У<0) + /<у> (К, для любого натурального числа Т,

где /<я) (X,, /у) и /<1° (X, Л О линейно зависят от элементов матрицы Р.

Утверждение 3 показывает, какие параметры влияют на формирование изменений параметров вершин в момент времени ? и итоговые значения вершин.

При обобщении на большее количество параметров каждой вершины, т.е. когда значение параметра /-ой вершины V, является вектором, все полученные

результаты остаются в силе.

Утверждение 4. В рассматриваемом импульсном процессе:

(3) =

/=0 1=1

где а'к, - элемент матрицы А', А'к = у'к - , / > 1.

Далее в целях исследования взаимовлияния параметров системы вводятся следующие обозначения:

V, = ,/ = е (1,Л0], ^ е - множество вершин-обьектов, Уи = ,у = 1,1?, <? е ЛЛ01 к е - множество вершин-субьекгов (5 * и), - временной интервал, на котором вводятся ограничения на вершины-объекты, е е [О,?,,] - временной интервал, в течение которого можно воздействовать на вершины-субъекты.

Утверждение 5. В импульсном процессе изменение параметра вершины-объекта с учётом изменения одного параметра вершины-субъекта задается уравнением:

(4)

/=0 1=1 ы о

Импульсная модель пошагового взаимовлияния параметров системы позволяет осуществить прогнозирование динамики развития процессов.

Если оценка будущей ситуации, полученная в результате анализа синерге-тического сценария, не удовлетворяет желаемым результатам, то для изменения ситуации необходима программа внешних управляющих воздействий.

Если необходимо обеспечить невозрастание параметра вершины-объекта, то вводятся ограничения:

(5) А',

Аналогично можно обеспечить неубывание этого параметра. Из системы линейных алгебраических неравенств (5) можно найти ри,, ? е [0, 1Р ] — набор внешних импульсов, вносимых в вершину-субъект.

Таким образом, с помощью рассматриваемого аппарата можно планировать внесение в СЭС управляющих воздействий для достижения необходимых целей развития.

В качестве критерия оптимальности найденного решения выберем, например, его минимальную стоимость. Пусть заданы с: £0, /е[0,*Р] - стоимость единицы внешнего импульса, посылаемого в вершину-субъект. В этом случае находят решение системы (5), удовлетворяющее критерию оптимальности:

ь

(6) , т1п ХсМ-

Задачу (6) можно свести к задаче линейного программирования. Утверждение 6. В импульсном процессе изменение параметра вершины-объекта с учётом изменения параметров q вершин-субъектов задается уравнением:

1=0 1=1 /=0

Из системы линейных алгебраических неравенств (5) можно найти р „ / е [0,/,], ] = \,ц - набор внешних импульсов, вносимых в каждую вершину-субъект.

Утверждение 7. Критерий оптимальности имеет вид:

4 \ I

(7) г,

1-0

Тогда соответствующая задача линейного программирования будет выглядеть следующим образом:

^еР.',.-/»'.«!

¡-Л ЫО /=О '=1 _

- 0 > ' = I', У = 1,? •

Если требуется обеспечить невозрастание нескольких (£) параметров вершин-объектов, то вводятся ограничения: (9) Д',4<0,/е[/я,/Д * =

Решение обратной задачи управления позволило перейти от прогнозирования поведения социально-экономической системы к планированию действий по управлению ею. Причем в процессе моделирования делается вывод о том, насколько продолжительно может быть это управление для обеспечения необходимых целей: разовое, временное или постоянное.

Все множество программ управляющих воздействий делится по типу изменения (направлению воздействия на систему) на три группы:

1. Качественные изменения в функционировании системы.

1.1. Импульсная программа.

1.2. Весовая программа.

1.3. Композиция управлений 1.1 и 1.2.

2..Структурные изменения.

2.1. Создание новых связей между элементами системы.

2.2. Введение новых или удаление из системы имеющихся параметров.

2.3. Композиция управлений 2.1 и 2.2.

3. Композиция управлений 1 и 2.

Как правило, для получения требуемых результатов недостаточно управляющей программы одного типа. Поэтому, в большинстве случаев, больший эффект достигается путем применения программы, включающей в себя различные виды композиций управляющих программ и их сочетания.

Результаты моделирования и прогнозирования процессов в СЭС определяются взаимодействием базисных социально-экономических процессов и факторов, действующих в СЭС и изменяющих состояние её элементов. При этом взаимовлияния базисных процессов могут образовывать циклы обратных связей, а взаимодействия циклов — вызывать либо нарастающие колебания социально-экономических факторов, либо резкое монотонное их усиление — резонанс.

Систематизация и анализ основных понятий формализованного описания сценариев поведения и сценариев развития сложных систем и методология построения различных сценарных схем в зависимости от способа представления элементарных элементов сценария, а также наиболее эффективные и уни-

версальные подходы к изучению сложных систем и сценариев их развития -сценарный анализ — изложены в Приложении 1.

На первоначальном этапе сценарного исследования происходит сбор сведений о социально-экономической системе (ситуации) изучаемого региона, затем формулируются определённые концепции и допущения относительно системы на формальном языке и, наконец, формируется математическая модель, позволяющая оценить динамику поведения.

Результатами сценарного анализа и прогнозирования является разработка предложений по внесению рациональных управляющих воздействий в компоненты РСЭС для задания необходимой тенденции её развития.

Предложенная в работе импульсная модель экономики региона включает 15 основных параметров: 1 - физический объем производства, 2 - инвестиции, 3 — издержки производства, 4 — уровень цен, 5 — объем денежной массы, 6 — технологический прогресс, 7 — производительность труда, 8 — занятость, 9 — уровень жизни, 10 - социальные программы, 11 - теневая экономика, 12 - налоговые ставки, 13 — бюджет, 14 — макроэкономический риск, 15 — внешние факторы развития.

В разделе 1.3 представлены результаты применения сценарного анализа и импульсного моделирования для исследования синергетического и аттрактивного поведения некоторых СЭС Ярославской области и в частности Рыбинского муниципального округа.

Ярославская область относится к числу дотационных регионов. Современное состояние и динамика экономического развития Ярославской области подробно представлены в Приложении 2. На рис.1, изображена имитационная социально-экономическая модель Ярославской области.

На всех рисунках использованы внутренние единицы, применяемые в соответствующих компьютерных программах, разработанных в диссертационной работе.

Результаты моделирования полностью подтверждаются данными региональной статистики, а именно: тенденция дальнейшей либер&чизации и дерегулирования экономики оборачивается значительным ростом риска возникновения чрезвычайных ситуаций, резким падением уровня жизни, снижением физического объема производства и нарастанием дефицита бюджета. Следовательно, для изменения прогнозируемой ситуации в области необходима программа внешних управляющих воздействий.

Так, снижение риска возникновения чрезвычайных ситуаций и увеличение занятости населения при краткосрочном планировании можно получить несколькими способами. Например, путём значительных вложений в гидротехнические сооружения (положительный импульс (+1,2) в вершину «5») и

Рис. 1. Социально-экономическая модель Ярославской области

приостановки действия социальных программ (отрицательный импульс (-0,3) в вершину «10»). Или с помощью значительного снижения налоговых ставок (отрицательный импульс (-3,7) в вершину «13») и уменьшения расходов на социальные программы (отрицательный импульс (-1,3) в вершину «10»). Этот результат хорошо согласуется с кейнсианским «парадоксом бережливости»: для того, чтобы обеспечить рост конечного потребления, необходимо повысить норму накопления, увеличить инвестиции в реальный сектор экономики. При этом также увеличится физический объем производства и повысится уровень жизни населения. После дефицита бюджета на первых десяти шагах, который поначалу некоторого влечет постепенное снижение уровня жизни населения, ситуация снова выравнивается (Рис.2.).

Модель индустриальной системы (ИС) позволила выявить узкие места в структуре промышленности региона: развитие чёрной металлургии, которая стала заметно активизироваться в области в последние пять лет, происходит за счёт оттягивания ресурсов от других отраслей.

Проведённое в работе исследование подтверждает возможность достижения оптимального для области сценария развития индустриальной системы при наличии постоянной оценки риска возникновения неблагоприятных тенденций, фиксации объёма производства чёрной металлургии и введении государственного управления инвестиционными программами.

В качестве параметров модели налогового потенциала регионов рассматриваются: налоговый потенциал, технологический прогресс, теневая

Рис.2. Динамика развития социально-экономической модели Ярославской области при осуществлении управляющих воздействий

деятельность, кредиты, административные барьеры, уклонение от налогов, административная поддержка, налогооблагаемая база, выплаты госдолга, собираемость налогов, льготы, объем налоговых выплат, издержки, инвестиции, налоговые ставки, экономическое сотрудничество, физический объем производства, экономический потенциал предприятия.

Согласно рассчитанной в работе системе управляющих воздействий, с учётом специфики и возможностей региона, рекомендуется немного приостановить выплаты госдолга, что позволит выиграть время для концентрации финансовых ресурсов на важнейших направлениях, определяющих конкурентоспособный потенциал региона, а это потребует разумной административной (в том числе налоговой) поддержки соответствующих отраслей.

В разделе 1.4.2. рассмотрен вопрос комплексной ощнки инвестиционной привлекательности Ярославской области, а также предложены возможные стратегии компаний, заинтересованных в сотрудничестве с регионом, составленные в зависимости от уровня современной инвестиционной привлекательности Ярославской области, и выделен оптимальный вариант стратегии, удовлетворяющий интересам как компании, так и региона.

Основные характеристики инвестиционного климата и принципы инвестиционной политики, проводящейся в настоящее время в области, описаны в Приложении 2.

Вторая глава «Имитационные модели развития территорий» посвящена разработке моделей регионального развития при помощи компьютерных

средств программирования в системе MATLAB. Предлагаются стохастические имитационные модели регионального развития и модель циклической динамики депрессивных регионов.

Процесс социально-экономического развития любой территории неоднороден. Под влиянием тех или иных случайных факторов, не связанных непосредственно с экономическими параметрами, в ней выделяются зоны более интенсивного развития. Их рост в дальнейшем носит кумулятивный характер. В то же время под воздействием «случайных» с точки зрения экономиста причин периодически совершается «рассеивание» (диссипация) накопленных ими ресурсов роста, вследствие чего некоторые из обозначившихся «точек роста» могут замедляться в развитии, испытывая локальный регресс. Таким образом, развитие территорий представляет собой стохастический процесс, протекающий кумулятивным образом и характеризующийся возникающими время от времени периодами диссипации. Поэтому на каждом шаге процесса получается некий «рельеф» поверхности (Рис.3).

На практике при управлении развитием территорий постоянно возникает необходимость прогнозирования последствий принимаемых хозяйственных решений и оптимизации режимов развития отдельных частей территории. Исходя из этих потребностей, автором в разделе 2.1. составлена программа, предназначенная для имитационного моделирования развития территорий, различные части которых управляются в разных режимах, что в конечном итоге при определенных условиях обеспечивает выход всей системы на траекторию сбалансированного роста с учетом региональных приоритетов развития.

В результате достаточно длительного развития территориальной системы почти всегда обнаруживается ясное разделение территории по уровню развития на три неравнозначные части - центр, бщентр и периферию.

В программу могут быть легко внесены изменения (управляющие воздействия), связанные с пределами, в которых лежат используемые в ней случайные величины, территориальным расположением, периодичностью, условиями и характером диссипации (моделирование катастроф и кризисов) и «вливаний» — реализация целевых программ, «ударных» строек, правила изменения уровня как «внутренних» клеток, так и клеток границы (управление географической зависимостью). Исследование поведения системы после «взрыва» показывает, что в отсутствие целенаправленных управляющих воздействий неминуемо происходит дифференциация, расслоение региона на лидирующие и заметно отстающие по уровню развития территории, что предопределяется логикой объективных стихийно действующих законов рыночной экономики. Даже введение «щадящего» режима диссипации позволяет лишь смягчить, но не устранить до конца указанную общую закономерность, и для успешного противо-

стояния этом тенденциям необходимы осознанные усилия государственной власти.

Рис.3. Моделирование катастроф и преодоления их последствий в условиях кумулятивного роста с насыщением (т=50, /г=20)

Радикальное преодоление отмеченной тенденции возможно в случае, когда часть территории взрыва (даже одна точка) начинает развиваться в режиме «ударной стройки», т.е. получает «целевым назначением» некоторый объем ресурсов за счет пропорционального замедления роста остальных точек всего поля. Управляющее воздействие такого рода порождает различные сценарии быстрого выхода из кризиса части территории, потерпевшей катастрофу. Один из типичных сценариев такого рода иллюстрируется рисунком 3.

Задачей раздела 2.2. является моделирование экономической динамики центра, бицентра и периферии, развивающихся в тесной взаимосвязи друг с другом, и иллюстрация возможностей имитационного моделирования на примерах кризисной и депрессивной динамики стран с переходной экономикой.

Расчеты, проведенные с помощью данной программы, позволяют отслеживать и корректировать поведение основных макроэкономических параметров центра, бицентра и периферии: GNP — создаваемый в территориальной системе ВНП или ВВП, I — объем осуществляемых в ней инвестиций, SO — объем социальных расходов, DEBT - внешний долг, N — численность населения, LEV — уровень жизни, POV — черта бедности, NM — физиологический прожиточный минимум; зная исходные соотношения между этими параметрами и некоторые общие закономерности их изменения.

Параметры, имя которых содержит цифру 1, характеризуют динамику центра, 2 - бицентра, 3 - периферии.

В случае, когда возникает необходимость увеличения социальных расходов из-за падения уровня жизни в какой-либо частя территории, программа осуществляет пересчет объема инвестиций, остающихся в распоряжении данного региона, вычитая из совокупного объема распределяемых ресурсов сумму всех осуществленных на его территории социальных расходов.

Результаты расчетов программы отражаются на графических рисунках, которые иллюстрируют:

- динамику уровня жизни каждой части территории в сопоставлении с

чертой бедности и прожиточным минимумом;

- сравнительную динамику уровня жизни разных частей территории (рис.4.);

- изменения численности населения в каждой части территории;

- динамику внешнего долга;

- изменение совокупного объема распределяемых ресурсов;

- изменение доли внешнего долга в ВВП.

Уровень жизни в различных составных частях этого региона изменяется синхронно (Рис. 4), в отличие от большинства кризисных и депрессивных макроэкономических систем. Этот факт позволяет моделировать и прогнозировать уровень жизни населения данного региона как единого целого. Наиболее тяжелые последствия рецессивной динамики приходятся на долю бицентра.

Рис.4. Ярославская область: динамика уровня жизни

Третья глава «Прогнозирование и управление экономической динамикой региона» посвящена разработке трендовых моделей прогнозирования динамики макроэкономических параметров региона. Апробация этих моделей проведена на количественных данных, характеризующих динамику Ярославской области.

Цикличность макроэкономических процессов предполагает возможность аппроксимации ряда динамических макропараметров при помощи линейно-гармонических трендов, т.е., в частности, функций вида w(t)=kt+l+rcos(cût+qj). Данный метод аппроксимации позволяет осуществлять прогнозирование соответствующих параметров на основе значений полученного тренда.

Пусть ХО ~ РЯД статистических данных, w(t) - аппроксимационная кривая (тренд). Фактическое отклонение статистических данных от тренда, таким образом, вычисляется по формуле:

Прогнозное отклонение следующего, (л+/)-го, значения данного параметра у высчитывается по значениям четырех последних отклонений и составит:

А*у{п+1) = l/10(4Ay(n)+3Ay(n-l)+2Ay(n-2)+A}{n-3)).

При этом прогнозное значение данного параметра можно найти, прибавив найденное отклонение от тренда к трендовому значению (п+1)-го года: j>*(h+7) = w(n+l)+A*y(n+l).

При прогнозировании на дальнейший период вычисленный прогноз считаем свершившимся фактом, т.е. присоединяем посчитанное значение у*(п+1) к массиву статистических данных. Затем на основе полученного массива данных строим новый тренд и точно так же считаем прогнозное значение

Представленный в данной работе метод, который может быть воплощен в различных прогнозных методиках, реализован автором при помощи программных средств Microsoft Excel. Наилучшие по точности результаты прогнозирования достигались методом скользящих локальных трендов.

В зависимости от значений, принимаемых регрессионными параметрами, программа позволяет выделить ряд типов сценариев интеграции стран с переходной экономикой в мировое хозяйство: шоковый, депрессивный, шоково-депрессивный, двукратный шок, силовой шок. Для регионов, где наиболее важную роль играют внешние источники инвестиций, как, например, в Ярославской области характерен шоково-депрессивный сценарий.

Нарастающая зависимость региона от внешних источников инвестиций подтверждает принадлежность Ярославской области к числу дотационных регионов, обладающих внутренним потенциалом развития (в отличие от так на-

зываемых хронически депрессивных, изолированных, экспортно-ориентированных и теневых).

В работе решается задача построения трендовых моделей прогнозирования динамики следующих макроэкономических параметров: ВВП и ВРП, уровень жизни населения, инвестиции в основной капитал, показатели внешнеторгового оборота.

Осуществленный в работе прогноз на 2002-2004 годы предполагал ощутимый рост ВВП по сравнению с предыдущим 2001 годом, который оказался не слишком благополучным для данного региона, а затем, после резкого спада к концу 2003 года, постепенное, но стабильное улучшение ситуации к середине 2004 года. При сопоставлении с фактическими данными по динамике ВВП за этот период можно сделать вывод о качественной точности такого прогноза. Относительная погрешность прогноза на 2004 г. составляет 17%.

Прогноз на 2003-2005 годы, сделанный при помощи изложенной методики, показывает постепенное, но существенное снижение общих объемов инвестиций, обусловленное изменением динамики рейтинга инвестиционной привлекательности Ярославской области по России в сторону стабильного ухудшения, основными причинами которого являются экономическое и техническое состояние предприятий, относительно высокий физический износ оборудования, утрата значительной части технологического потенциала за годы кризиса, высокая степень экологического риска (Рис.5.). А в 2005 году ожидается небольшой рост негосударственных источников инвестирования, что говорит об усилении новых механизмов и технологий в привлечении инвестиций.

Рис.5. Прогнозирование динамики инвестиций в основной капитал Ярославской области при помощи линейно-гармонических трендов

Относительно показателей внешнеторгового оборота можно сказать, что прогнозная оценка ясно демонстрирует тенденцию увеличения объемов экспортной продукции с 2003 года, что свидетельствует о повышении приоритетов экспортной ориентации региона. В связи с этим область может позволить себе некоторое незначительное увеличение объемов импорта в 2005 году при сохранении положительного сальдо внешнеторгового баланса, что не приведет к реальному росту ее зависимости от импорта.

Трендовые модели позволяют подвести итог моделированию и оптимизации траекторий развития динамики Ярославской области и разработать программу управления развитием региона.

Основные результаты

Основные научные и практические результаты, полученные в диссертационной работе, заключаются в следующем:

1) На основании обзора известных моделей сценарного развития обоснована возможность и целесообразность использования данного аппарата для моделирования управления региональным развитием.

2) Разработан комплекс импульсных имитационных моделей развития региона, позволяющих:

-строить прогнозы регионального развития на основе информации о структуре и программах развития системы путем аппроксимации их участками траекторий импульсных процессов на знаковых орграфах;

- моделировать влияние управляющих воздействий на достижение целей регионального развития.

3) Разработан комплекс стохастических имитационных моделей развития территорий, основанный на аппарате клеточных автоматов и позволяющий:

- моделировать процесс социально-экономического развития территории как стохастический процесс, протекающий кумулятивным образом с периодами диссипации;

-разрабатывать сценарии развития территорий, разные части которых управляются в различных режимах;

-строить сценарии управления дифференциацией регионального развития;

- моделировать процессы возникновения катастроф и исследовать различные режимы преодоления их последствий, а также их влияние на динамику развития всего региона;

- классифицировать типы взаимодействия между центрами и бицентрами территориальных образований в процессе развития региона.

4) Разработан комплекс моделей социально-экономического развития депрессивного региона, позволяющих:

- отслеживать поведение основных макроэкономических параметров центра, бицентра и периферии;

- выделять тип сценариев регионального развития в зависимости от динамики основных макроэкономических параметров;

- прогнозировать основные параметры динамики региона: производство и распределение ВНП; уровень жизни, миграции и смертности; управление внешним долгом и др.

5) Разработан комплекс трендовых прогнозно-оптимизационных моделей, позволяющих:

- осуществлять анализ и количественный прогноз динамики макроэкономических процессов и параметров на среднесрочную перспективу на основе сценарного подхода;

- прогнозировать «перелом» (изменение характера динамики) как самого аппроксимирующего тренда, так и отклонений от него значений прогнозируемых параметров.

6) Полученные результаты использованы (что подтверждено актами и справками о внедрении) при разработке и внедрении комплекса сценарных моделей управления региональным развитием в администрации Рыбинского муниципального округа, Алтайском государственном университете, ГУЛ г. Москвы «Экономика».

Основные публикации по теме диссертации.

1. Коковкина (Грибова) Е.Н. Аттрактивные сценарии социально-экономического развития региона // Проблемы регионального и муниципального управления : Сб. науч. тр. / Ин-т проблем управления им. В.А. Трапезникова РАН. -М,2000. -С. 112-114.

2. Кононов Д.А., Коковкина (Грибова) Е.Н. Синергетические сценарии социально-экономического развития региона // Проблемы регионального и муниципального управления : Сб. науч. тр. / Ин-т проблем управления им. В.А. Трапезникова РАН. - М., 2000. - С. 114-117. (Лично автором выполнено 2 с).

3. Грибова Е.Н., Кононов Д.А., Нижегородцев P.M. Сценарии управления социально-экономической системой Ярославской области // Проблемы управления безопасностью сложных систем : Сб. науч. тр. / Российск. гос. ун-т управлен. - М., 2000. - С. 243-248. (Лично автором выполнено 2 с).

4. Грибова Е.Н., Шадрин А.В. Возможности применения теории активных систем для анализа фискальной политики // Теория активных систем : Тр.

науч. конф. / Ин-т проблем управления им. В.А. Трапезникова РАН. - М., 2001. - С. 96-98. (Лично автором выполнено 1 с).

5. Грибова Е.Н., Нижегородцев P.M. Моделирование динамики налогового потенциала предприятий // Теория активных систем : Тр. науч. конф. / Ин-т проблем управления им. В.А. Трапезникова РАН. - М., 2001. - С. 41-47. (Лично автором выполнено 4 с).

6. Грибова Е.Н., Нижегородцев P.M. Сценарии управления индустриальной системой Ярославской области // Проблемы регионального и муниципального управления : Сб. науч. тр. / Российск. гос. ун-т управлен. - М., 2001. - С. 287-291. (Лично автором выполнено 3 с).

7. Грибова Е.Н. Оценка инвестиционной привлекательности Ярославской области //Проблемы управления безопасностью сложных систем. М.: ИЛУ РАН, 2001. С. 195 -203 .

8. Грибова Е.Н., Нижегородцев P.M. Импульсное моделирование социально-экономической ситуации в Рыбинском муниципальном округе и оценка возможных стратегий управления его экономическим ростом // Известия Туск, гос. техн. ун-та. Сер. «Технологическая системотехника». Вып. 1. -Тула: Изд-во ТулГУ, 2003. - С. 340-347. (Лично автором выполнено 4 с).

9. Нижегородцев P.M., Грибова Е.Н. Апология бицентризма: рост и упадок, анализ и прогнозирование // Региональная экономика в информационном измерении: модели, оценки, прогнозы : Сб. науч. тр. -Москва - Барнаул: Биз-нес-Юнитек, 2003. - С. 81-114. (Лично автором выполнено 17 с).

10. Нижегородцев P.M., Грибова Е.Н. Моделирование возникновения и развития бицентров: кумулятивный стохастический рост с диссипацией // При-родно-антропологический и социокультурный статус бицентра : Матер, межрегион, науч.-практ. конф. - Новомосковск, 2003. - С. 47-63. (Лично автором выполнено 9 с).

11. Нижегородцев P.M., Грибова Е.Н. Центр-бицентр-периферия: моделирование и прогнозирование циклической динамики // Природно-антропологический и социокультурный статус бицентра : Матер, межрегион, науч.-практ. конф. - Новомосковск, 2003. - С. 64-87. (Лично автором выполнено 11 с).

12. Грибова Е.Н., Нижегородцев P.M. Управление развитием территорий: имитационное моделирование катастроф и преодоления их последствий // Управление большими системами : Сб. науч. тр. Вып. 5 / Ин-т проблем управления им. В.А. Трапезникова РАН. -М., 2003. - С. 21-34. (Лично автором выполнено 7 с).

13. Грибова Е.Н., Нижегородцев P.M. Моделирование локальных траекторий регионального развития: катастрофы и преодоление их последствий //

Проблемы управления безопасностью сложных систем : Тр. XI междунар. конф. / Российск. гос. ун-т управлен. - М., 2003. - С. 147—151. (Лично автором выполнено 3с).

14. Грибова Е.Н. Имитационное моделирование экономической динамики регионов при помощи клеточных автоматов // Проектирование научных и инженерных приложений в среде "MATLAB" : Тр. Всероссийск. науч. конф. / Инт проблем управления им. В.А. Трапезникова РАН. - М., 2004. - С. 131-140 .

15. Грибова Е.Н. Среднесрочное прогнозирование экономической динамики региона при помощи линейно-гармонических трендов // Информационная экономика и управление динамикой сложных систем : Сб. науч. тр. -Москва -Барнаул: Бизнес-Юнитек, 2004. - С. 258-271.

16. Грибова Е.Н. Стохастическое моделирование территориальных катастроф и преодоления их последствий // Управление большими системами : Сб. науч. тр. Вып. 6 / Ин-т проблем управления им. В.А. Трапезникова РАН. - М, 2004. - С. 33-55.

17. Нижегородцев P.M., Грибова Е.Н. Сценарный подход в задачах экономического прогнозирования // Теоретические основы и модели долгосрочного макроэкономического прогнозирования. -М.: МФК, 2004. - С. 205—295. (Лично автором выполнено 46с).

Подписано в печать 20.05.2005. Формат 60x84 1/16. Уч. - изд. л. 1,0

Усл.-печ. 1,1 л. Бумага писчая Тираж 100 экз.

Заказ № 267

Отпечатано в отделе оперативной полиграфии

Воронежского государственного архитектурно-строительного университета 394006, г. Воронеж, ул. 20-летия Октября, 84.

3 ГЗДММЫШ« \ лллг - insert»« 5

11 ИЮЛ 2005 v^wW

ВВЕДЕНИЕ.

ГЛАВА 1. Импульсные и имитационные модели развития региона: сценарный подход.

1.1. Математическое описание имитационной модели развития региона.

1.1.1. Математическая модель трёх видов знаковых орграфов.

1.1.2. Использование аппарата знаковых графов для прогнозирования и планирования управляющих воздействий в СЭС.

1.2. Исследование развития региональных систем с помощью имитационных моделей.

1.2.1. Специфика региональных моделей.

1.2.2. Классификация региональных моделей.

1.3. Сценарии управления социально-экономическим развитием региона.

1.3.1. Модель социально-экономической системы региона.

1.3.2. Модель социально-экономического развития муниципального округа.

1.3.3. Модель экологической безопасности региона.

1.3.4. Модель социального развития региона.

1.3.5. Модель развития промышленного производства.

1.4. Анализ и моделирование инвестиционной привлекательности региона.

1.4.1. Модель динамики налогового потенциала региона.

1.4.2. Инвестиционный потенциал региона и стратегии компании.

ГЛАВА 2. Имитационные модели развития территорий.

2.1. Стохастические имитационные модели регионального развития.

2.1.1. Территориальная дифференциация: очерк теории.

2.1.2. Программа стохастического роста и ее описание.

2.1.3. Результаты моделирования и их интерпретация.

2.1.4. Управление развитием территорий: имитационное моделирование катастроф и преодоления их последствий.

2.2. Моделирование и прогнозирование циклической динамики депрессивных регионов (центр — бицентр — периферия).

2.2.1. Страны с переходной экономикой: обоснование «переходного спада».

2.2.2. Программа моделирования кризисной динамики.

2.2.3. Результаты моделирования: сценарии кризисной динамики.!

ГЛАВА 3. Прогнозирование и управление экономической динамикой региона.

3.1. Аналитические модели среднесрочного прогнозирования экономической динамики.

3.2. Прогнозирование основных параметров макроэкономической динамики.

3.3. Анализ и прогнозирование показателей внешнеторгового оборота.

Актуальность темы. Анализ текущих и прогноз будущих траекторий развития региональных социально-экономических систем (РСЭС) и составляющих их элементов, а также оценка на этой основе тенденций социально-экономического развития, являются важнейшей задачей органов управления всех уровней. Поэтому актуальной представляется разработка и обоснование сценарных моделей управления развитием территориальных образований и регионов.

Целью работы является исследование, разработка и внедрение сценарных моделей эффективного управления региональным развитием.

Достижение поставленной цели требует решения следующих основных задач:

1. Анализ известных методов построения и оценок сценариев развития региональных социально-экономических систем. Обоснование целесообразности применения сценарных моделей для управления региональным развитием.

2. Разработка и исследование имитационных моделей формирования сценариев развития региональных систем: построение комплекса моделей на языке знаковых орграфов, стохастических и трендовых моделей для прогнозирования макроэкономических параметров развития региона.

3. Внедрение полученных теоретических результатов в реальных системах управления региональным развитием.

Основным методом исследования является математическое (имитационное и оптимизационное) моделирование, использующее аппарат знаковых орграфов, клеточных автоматов, трендовых прогнозно-оптимизационных моделей.

Научная новизна работы заключается в следующем:

1. На основании обзора известных сценарных моделей обоснована возможность и целесообразность использования данного аппарата для управления региональным развитием.

2. Разработан комплекс сценарных моделей, позволяющий прогнозировать динамику существенных параметров социально-экономических систем и моделировать управление этими системами. В том числе - импульсные имитационные модели, стохастические имитационные модели и трендовые прогнозно-оптимизационные модели.

3. Построен комплекс моделей социально-экономического развития депрессивного региона, позволяющий прогнозировать основные параметры динамики региона в целом и отдельных составных его частей — центра, бицентра и периферии.

4. Предложены модели и методы формализации, формирования и анализа, а также методы выбора (по заданным критериям эффективности) оптимальных сценариев развития региональных социально-экономических систем.

Практическая значимость. Разработанные автором комплексы сценарных моделей успешно применяются для разработки комплексных сценариев экономической динамики регионов и программ социально-экономического развития, для повышения эффективности управления региональным развитием.

Реализация результатов работы. Эффективность использования разработанных моделей при разработке программ регионального развития г. Барнаул Алтайского края и Рыбинского муниципального округа (Ярославская область), а также при разработке программы развития ЖКХ в Московском регионе, подтверждена актами и справками о внедрении.

Личный вклад. Все основные результаты получены автором.

Публикации. По теме диссертационной работы автором опубликовано 17 печатных работ общим объемом 16,7 печатных листов.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и трех приложений. Работа содержит 144 стр. текста, список литературы включает 159 наименований. Приложение содержит акты и справки, подтверждающие практическую реализацию и внедрение результатов диссертационной работы.

Выводы. Вторая глава посвящена разработке моделей регионального развития при помощи компьютерных средств программирования в системе Matlab.

Предлагаются стохастические имитационные модели регионального развития и модель циклической динамики депрессивных регионов.

На практике при управлении развитием территорий постоянно возникает необходимость прогнозирования последствий принимаемых хозяйственных решений и оптимизации режимов развития отдельных частей территории. Исходя из этих потребностей, автором составлена программа, предназначенная для имитационного моделирования развития территорий, различные части которых управляются в разных режимах, что в конечном итоге при определенных условиях обеспечивает выход всей системы на траекторию сбалансированного роста с учетом региональных приоритетов развития.

В процессе расчетов, осуществленных при помощи составленных программм, удалось проследить развитие эмпирически наблюдаемых моделей, отражающих различные варианты территориальной дифференциации.

Проведено моделирование экономической динамики трех составных частей территориального образования (центр-бицентр-периферия), развивающихся в тесной взаимосвязи друг с другом, и иллюстрирование возможностей имитационного моделирования на примерах кризисной и депрессивной динамики стран с переходной экономикой. Расчеты, проведенные с помощью данной программы, позволяют отслеживать поведение основных макроэкономических параметров центра, бицентра и периферии.

Глава 3. Прогнозирование и управление экономической динамикой региона.

3.1 Аналитические модели среднесрочного прогнозирования экономической динамики

Цикличность макроэкономических процессов, как уже было сказано, предполагает возможность аппроксимации ряда динамических макропараметров при помощи гармонических трендов, т.е., в частности, функций вида w(t)=kt+l+rcos(cot+(p).

Данный метод аппроксимации позволяет осуществлять прогнозирование соответствующих параметров на основе значений полученного тренда.

Пусть y(t) — ряд статистических данных, w(t) — аппроксимационная кривая (тренд). Фактическое отклонение статистических данных от тренда, таким образом, вычисляется по формуле: Ау(п) = у(п) - w(n).

Прогнозное отклонение следующего, (п+1)-го, значения данного параметра у высчитывается по значениям четырех последних отклонений и составит: А*у(п+1) = 1 /10 * (4 Ду (п)+3 Ay (п-1 )+2 Ау (п-2)+ Ду(п-З)).

При этом прогнозное значение данного параметра можно найти, прибавив найденное отклонение от тренда к трендовому значению (п+1 )-го года: у *(п+1) = w(n+1) + Д*у(п+1).

При прогнозировании на дальнейший период вычисленный прогноз считаем свершившимся фактом, т.е. присоединяем посчитанное значение у*(п+1) к массиву статистических данных. Затем на основе полученного массива данных строим новый тренд и точно так же считаем отклонение А*у(п+2) по отклонениям четырех лет, предшествующих прогнозируемому году. Наконец, прибавляя найденное отклонение А*у(п+2) к трендовому значению w(n+2), получаем результат — прогнозное значение у*(п+2). Данный метод прогнозирования эффективен при расчете среднесрочных прогнозов — на срок до 3-4 лет (половина продолжительности промышленного цикла).

Представленный в данной работе метод, который может быть воплощен в различных прогнозных методиках, реализован автором при помощи программных средств Excel.

В качестве объекта моделирования автором была выбрана Ярославская область, макроэкономическая динамика которой была ранее исследована на основе сценарного подхода [25, 33, 36]. Рис. 3.1 иллюстрирует пример применения описанного метода скользящих глобальных трендов к прогнозированию экономической динамики Ярославской области на 2003 год. Параметры найденного аппроксимационного тренда таковы: к = 0,0139; 1 = 0,8252; г = -0,1247; V = 8,9316; Э = 5,7969. Прогноз предполагает рост ВВП на 26,7% по сравнению с 2001 годом, который оказался не слишком благополучным для данного региона.

Осуществленный прогноз на 2002-2004 годы предполагет ощутимый рост ВВП по сравнению с предыдущим 2001 годом, а затем, после резкого спада к концу 2003 года, постепенное, но стабильное улучшение ситуации к середине 2004 годэ. При сопоставлении с фактическими данными по динамике ВВП за этот период можно сделать вывод о качественной точности такого прогноза. (Рис. 3.1)

Относительная погрешность прогноза на 2004 г. составляет У (факт)

Подобный метод прогнозирования, применявшийся ранее для логистических трендов, которыми описывались параметры уровня жизни населения [1, 2], дает возможность спрогнозировать "перелом" (изменение характера динамики) как самого аппроксимирующего тренда, так и отклонений от него истинных значений прогнозируемого параметра. Наилучшие по точности результаты прогнозирования достигались методом скользящих локальных трендов [94], который предполагает, что каждый тренд строится на основе данных 7-8 предшествующих лет, а более ранние показатели не принимаются во внимание. Данное обстоятельство обусловлено тем, что на каждый следующий год реально оказывает влияние лишь динамика соответствующих показателей предшествующего среднесрочного (промышленного) цикла.

Это касается и прогнозирования динамических параметров на 3-4 года вперед: наивысшая точность прогноза достигается при «скольжении» тренда, всякий раз охватывающего лишь данные 7-8-летнего периода, непосредственно предшествующего прогнозируемому году. Это кажется парадоксом, но, тем не менее, является многократно проверенным фактом: при прогнозировании динамики на 4 года вперед наиболее точен метод, при котором построенный тренд обусловлен данными, наполовину состоящими из найденных ранее прогнозных значений (прогнозные данные за 3 года и фактические данные за 4 года составляют как раз 7-летний отрезок времени), тогда как тренд, построенный преимущественно на основе фактических данных (например, по прогнозным значениям за 3 года и фактическим данным за 7-8 лет) дает менее высокую точность прогноза.

Линейно-гармонический тренд

J> J? d> & ^ ^ ^ ^

Y(mp) J

У (Факт)

У(прогн) год

Рис. 3.1, 11рогнозирование динамики ВВП Ярославской области при помощи линейно-гармонических трендов

Отдельной проблемой является зависимость точности осуществляемого прогноза от частоты линейно-гармонического тренда. В некоторых случаях бывает целесообразно пожертвовать экономической логикой находимой трен до вой траектории ради достижения требуемой точности прогноза: опыт свидетельствует о том, что тренды низкой частоты чаще обеспечивают необходимую точность [88,95].

Подобным же образом может быть осуществлен прогноз при помощи трендовых траекторий любого вида, но этот вид должен быть задан экзогенно, он составляет одну из исходных предпосылок осуществления предлагаемого алгоритма.

3.2 Прогнозирование основных параметров макроэкономической динамики

Характер динамики валового регионального продукта (Рис. 3.2) позволяет отнести данный регион к шоково-депрессивному типу, согласно разработанной автором классификации макроэкономических систем в соответствии со сценариями их динамики |26].

Чросп.1*ская ооп гад

Рис. 3.2. Ярославская область: динамика приращений ВРИ

Рис. 3.3, являющийся результатом моделирования [99] и отражающий динамику уровня жизни, в сопоставлении с Рис. 3.2 указывает на важное обстоятельство: конечное потребление более эластично к изменениям ВРП в сторону уменьшения, чем в сторону увеличения. Иначе говоря, общая закономерность заключается в том. что когда в стране или регионе начинается экономический спад уровень жизни падает быстро, а когда начинается подъем -конечное потребление тоже повышается, но не столь быстро и не столь значительно, как физический объем производства. Кроме того, из Рис. 3.3 вытекает, что уровень жизни в различных составных частях данного региона изменяется синхронно, в отличие от большинства кризисных и депрессивных макроэкономических систем, где отдельные локальные образования в разные периоды протекания кризиса принимают на себя основной удар [96. 99]. Этот факт позволяет моделировать и прогнозировать уровень жизни населения данного региона как единого целого, тогда как во многих других регионах применение такого метода сопряжено со значительной погрешностью. Поэтому

Ярославскую область можно рассматривать как единую систему при применении трендовых моделей. хг а? ■ »

IBIS

М 12 М i Т LEW ■* I ,'Л'а t 9: to

Рис. 3.3. Ярославская область: динамика уровня жизни (LEV ] — центр. LEV2 — бицентр, LCV3 — периферия)

Рис. 3.4 иллюстрирует пример применения описанного метода скользящих глобальных трендов к прогнозированию экономической динамики Ярославской области да 2003 год. Параметры найденного аппроКеимационного тренда таковы: к=0.0139; 1=0,8252; г=-0,1247; ¥=8.9316; Э =5.7969. Полученный прогноз показывает спад ВРП на 26,5% по сравнению с прогнозной оценкой 2002 года, предполагавшей рост валового регионального продукта на 42,5% по сравнению с 2001 годом, который оказался не слишком благополучным для данного региона. fl и ней но- гармонический тренд

Ч 0,6 0.4 0,2 0.0

У(тренд) —*— У(Фант)

У(прогн) год

Рис. 3.4. Прогнозирование динамики ВРП Ярославской областипри помощи линейно-гармонических трендов

3.2.1 Дина мик а. ин вестицнонных пронессов

Нарастающая зависимость данного региона от внешних источников инвестиций [25, 99J. подтверждает принадлежность Ярославской области к числу дотационных регионов, обладающих внутренним потенциалом развития (в отличие от так называемых хронически депрессивных, изолированных, экспортно-ориентированных и теневых) [87. 92].

Основные характеристики инвестиционного климата и принципы инвестиционной политики в области приведены в Приложении 2.

Прогноз на 2003-2005 годы, сделанный па основе данных Таблица 3.1 при помощи изложенной выше методики, показывает постепенное, но существенное снижение общих объемов инвестиций более чем на 50% (Рис. 3.5). Параметры найденного аппроксимационного тренда таковы: к=1,72; 1=19,63; 1=8,23; 10,11: Э =311,43.

Линеино-гармонический тренд

У(тренд) —*— У(Факт) -ь- У(прогн)

16 000

14 ООО i 12 ООО S г юооо g зооо

3 6 000 | 4 000

I 2 000

Рис. 3.5. Прогнозирование динамики инвестиций в основной капитал Ярославской области при помощи линейно-гармонических трендов

Факт падения объемов инвестиций, очевидно, связан с изменением динамики рейтинга инвестиционной привлекательности Ярославской области по России в сторону стабильного ухудшения: после резкого улучшения от 34-го места в 2000 году до 2-го места в 2002 году область откатилась к 11-му месту в 2004 году. Основными причинами серьезного снижения инвестиционного рейтинга Ярославской области являются экономическое и техническое состояние предприятий, относительно высокий физический износ оборудования, утрата значительной части технологического потенциала за годы кризиса, высокая степень экологического риска.

К тому же. несмотря на общую тенденцию к повышению, в 2000-2003 годах сумма иностранных инвестиций сильно колебалась (Таблица 3.2), а значительный рост общей суммы инвестиций в основной капитал по Ярославской области достигался в основном за счет заметного увеличения доли отечественных инвестиций (а точнее, собственных средств предприятий). Поэтому прогнозируемый спад инвестиционного интереса к областным промышленным программам может быть следствием не только снижения доли иностранного капитала, поступающего в область, по, главным образом, ухудшения федерального и местного (за счет негосударственных источников) финансирования.

Заключение.

Основные научные и практические результаты, полученные в диссертационной работе, заключаются в следующем:

1. На основании обзора моделей и методов сценарного развития импульсных моделей обоснована возможность и целесообразность использования данного аппарата для моделирования сценариев регионального развития.

2. Разработан комплекс импульсных имитационных моделей развития региона, позволяющих: строить прогнозы регионального развития на основе информации о ее структуре и программах развития системы путем аппроксимации их участками траекторий импульсных процессов на знаковых орграфах; разрабатывать сценарии развития территорий, разные части которых управляются в различных режимах; На основе представленных теоретических исследований и результатов получены имитационные динамические модели следующих жизненно важных систем региона: -- социально-экономическая модель, -- модель экологической безопасности, ~ модель социального развития, ~ модель развития промышленного производства, ~ модель динамики налогового потенциала, -- модель инвестиционной привлекательности. и на основе результатов моделирования разработана программа управления реальным регионом (Ярославской областью).

3. Разработан комплекс стохастических имитационных моделей развития территорий, основанный на аппарате клеточных автоматов и позволяющий: моделировать процесс социально-экономического развития территории как стохастический процесс, протекающий кумулятивным образом с периодами диссипации; разрабатывать сценарии развития территорий, разные части которых управляются в различных режимах; строить сценарии управления дифференциацией регионального развития; моделировать процессы возникновения катастроф и исследовать различные режимы преодоления их последствий, а также их влияние на динамику развития всего региона; классифицировать типы взаимодействия между центрами и бицентрами территориальных образований в процессе развития региона.

4. Разработан комплекс моделей социально- экономического развития депрессивного региона, позволяющий: отслеживать поведение основных макроэкономических параметров центра, бицентра и периферии, зная исходные соотношения между этими параметрами и некоторые общие закономерности их изменения; выделить тип сценариев регионального развития в зависимости от динамики основных макроэкономических параметров; прогнозировать основные параметры динамики региона: производство и распределение ВНП; уровень жизни, миграции и смертности; управление внешним долгом и др.

5. Разработан комплекс трендовых прогнозно-оптимизационных моделей, позволяющих: осуществлять анализ и количественный прогноз динамики макроэкономических процессов и параметров на среднесрочную перспективу на основе сценарного подхода; прогнозировать "перелом" (изменение характера динамики) как самого аппроксимирующего тренда, так и отклонений от него значений прогнозируемых параметров. Полученные результаты показали принципиальную возможность создания формальных методов формирования и последующего анализа характеристик сценариев развития СЭС с целью принятия рациональных решений при управлении различного рода процессами развития региона, в том числе предотвращения его нежелательных последствий.

Полученные результаты использованы (что подтверждено актами и справками о внедрении) при разработке и внедрении комплекса импульсных и имитационных моделей управления региональным развитием в администрации Рыбинского муниципального округа, Алтайском государственном университете, ГУП г. Москвы «Экономика».

1. Абашкина Е.О. Рынок труда и уровень жизни населения России: нелинейные методы анализа и прогнозирования //Информация и экономика: теория, модели, технологии: Сб. науч. трудов, Р.М.Нижегородцева. Барнаул: Изд-во Алтайского гос. ун-та, 2002. — С. 80-111.

2. АвдашеваС., Ястребова О. Государственная поддержка в регионах: состояние и проблемы реорганизации. //Вопросы экономики. №5. 2001.

3. Акимов В.А., Козлов К.А. Оценки природной и техногенной опасности субъектов Приволжского региона России. //Проблемы безопасности при чрезвычайных ситуациях. М.: ВНИТИ, №7. 2000. — С. 65-83

4. Анохин A.M., Глотов В.А., Павельев В.В., Черкашин A.M. Комплексное оценивание: принцип бинарности и его приложения. Препринт. — М.: ИПУ РАН, 1994.

5. АрхиповаН.И., КульбаВ.В. Управление в чрезвычайных ситуациях. — М.: РГГУ. 1994.

6. АрхиповаН.И., Кульба В.В., Чанхиева Ф.Ю., Косяченко С.А. Организационное управление. //Учебное пособие для втузов. М.: Приор, 1998.

7. Аузан А., Крючкова П. Административные барьеры в экономике: задачи деблокирования. //Вопросы экономики. Под. ред. Абалкина Л.И. — М.: РАН, №5. 2001. —С. 34-66.

8. Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки. — М.: Наука, 1973.

9. Бурков В.Н., Новиков Д.А. Введение в теорию активных систем. — М.: ИПУ РАН, 1996.

10. Бусленко А.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. — М.: Советское радио, 1973. — С. 87-103.

11. Вентцель Е.С. Исследование операций: задачи, принципы, методология. М.: Наука, 1980.

12. Викулов В.Е., Гурман В.И., Данилина Е.В. и др. Эколого-экономическая стратегия развития региона: Математическое моделирование и системный анализ на примере Байкальского региона. Новосибирск: Наука. Сиб. отд-ние, 1990.

13. Вишнев С.М. Основы комплексного программирования. — М.: Наука, 1977.

14. Вишнев С.М. Роль стратегических ограничений в прогнозировании. //Экономика и мат. методы. 1974.

15. Вопросы анализа и принятия решений. //Сборник переводов. — М.: Мир, 1976.

16. Гантмахер Р. Теория матриц.— М.: Гостехиздат. 1953.

17. Гвишиани Д.М. Методологические проблемы изучения глобальных процессов. //Экономика и мат. методы. Т. XV, вып. 2, 1979.

18. Гмурман В.Е. Теория вероятностей и математическая статистика./ Учебное пособие для втузов. М.: Высшая школа, 1977.

19. Год планеты: Политика. Экономика. Бизнес. Банки. Образование. Вып. 2001 года. М.: Республика, 2001.

20. Гольц Г.А. Культура и экономика России за три века, XVIII-XX вв. Т. 1. Менталитет, транспорт, информация (прошлое, настоящее, будущее). Новосибирск: Сибирский хронограф, 2002.

21. Гретцер Г. Общая терия решёток. — М.: Мир, 1982.

22. Грибова Е.Н., Нижегородцев P.M. Сценарии управления индустриальной системой Ярославской области //Проблемы регионального и муниципального управления: Доклады и сообщения III международной научной конференции. М., 2001. —С. 287-291.

23. Грибова Е.Н., Нижегородцев P.M. Управление развитием территорий: имитационное моделирование катастроф и преодоления их последствий //Управление большими системами: Сб. трудов мол. ученых: Вып. 5. М., 2003. — С. 21-34.

24. Грибова Е.Н., Нижегородцев P.M., Моделирование локальных траекторий регионального развития: катастрофы и преодоление их последствий. //Проблемы управления безопасностью сложных систем. М.: РГГУ, 2003.— С. 147-151.

25. Грибова Е.Н, Нижегородцев P.M. Моделирование динамики налогового потенциала предприятий. //Теория активных систем. М.: ИПУ РАН, 2001. — С. 41-47

26. Грибова Е.Н. Оценка инвестиционной привлекательности Ярославской области. //Проблемы управления безопасностью сложных систем. М.: ИПУ РАН, 2001. —С. 195-203.

27. Грибова Е.Н. Стохастическое моделирование территориальных катастроф и преодоления их последствий. //Управление большими системами: Сб. трудов: Вып. 6. М., 2004. — С. 33-55.

28. Грибова Е.Н., Кононов Д.А., Нижегородцев P.M. Сценарии управления социально-экономической системой Ярославской области. //Проблемы управления безопасностью сложных систем. М.: РГГУ, 2000. — С. 243-248

29. Грибова Е.Н., Шадрин А.В. Возможности применения теории активных систем для анализа фискальной политики. //Теория активных систем. ИПУ РАН, 2001. — С. 96-98.

30. Д.А. Кононов, С.А. Косяченко, В.В. Кульба, Сценарный анализ динамики поведения СЭС. М.: МГУ, 1999.

31. Давыдов Э.Г. Игры, графы, ресурсы. М.: Радио и связь, 1981.

32. Данилов-Данильян В.И., Рыбкин А.А. Прогнозирование и планирование. //Системные исследования: Ежегодник, — М.: Наука, 1981.

33. Емельянов С.В., Озерной В.М., Ларичев О.И. Проблемы и методы принятия решений. Обзор. — М.:1973.

34. Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. — М.: Наука. 1997.

35. Карибский А.В., ШишоринЮ.Р., Бизнес-план: финансово-экономический анализ и критерии эффективности (методы анализа и оценки). Препринт. М.: ИПУ РАН, 1996.

36. Кинг У., Клиланд Д. Стратегическое планирование и хозяйственная политика. — М.: Прогресс, 1982.

37. Киселёва В.В. Комплексный прогноз экономики США: Методология и моделирование. — М.: Наука, 1983.

38. Коковкина Е.Н. Аттрактивные сценарии социально-экономического развития региона. //Проблемы регионального и муниципального управления. М.: ИПУ РАН, 2000. —С.112-114.

39. Колмогоров А.Н., Фомин С.В. Элементы функционального анализа. — М.: Наука. 1976.

40. Комплексное прогнозирование в экономике и международных отношениях /ИМЭМО АН СССР. — М., 1976. Вып. 1,2.

41. Кононов Д.А. //Проблемы управления безопасностью сложных систем. Материалы VII международной конференции — М.:1999.

42. Кононов Д.А. Интегральная компромиссная оценка социально-экономического развития региона. — Материалы Международной конференции «Проблемы регионального и муниципального управления» 27-28 мая 1999 г. — М.: РГГУ. 1999. —С. 214-231

43. Кононов Д.А. Магистральное поведение оптимальных стратегий в иерархической игре Центр-производители. — //Программное обеспечение и модели системного анализа. — М.: МГУ. 1991.

44. Кононов Д.А. Теорема о магистрали в сильной форме для модели Неймана с нетерминальной целевой функцией. //Вестн. МГУ. Сер. 15 вычисл. математика и кибернетика. № 1. 1979. — С. 33-56

45. Кононов Д.А., Коковкина Е.Н. Синергические сценарии социально-экономического развития региона. //Проблемы регионального и муниципального управления. М.: ИПУ РАН, 2000. — С. 114-117

46. Кононов Д.А., КульбаВ.В. Формирование сценариев развития макроэкономических процессов на базе использования языка знаковых графов. //Моделирование экономической динамики: риск, оптимизация, прогнозирование. М.: МГУ. 1997.— С. 42-67

47. Кононов Д.А., КульбаВ.В. Формирование сценариев развития макроэкономических процессов на базе использования языка знаковых графов.//Моделирование экономической динамики: риск, оптимизация, прогнозирование/ М.:Диалог — МГУ, 1997. — С. 77-91

48. КононовД.А., КульбаВ.В. Экологический менеджмент: сценарии развития объектов и управление экологической обстановкой. //Инженерная экология. 1996. № 6. — С. 56-63

49. Кононов Д.А., Кульба В.В., Ковалевский С.С., Косяченко С.А. Синтез формализованных сценариев и структурная устойчивость сложных систем (синергетика и аттрактивное поведение). Препринт. — М.: ИПУ РАН. 1998.

50. Кононов Д. А., КульбаВ.В., Ковалевский С.С., Косяченко С.А. Формирование сценарных пространств и анализ динамики поведения СЭС. Препринт.— М.: ИПУ РАН. 1999.

51. Концепция государственной инвестиционной политики Ярославской области на период с 2004 до 2007 года. Постановление губернатора Ярославской области от 02.12.2003. №765. //Губернские вести№82, декабрь 2003. — С. 45-79.

52. Королюк B.C., Портенко Н.И. Справочник по теории вероятностей и математической статистике. М.: Наука, 1985.

53. Кульба В.В., Ковалевский С.С., Кононов Д.А., Чернов И. В, Шелков А.Б. Проблемы обеспечения экономической безопасности сложных социально-экономических систем. Препринт. — М.: ИПУ РАН, 2000.

54. Кульба В.В., Кононов Д.А., Косяченко С.А. Исследование поведения социально-экономических систем на основе формализованной генерации сценариев их поведения. — //А и Т. 1999. № 9. — С. 25-41.

55. Кульба В.В., Кононов Д.А., Косяченко С.А. Модели и методы анализа сценариев развития социально-экономических систем в АСУ ЧС. —М.: А и Т. 1999. №9. —С. 12-18.

56. Кульба В.В., Кононов Д.А., Косяченко С.А. Формирование региональных сценариев развития взаимосвязанных объектов в АСУ ЧС. — //А и Т. № 9. 2000.

57. Кульба В.В., Кононов Д.А., Нижегородцев P.M. и др. Сценарный анализ динамики поведения социально-экономических систем. /Научное издание. М.:ИПУ РАН, 2002.

58. Кульба В.В., Кузина Е.В., Косченко С.А., Шелков А.Б. фундаментальный анализ в коммерческих банках. — М.: ИПУ РАН. 1999.

59. Кульба В.В., Миронов П.Б., Назаретов В.М. Анализ устойчивости социально-экономических систем с использованием знаковых графов. //А и Т. № 7. 1993. — С. 34-37

60. Кульба В.В., Миронов П.Б., Назаретов В.М. Анализ устойчивости социально-экономических систем с использованием знаковых графов. //А и Т. № 7. 1993. С. 37-41.

61. Ларичев О.Н. Объективные модели и субъективные решения. — М. : Наука, 1987.

62. Леонтьев В. Будущее мировой экономики: Доклад группы экспертов. М.: Межд. отношения, 1979.

63. Лисичкин В.А. Теория и практика прогностики: методологические аспекты. — М.: Наука, 1972.

64. Лопухин М.М. Метод планирования и прогнозирования научных работ. — М.: Советское радио, 1971.

65. Маленво Э. Статистические методы в эконометрии. М.: Статистика, 1976 , вып. 1,2.

66. Мамиконов А.Г., КульбаВ.В., Швецов А.П. Модифицированные сети Петри. Препринт.—М.: ИПУ РАН. 1991.

67. Математика и кибернетика в экономике: Словарь-справочник. — М.: Экономика, 1975, с. 700.

68. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. — М.: Мир. 1973

69. Методика прогнозирования масштабов заражения сильнодействующими ядовитыми веществами при авариях (разрушениях) на химически опасных объектах и транспорте. М.: Госкомитет СССР по гидрометеорологии, 1990.

70. Миллер Дж.А. Магическое число семь плюс или минус два: О некоторых пределах нашей способности перерабатывать информацию. //Инженерная психология: Сб. статей. — М.: Прогресс, 1964.

71. Минский М. Фреймы для представления знаний. — М.: Энергия, 1979.

72. Модели процессов принятия решений. //Сборник статей — Владивосток: ,ДВНЦ АН СССР, 1978. — С. 28-39.

73. Морозов В.В., Сухарев А.Г., Федоров В.В. Исследование операций в задачах и упражнениях. — М.: Высшая школа, 1986.

74. Нижегородцев P.M. Информационная экономика. Книга 1. Информационная Вселенная: Информационные основы экономического роста. Москва — Кострома, 2002.

75. Нижегородцев P.M. Информационная экономика. Книга 3. Взгляд в Зазеркалье: Технико-экономическая динамика кризисной экономики России. Москва — Кострома, 2002.

76. Нижегородцев P.M. Поляризация экономического пространства России и как ей противодействовать// Проблемы теории и практики управления. 2003. № 1. — С. 89-95.

77. Нижегородцев P.M. Среднесрочное прогнозирование динамики макроэкономических параметров при помощи гармонических трендов //Теория активных систем: Труды международной научно-практической конференции. Т. 1. М.: ИПУ РАН, 2003. — С. 120-121.

78. Нижегородцев P.M. Технико-экономическая динамика российских регионов: истоки проблем и задачи государства// Экономическая теория на пороге XXI века: Глобальная экономика, С.Н.Бабурина, В.Г. Белолипецкого, Е.С.Зотовой. М.: Юристъ, 2003. — С. 889-903.

79. Нижегородцев P.M. Траектории региональной экономики: проблемы причинности и моделирования //Информация и экономика: теория, модели, технологии: Сб. науч. трудов. Барнаул: Изд-во Алтайского гос. ун-та, 2002. — С. 172-194.

80. Нижегородцев P.M. Управление технологической структурой производства и проблема убыточности предприятий: мировой опыт и наши проблемы. //Российская экономическая наука: традиции и современность: Цаголовские чтения. М.: ТЕИС, 1998. — С. 75-85.

81. Нижегородцев P.M. Технико-экономическая динамика российских регионов: истоки проблем и задачи государства //Экономическая теория на пороге XXI века: Глобальная экономика, С.Н.Бабурина, В.Г. Белолипецкого, Е.С.Зотовой. М.: Юристъ, 2003. — С. 889-903.

82. Нижегородцев P.M., Грибова Е.Н. Апология бицентризма: рост и упадок, анализ и прогнозирование //Региональная экономика в информационном измерении: модели, оценки, прогнозы: Сб. науч. трудов. Москва— Барнаул: Изд-во «Бизнес-Юнитек», 2003. — С. 81-114.

83. Нижегородцев P.M., Грибова Е.Н. Сценарный подход в задачах экономического прогнозирования //Теоретические основы и модели долгосрочного макроэкономического прогнозирования. М.: МФК, 2004. — С. 205-295.

84. Об установлении величины прожиточного минимума в Ярославской области на период с 2003 до 2004 года. Постановление губернатора Ярославской области от 24.07.2003. №465. //Губернские вести №50, август 2003. — С. 26-28.

85. Обзор экономики России. Основные тенденции развития. 1999г. Под. ред. Э.Б. Ершова. I. — М., 2001.

86. Общие правила взрывобезопасности для взрывопожароопасных, химических, нефтехимических и нефтеперерабатывающих производств. М.: Металлургия, 1988.

87. Одрин В.М., Картавов С.С. Морфологический анализ систем: Построение морфологических таблиц. — Киев : Наук. Думка, 1977.

88. Оре О. Теория графов. М.: Наука, 1980 г.

89. Основные направления бюджетной и налоговой политики Ярославской области на 2001-2003 гг. //Губернские вести №74, ноябрь 2000. — С. 41-47.

90. От выживания к благополучию. Программа социально-экономического развития Ярославской области на 2000-2003 гг. //Губернские вести №95, декабрь 2000. — С. 7-28.

91. Петровский С.А. Анализ на проблемных сетях. /ИМЭМО АН СССР. — М., 1980-1982. Вып.1, 2. —С. 14-23.

92. Пирогов Г.Г. Сценарии в системе моделирования глобального развития: Подходы и принципы. //Неформализованные элементы глобального моделирования. /ВНИИСИ. —М., 1981. —С. 56-63.

93. РайфахХ. Анализ решений. Введение в программу выбора в условиях неопределённости. — М. : Наука, 1977.

94. Раяцкас P.JI. Система моделей планирования и прогнозирования М., Экономика, 1976.

95. Регионы России. //Официальное издание. Стат. сб. В 2 т. Т.1 /Госкомстат России.— М., 2001. — С. 83-85.

96. Роберте Ф.С. дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. — М.: Наука, 1986.

97. Российский статистический ежегодник: Под. ред. B.J1. Соколина. Стат. сб. /Госкомстат России.— М., 2002.

98. Российский статистический ежегодник: Под. ред. В.JI. Соколина. Стат. сб. /Госкомстат России.— М., 2001.

99. Российский статистический ежегодник: Под. ред. Ю.А. Юркрва. Стат. сб. /Госкомстат России.— М., 2004.

100. Россия и СНГ в новейших европейских интеграционных процессах// Проблемы теории и практики управления. 2003. № 1.

101. Ротарь В.Г., Шумский А.А., Шелупанов А.А. Информационные технологии и стратегии взаимодействия компании с регионами. //Информационные технологии, №5, М., 2001.

102. Саати Т. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1993.

103. Селивёрстов В.Е., Суслов В.И., Ершов Ю.С. применение сценарного подхода в исследовании территориальных пропорций народного хозяйства: Препринт/ ИЭОПП СО АН СССР. —Новосибирск, 1985.

104. Семенов И.Б., Чижов С.А., Полянский С.В. Комплексное оценивание в задачах управления системами социально-экономического типа. — Препринт, М.: ИПУ РАН, 1996.

105. Смирнов А.Д. Система имитации экономических решений //Экономика и мат. методы. Т. IX, вып. 3, 1973, С.395-406.

106. Социально- экономическое положение России. Январь-октябрь 2000г. / ГКРФ по статистике.— М., 2000.

107. Социально-экономическое положение Ярославской области. Янв.- май 2003г.— Ярославль: Комитет госстатистики Ярославской области, 2003.

108. Степанов Б.М., Иванова Т.Е. «Концепции социально-экономического развития РМО до 2005г.» Рыбинск: «Формат-принт», 2000.

109. Стефанов Н., ЯхиелН., Качаунов С. Управление. Моделирование. Прогнозирование.м.: Экономика, 1972.

110. Теперь под №27. Гермейер Ю.Б. Введение в исследование операций. — М.: Наука. 1971.

111. Трахтенгерц Э.А. Принятие решений на основе компьютерного анализа. — М.: ИПУ РАН, 1996.

112. Феллер В. Введение в теорию вероятностей и её приложения. //Т 1. М.: Мир, 1984.

113. Форрестер Дж. Мировая динамика. — М.: Наука, 1976.

114. Хандуев П.Ж. Прогнозирование экономического развития региона (аспекты структурной политики). Новосибирск: НГУ, 1996.

115. Хандуев П.Ж., ШираповБ.Д. Сценарный подход как метод преодоления неопределённости в разработке стратегии развития региона. — Улан-Удэ: Байкальский институт природопользования СО РАН, 1999.

116. Харисов Г.Х. Обоснование затрат, выделяемых на предотвращение гибели людей при несчастных случаях, авариях, катастрофах, стихийных бедствиях. //Проблемы безопасности при чрезвычайных ситуациях. М.: ВНИТИ, №8. 1993.

117. Цвиргун Ф.Д., Карибский Ф.В., Яковенко С.Ю. Математическое моделирование управления развитием структкр крупномасштабных систем. Препринт. — М.: ИПУ РАН. 1985

118. Шибалкин О.Ю. Проблемы и методы построения сценариев социально-экономического развития. М.: Наука, 1992.

119. Экономика и жизнь. //Журн. №8(8806), февраль 2000.

120. Эксперт //Журн. №8,28 февраля 2000.

121. Эшби У. Введение в кибернетику. — М.: ИЛ, 1958.

122. Юдицкий С.А., Барон Ю.Л., Жукова Г.Н. Построение и анализ логического портрета сложных систем //Институт проблем управления. — Препринт, М. 1997.

123. Юткина Т.Ф. Налоги и налогообложение. М.: Инфра-М, 2001.

124. Ярославская область. //Статистический ежегодник. Стат. сб.— Ярославль: Комитет госстатистики Ярославской области, 2003.

125. Andreani Е., GauronA. Cinq esquisses de croissance pour 1985. //Ekonomie et Statistique. №15. 1970.

126. Handbook of futures research. //Ed. By J. Fowles. — NY., 1978.

127. Kahn H. On escalation: Metaphors and scenarios. — NY, 1965.

128. Kahn H., Wiener A. The year 2000: A fram//ework for speculations on the next 33 year. —NY, 1967.

129. Lees F.P. Loss Prevention in the Process Industries. London: Butterworths. 1980.

130. Oliver Hart, John Moore. On the Design of Hierarchies: Coordination Versus Specialization. NBER Working Papers, 1999. pp. 73-88.

131. Philip Kostov, John Lingard. Risk Management Managing Risks, not Calculating //Them University of Newcastle, Sep. 2004.

132. Raaj K. Sah; Joseph E. Stiglitz. The Quality of Managers in Centralized Versus Decentralized Organizations. // The Quarterly Journal of Economics, Vol. 106, №1. Feb., 1991, pp. 289-295.

133. Tirole J. Incomplete contracts: where do we stand // Econometrica. Vol. 67. №4. 1999. pp.741 -782.