Интеллектуальная консалтинговая система выявления технологических знаний и принятия решений по их эффективному применению на основе системно-когнитивного анализа бизнес-процессов

Луценко Евгений Вениаминович; Коржаков Валерий Евгеньевич; Ладыга Александр Иванович

УДК 303.732.4

UDC 303.732.4

ИНТЕЛЛЕКТУАЛЬНАЯ КОНСАЛТИНГОВАЯ СИСТЕМА ВЫЯВЛЕНИЯ ТЕХНОЛОГИЧЕСКИХ ЗНАНИЙ И ПРИНЯТИЯ РЕШЕНИЙ ПО ИХ ЭФФЕКТИВНОМУ ПРИМЕНЕНИЮ НА ОСНОВЕ СИСТЕМНО-КОГНИТИВНОГО АНАЛИЗА БИЗНЕС-ПРОЦЕССОВ

INTELLECTUAL CONSULTING SYSTEM OF REVEALING OF TECHNOLOGICAL KNOWLEDGE AND THEIR EFFECTIVE APPLICATION DECISION-MAKING ON THE BASIS OF SYSTEMIC-COGNITIVE ANALYSIS OF BUSINESS PROCESSES

Луценко Евгений Вениаминович д. э. н., к. т. н., профессор

Кубанский государственный аграрный университет, Краснодар, Россия

Lutsenko Evgeny Veniaminovich

Dr. Sci. Econ., Cand. Tech. Sci., Professor

Kuban State Agrarian University, Krasnodar, Rus-

sia

Коржаков Валерий Евгеньевич к. т. н., доцент

Адыгейский государственный университет Адыгея, Россия

Korzhakov Valery Evgenievich Cand. Tech. Sci., assistant professor

Adygeya State University, Adygeya, Russia

Ладыга Александр Иванович Студент-дипломник

Кубанский государственный аграрный университет, Краснодар, Россия

В статье описана интеллектуальная консалтинговая система, обеспечивающая выявление технологических знаний путем системно-когнитивного анализа бизнес-процессов, а также поддержку принятия решений по эффективному применению этих знаний с целью достижения заданных показателей хозяйственноэкономических эффективности. Приводится подробный численный пример применения системы на реальных данных одной из Кубанских фирм для выявления технологических знаний по выращиванию озимой пшеницы и применению этих знаний для поддержки принятия решений по выбору конкретной агротехнологии, обеспечивающей желаемые показатели урожайности озимой пшеницы, ее качества, а также прибыли и рентабельности. Предлагается применять наглядную многослойную графическую картографическую визуализацию результатов прогнозирования урожайности культуры (и сорта), качества, прибыли и рентабельности по полям фирмы

Ключевые слова: СИСТЕМА «ЭЙДОС», ИНТЕЛЛЕКТУАЛЬНАЯ КОНСАЛТИНГОВАЯ СИСТЕМА, ВЫЯВЛЕНИЯ ТЕХНОЛОГИЧЕСКИХ ЗНАНИЙ, ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ, СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, БИЗНЕС-ПРОЦЕСС

Ladyga Alexander Ivanovich diploma student

Kuban State Agrarian University, Krasnodar, Russia

In the article the intellectual consulting system providing revealing of technological knowledge by systemic-cognitive analysis of business processes, and also decision-making support on effective application of this knowledge for the purpose of achievement of the set indicators economic-economic efficiency is described. The detailed numerical example of application of system on the basis real data of one of the Kuban firms for revealing of technological knowledge on cultivation of a winter wheat and application of this knowledge for decision-making support for choice of the definite agrotechnology, providing desirable indicators of productivity of a winter wheat, its quality, and also profit and profitability is resulted. It is offered to apply evident multilayered graphic cartographical visualization of results of forecasting of productivity of culture (and grades), qualities, profit and profitability on firm fields

Keywords: "EIDOS" SYSTEM, , INTELLECTUAL CONSULTING SYSTEM, REVEALINGS OF TECHNOLOGICAL KNOWLEDGE, DECISION-MAKING SUPPORT, SYSTEMIC-COGNITIVE ANALYSIS, BUSINESS PROCESS

Цель фирмы, производящей те или иные виды продукции или оказывающей услуги, по крайней мере, как ее осознает собственник1, как правило, состоит в повышении прибыли, а также рентабельности. Наиболее оче-

1 С точки зрения населения цель фирмы состоит в удовлетворении его потребностей, а с точки зрения государства - в создании рабочих мест и отчислению в бюджет налогов и других обязательных платежей.

видным способом увеличения прибыли является простое увеличение объема производства или оказанных услуг, т.е. экстенсивный путь, основанный на увеличении затрат. Повышение рентабельности также позволяет повысить прибыль, но без увеличения затрат, или получить ту же прибыль но с меньшими затратами. По своему экономическому смыслу рентабельность представляет собой эффективность используемого в фирме способа получения прибыли и обычно увеличение рентабельности предполагает технологическую модернизацию производства и его организации, внедрение инновационных технологий, т.е. его интенсификацию, поэтому этот путь называется интенсивным. Таким образом, путь достижения поставленной цели, а именно путь повышения прибыли фирмы, включает много различных компонент, определяющей из которых является выбор конкретной технологии, обеспечивающей получение заданного результата.

Однако сам путь от ситуации, фактически сложившейся в фирме, к целевой ситуации, как правило, является далеко не идеальным.

Руководство любой фирмы постоянно решает проблему поиска и получения в свое распоряжение технологии, обеспечивающей увеличение прибыли и рентабельности фирмы при имеющихся и известных руководству фирмы ограничениях на оборотные средства, транспорт, сырье и материалы, средства их обработки, складские и торговые помещения, и т.п., и т.д., но при неизвестной руководству емкости рынка на тот период будущего времени, когда продукция будет произведена и предметно станет вопрос о ее реализации.

К методу решения поставленной проблемы предъявляются определенные требования, обусловленные имеющимися реалиями:

1. Метод должен обеспечивать решение сформулированной проблемы в условиях неполной (фрагментированной) зашумленной исходной информации большой размерности, не отражающей всех ограничений и ресурсов и не содержащей полных повторностей всех вариантов сочетаний прибыли, рентабельности, номенклатуры и объемов продукции, причем получение недостающей информации представляется принципиально невозможным.

2. Метод должен быть недорогим в приобретении и использовании, т.е. для этого должно быть достаточно одного стандартного персонального компьютера, недорогого лицензионного программного обеспечения и одного сотрудника, причем курс обучения этого сотрудника должен быть несложным для него, т.е. не предъявлять к нему каких-то сверхжестких нереалистичных требований.

3. Вся необходимая и достаточная исходная информация о бизнес-процессах для применения метода должна быть в наличии в самой фирме.

4. Метод должен быть адаптивным, т.е. оперативно учитывать изменения во всех компонентах моделируемой системы.

При решении поставленной проблемы руководство традиционно исходит из методик и рекомендаций, разработанных учеными и практиками для подобных по объему и направлению деятельности фирм.

Однако при этом остается открытым и нерешенным вопрос о том, насколько эти рекомендации эффективны с точки зрения достижения цели для данной конкретной фирмы.

Будем предполагать, что эти методики и рекомендации разработаны именно для достижения поставленной цели, а не какой-либо другой. Об этом приходится говорить явно, т.к. такое на практике встречается сплошь и рядом.

Первый вопрос состоит в том, насколько полно и верно эти методики и рекомендации учитывают как специфику конкретной фирмы, так и специфику того региона, в котором данная фирма действует. Это вопрос о том, соответствуют ли эти рекомендации месту их применения, т.е. о том, насколько они локализованы.

Второй не менее важный вопрос - это вопрос о степени соответствия этих методик и рекомендаций времени их применения, т.е. о том, на сколько полно и верно они отражают последние новейшие мировые и отечественные достижения и тенденции в этой области, т.е. на сколько они адаптированы ко времени их предполагаемого применения.

Таким образом, методики рекомендации, удовлетворяющие всем сформулированным требованиям, практически недоступны фирмам, чаще всего по той причине, что они просто не существуют или разработаны давно и в основном за рубежом, а создание их отечественных аналогов или локализация и адаптация являются чрезвычайно наукоемким и дорогим делом, да и коллективов, которые могли бы взяться за него, очень мало. Поэтому на практике чаще всего применяются неадаптированные и нело-кализованные методики, созданные вообще для других целей, чем те, для достижения которых их применяют. Это означает, что традиционный способ решения поставленной проблемы - это ее решение почти «вручную» или практически «на глазок», и обычно это не позволяет решить ее на должном уровне и достаточно эффективно.

Применение компьютерных технологий для решения подобных задач наталкивается на ряд сложностей связанных с тем, что как сами математические модели, так и реализующий их программный инструментарий, а также исходная информация для их использования не удовлетворяют сформулированным выше требованиям.

Целью данной работы является решение поставленной проблемы путем разработки адаптивной методики, обеспечивающей:

- на основе анализа бизнес-процессов выявление знаний о влиянии технологических факторов на объемы и качество производимой продукции и оказанных услуг, а также на прибыль и рентабельность фирмы;

- использование этих знаний для прогнозирования и поддержки принятия решений о выборе таких сочетаний технологических факторов, которые обеспечили бы достижение цели фирмы.

Для достижения поставленной цели выбран метод системнокогнитивного анализа (СК-анализ). Этот выбор был обусловлен тем, что данный метод является непараметрическим, позволяет корректно и сопоставимо обрабатывать тысячи градаций факторов и будущих состояний объекта управления при неполных (фрагментированных), зашумленных данных различной природы, т.е. измеряемых в различных единицах измерения. Для метода СК-анализа разработаны и методика численных расчетов, и соответствующий программный инструментарий, а также технология и методика их применения. Они прошли успешную апробацию при решении ряда задач в различных предметных областях [1-14]. Наличие инструментария СК-анализа (базовая система "Эйдос") [1] позволяет не только осуществить синтез семантической информационной модели (СИМ), но и периодически проводить адаптацию и синтез ее новых версий, обеспечивая тем самым отслеживание динамики предметной области и сохраняя высокую адекватность модели в изменяющихся условиях. Важной особенностью СК-анализа является возможность единообразной числовой обработки разнотипных по смыслу и единицам измерения числовых и нечисловых данных. Это обеспечивается тем, что нечисловым величинам тем же методом, что и числовым, приписываются сопоставимые в пространстве и времени, а также между собой, количественные значения, позволяющие обрабатывать их как числовые: на первых двух этапах СК-анализа числовые величины сводятся к интервальным оценкам, как и информация об объектах нечисловой природы (фактах, событиях) (этот этап реализуется и в методах интервальной статистики); на третьем этапе СК-анализа всем этим величинам по единой методике, основанной на системном обобщении семантической теории информации А.Харкевича, сопоставляются количественные величины (имеющие смысл количества информации в признаке о принадлежности объекта к классу), с которыми в дальнейшем и производятся все операции моделирования (этот этап является уникальным для СК-анализа).

В работах [2-14] приведен перечень этапов системно-когнитивного анализа, которые необходимо выполнить, чтобы осуществить синтез модели объекта управления, решить с ее применением задачи прогнозирования и поддержки принятия решений, а также провести исследование объекта моделирования путем исследования его модели. Учитывая эти этапы СК-анализа выполним декомпозицию цели работы в последовательность задач, решение которых обеспечит ее поэтапное достижение:

1. Когнитивная структуризация предметной области и формальная постановка задачи, проектирование структуры и состава исходных данных.

2. Формализация предметной области.

2.1. Получение исходных данных запланированного состава в той форме, в которой они накапливаются в поставляющей их организации (обычно в форме базы данных какого-либо стандарта или Ехсе1-формы).

2.2. Разработка стандартной Ехсе1-формы для представления исходных данных.

2.3. Преобразование исходных данных из исходных баз данных в стандартную электронную Ехсе1-форму.

2.4. Контроль достоверности исходных данных и исправление ошибок.

2.5. Использование стандартного программного интерфейса системы «Эйдос» для преобразования исходных данных из стандартной Ехсе1-формы в базы данных системы "Эйдос" (импорт данных).

3. Синтез семантической информационной модели (СИМ), т.е. решение задачи 1: "Многокритериальная типизация хозяйственно-

экономических результатов деятельности фирмы по объемам и качеству произведенных продукции и услуг, полученной прибыли и рентабельности по обусловливающим эти результаты технологическим факторам".

4. Измерение адекватности СИМ.

5. Повышение эффективности СИМ.

6. Решение с помощью СИМ задач прогнозирования и поддержки принятия решений, а также исследования предметной области.

6.1. Задача 2: "Разработка методики прогнозирования влияния технологических факторов на объемы производства продукции и услуг, их качество, на прибыль и рентабельность фирмы".

6 .2. Задача 3: "Разработка методики поддержки принятия решений о выборе таких технологических факторов, которые бы обеспечили бы производство заданных объемов продукции и услуг заданного качества, а также заданную прибыль и рентабельность фирмы".

6.3. Задача 4: «Исследование предметной области»

7. Разработка принципов оценки экономической эффективности разработанных технологий при их применении в торговой фирме.

8. Исследование ограничений разработанной технологии и перспектив ее развития.

Кратко рассмотрим решение этих задач.

Для этого в качестве примера рассмотрим фирму, занимающуюся производством и переработкой сельскохозяйственной различной продукции, находящуюся в Краснодарском крае (название фирмы мы не приводим в связи с конфиденциальностью предоставленной ей информации). Из всех видов продукции, производимых фирмой, для исследования мы выбрали озимую пшеницу. Необходимо отметить, что как выбор для исследования фирмы определенного направления деятельности, так и выбор конкретного вида продукции фирмы, является непринципиальным с точки

зрения разрабатываемой методики, т.е. все разрабатываемые интеллектуальные технологии применимы и для фирм с другими направлениями и объемами деятельности и другими видами продукции и услуг.

1. Когнитивная структуризация предметной области это 1-й этап формальной постановки задачи, на котором решается, какие параметры будут рассматриваться в качестве причин, а какие - следствий или результатов. На этом этапе было решено рассматривать

в качестве следствий, т.е. классов - основные результирующие хозяйственные и экономические показатели деятельности фирмы:

Урожайность (ц/га).

Качество.

Прибыль (тыс.руб./га).

Прибыль (тыс.руб/поле).

Удельная прибыль (тыс.у.е./поле).

Удельная прибыль (у.е./га).

в качестве причин (факторов): - различные агротехнологические факторы:

Площадь поля (га) .

Сорт озимой пшеницы.

Предшественник 1 год назад.

Предшественник 2 года назад.

Предшественник 3 года назад.

Предшественник 4 года назад.

Предшественник 5 лет назад.

Предшественник 6 лет назад.

Предшественник 7 лет назад.

Предшественник 8 лет назад.

Предшественник 9 лет назад.

Предшественник 10 лет назад.

Обработка почвы (способ и глубина (см))

Посев (способ и норма высева (кг/га))

Основные внесенные удобрения (кг/га д.в.)

Борьба с вредителями (препарат и доза)

Борьба с сорняками (препарат и доза)

Подкормка при севе

1-я подкормка

2-я подкормка

3-я подкормка

Микро и макро элементы (снижение стресса)

Борьба с болезнями (препарат и доза)

На этапе формализации предметной области (постановки задачи), исходя из результатов когнитивной структуризации, было осуществлено проектирование структуры и состава исходных данных.

2.1. Исходные данные запланированного состава были получены в той форме, в которой они накапливаются в поставляющей их организации. В полученной базе данных представлены данные по годам о хозяйственноэкономических результатах выращивания озимой пшеницы на различных полях за 10 лет с 1999 по 2009 год, всего 89 примеров. Этого достаточно для целей данной работы, за что авторы благодарны руководству данной фирмы.

2.2. Была разработана стандартная Ехсе1-форма для представления исходных данных (таблица 1), в которой и были получены данные

Таблица 1 - ИСХОДНЫЕ ДАННЫЕ (ФРАГМЕНТ)

Год, № поля Результаты - классы Причины - факторы ®...

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

урожай -ность(ц/га) Качество Прибыль (тыс.руб./га) -о ЕІ .о ср Ч 6 иры )е с -Ъ с -о Ї ^ і ш ш І -О ^ ; ю 6 > ^ ^ , 11^;? * с .Ъ с Е -а .о лб 0 X < 1 . * с -4 Площадь (га) Сорт озимой пшеницы Предшественник 1 год назад Пред-шест-венник 2 года назад

1999 П1 38,0 5 класс 2,400 304,800 14,514 114 127 Половчанка Подсолнечник Озим.пшеница

1999 П10 40,8 4 класс 4,100 282,900 13,470 195 69 Ника-кубани Сах.свекла Озим.пшеница

1999П11 38,8 5 класс 3,900 214,500 10,210 186 55 Офелия элита Сах.свекла Озим.пшеница

1999 П12 42,1 4 класс 4,200 289,800 13,800 200 69 Скифянка Сах.свекла Озим.пшеница

1999 П18 35,1 5 класс 3,570 367,710 17,510 170 103 Офелия элита Кук.зерно Озим.пшеница

1999 П19 39,5 4 класс 3,940 445,220 21,200 188 113 Новокубанка Кук.силосная Озим.пшеница

1999П20 34,7 4 класс 3,600 259,200 12,342 171 72 Новокубанка Кук.силосная Озим.пшеница

1999 П6 43,1 4 класс 4,100 348,500 16,590 195 85 Офелия элита Мног.травы Кук.зерновая

1999 П8 32,4 4 класс 4,200 445,200 21,200 200 106 Скмфянка Сах.свекла Озим.пшеница

2000 П1 36,7 5 класс 3,500 444,500 12,347 97 127 Эхо Озим.пшеница Подсолнечник

2000П10 32,2 5 класс 3,100 213,900 5,940 86 69 Офелия Озим.пшеница Сах.свекла

2000П14 45,7 4 класс 5,900 424,800 11,800 164 72 Крошка Горох Озим.ячмень

2000П15 32,2 5 класс 3,100 151,900 4,219 86 49 Крошка Горох Озим.ячмень

2000 П2 34,5 4 класс 3,900 495,300 13,750 108 127 Половчанка Сах.свекла Озим.ячмень

2000 П5 32,1 5 класс 3,480 389,760 10,820 97 112 Крошка Сах.свекла Озим.пшеница

2000 П6 35,3 5 класс 3,500 297,500 8,260 97 85 Офелия Озим.пшеница Мног.травы

2000 П9 34,7 4 класс 3,500 406,000 11,270 97 116 Купава Подсолнечник Озим.пшеница

2001 П11 48,8 4 класс 7,300 401,500 13,987 254 55 Княжна Подсолнечник Озим.пшеница

2001 П12 44,5 4 класс 7,010 483,690 16,850 244 69 Крошка Подсолнечник Озим.пшеница

2001 П17 60,0 3 класс 7,800 468,000 16,300 272 60 Крошка Горох Озим.ячмень

2001 П18 36,0 5 класс 5,030 518,090 18,050 175 103 Половчанка Кук.силосная Озим.пшеница

2001 П19 40,0 4 класс 4,780 540,140 18,820 167 113 Крошка Кук.силосная Озим.пшеница

2001 П20 44,0 3 класс 5,200 374,400 13,045 181 72 Эхо Горох Озим.пшеница

2001 П7 44,4 4 класс 4,960 386,880 13,480 173 78 Офелия Кук.зерно Озим.ячмень

2001 П8 45,2 4 класс 5,280 559,680 19,500 184 106 Половчанка Подсолнечник Озим.пшеница

2002 П1 55,4 3 класс 7,200 914,400 29,028 229 127 Офелия Кук.силосная Озим.пшеница

2002П10 47,2 5 класс 5,960 411,240 13,055 189 69 Княжна Подсолнечник Озим.пшеница

2002П14 56,2 4 класс 6,960 501,120 15,908 221 72 Княжна Сах.свекла Озим.пшеница

2002П15 53,8 4 класс 6,840 335,160 10,640 217 49 Уманка Сах.свекла Озим.пшеница

2002П16 54,7 4 класс 6,950 479,550 15,220 221 69 Уманка Подсолнечник Озим.ячмень

2002 П2 52,5 3 класс 7,060 896,620 28,460 224 127 Крошка Горох Озим.пшеница

2002 П4 60,2 3 класс 7,700 1070,300 33,970 244 139 Крошка Мног.травы Мног.травы

2002 П6 55,3 4 класс 6,960 591,600 18,780 221 85 Княжна Кук.силосная Озим.пшеница

2002 П8 58,4 4 класс 6,600 699,600 22,200 209 106 Половчанка Озим.пшеница Подсолнечник

2002 П9 47,3 3 класс 6,580 763,280 24,230 209 116 Уманка Кук.силосная Озим.пшеница

2003 П11 55,2 4 класс 7,600 418,000 13,350 243 55 Дея Кук.силосная Озим.пшеница

2003П12 51,0 4 класс 7,300 503,700 16,090 233 69 Уманка Кук.силосная Озим.пшеница

2003П17 48,5 4 класс 7,980 478,800 15,290 255 60 Лира Сах.свекла Озим.пшеница

2003П18 53,8 3 класс 8,000 824,000 26,320 256 103 Дея Подсолнечник Озим.пшеница

2003П19 54,2 4 класс 8,230 929,990 29,710 263 113 Лира Кук.силосная Озим.пшеница

2003 П2 36,0 5 класс 4,800 609,600 19,470 153 127 Княжна Озим.пшеница Горох

2003 П20 46,9 4 класс 7,060 508,320 16,240 226 72 Крошка Кук.силосная Озим.пшеница

2003 П3 49,0 4 класс 5,900 637,200 20,360 189 108 Крошка Мног.травы Мног.травы

2004 П1 54,3 3 класс 5,600 711,200 24,954 196 127 Победа-50 Сах.свекла Озим.пшеница

2004П13 52,0 4 класс 5,300 397,500 13,940 186 75 Финт Мног.травы Мног.травы

2004П16 50,8 4 класс 5,600 386,400 13,550 196 69 Финт Сах.свекла Озим.пшеница

2004 П4 44,0 4 класс 7,200 1000,800 35,110 253 139 Селлта Сах.свекла Озим.пшеница

2004 П5 40,0 5 класс 5,600 627,200 22,000 196 112 Дон-95 Кук.силосная Кук.зерно

2004 П6 50,0 3 класс 7,800 663,000 23,280 274 85 Селянка Подсолнечник Озим.пшеница

2004 П8 58,0 4 класс 6,400 678,400 23,800 225 106 Лира Кук.зерно Озим.пшеница

2005П10 70,0 5 класс 2,000 138,000 5,000 72 69 Победа-50 Сах.свекла Кук.зерно

2005П11 68,2 5 класс 2,500 137,500 4,940 90 55 Победа-50 Сах.свекла Озим.пшеница

2005П12 64,8 5 класс 2,700 186,300 6,700 97 69 Селянка Кук.силосная Озим.пшеница

2005П17 60,5 5 класс 2,100 126,000 4,530 76 60 Победа-50 Подсолнечник Озим.пшеница

2005П18 59,6 4 класс 1,600 164,800 5,920 57 103 Зимородок Кук.зерно Озим.пшеница

2005П19 65,8 4 класс 1,900 214,700 7,700 68 113 Батько Подсолнечник Озим.пшеница

2005 П3 62,8 5 класс 1,680 181,440 6,526 60 108 Татьяна Подсолнечник Озим.пшеница

2005 П7 61,2 5 класс 2,640 205,920 7,400 95 78 Селянка Кук.зерно Озим.ячмень

2006П13 61,2 3 класс 10,600 795,000 28,800 384 75 Батько Сах.свекла Озим.пшеница

2006П14 5SlS 3 класс 10l000 720,000 26,080 362 72 Зимородок Соя Озим.ячмень

2006П15 6SiS 3 класс 111200 548,800 19,884 406 49 Краснодарская-99 Мног.травы Озим.ячмень

2006 П4 67iS 3 класс 10iS00 1501,200 54,390 391 139 Таня Подсолнечник Озим.пшеница

2006 П5 65i9 3 класс 10i600 1187,200 43,010 384 112 Краснодарская-99 Подсолнечник Озим.пшеница

2006 П6 70i2 3 класс 111200 952,000 34,490 406 85 Краснодарская-99 Горох Озим.пшеница

2007 П1 54i6 2 класс 10i900 1384,300 53,240 419 127 Батько Сах.свекла Озим.ячмень

2007 П11 57l3 2 класс 12l300 676,500 26,019 473 55 Таня Подсолнечник Озим.пшеница

2007П17 43l6 3 класс 10l100 606,000 23,300 388 60 Восторг Мног.травы Озим.пшеница

2007 mS 57i2 3 класс 11 lS00 1215,400 46,746 454 103 Таня Сах.свекла Озим.пшеница

2007П19 5Si4 3 класс 12i100 1367,300 52,600 465 113 Краснодарская-99 Соя Озим.пшеница

2007 П2 57i4 2 класс 11 lS00 1498,600 57,640 454 127 Таня Подсолнечник Озим.ячмень

2007 П3 57i7 2 класс 12l300 1328,400 51,090 473 108 Краснодарская-99 Соя Озим.пшеница

2007 П7 56i6 2 класс 111300 881,400 33,900 435 78 Москвич Сах.свекла Озим.пшеница

200SП12 67iS 2 класс 1Sl500 1276,500 55,500 804 69 Вита Подсолнечник Кук.силосная

200SП14 63l3 3 класс 1s,600 1339,200 58,220 809 72 Лира Сах.свекла Озим.пшеница

200SП15 70l 1 3 класс 19l200 940,800 40,904 835 49 Таня Сах.свекла Озим.пшеница

200S П4 72lS 1 класс 19l200 2668,800 116,030 835 139 Таня Соя Озим.пшеница

200S П5 70i9 2 класс 19l000 2128,000 92,520 826 112 Краснодарская-99 Сах.свекла Озим.пшеница

200S П6 73l6 2 класс 20l100 1708,500 74,280 874 85 Краснодарская-99 Сах.свекла Озим.пшеница

200S П8 6Sl7 2 класс 18l900 2003,400 87,100 822 106 Москвич Подсолнечник Кук.зерно

200S П9 69l3 2 класс 19l000 2204,000 95,820 826 116 Таня Кук.силосная Мног.травы

2009 П1 5Sl7 111800 1498,600 44,220 348 127 Татьяна Подсолнечник Озим.пшеница

2009П10 5SiS 5 класс 12l100 834,900 24,620 357 69 Селянка Подсолнечник Кук.зерно

2009П17 60i 1 4 класс 12l400 744,000 21,940 366 60 Фортуна Кук.силосная Озим.пшеница

2009 mS 59l 1 4 класс 111800 1215,400 35,858 348 103 Таня Подсолнечник Озим.пшеница

2009П19 54l9 4 класс 12l300 1389,900 41,000 363 113 Краснодарская-99 Сах.свекла Озим.пшеница

2009 П20 56iS 4 класс 13l800 993,600 29,300 407 72 Грация Сах.свекла Озим.ячмень

2009 П3 56i5 2 класс 10l900 1177,200 34,720 321 108 Краснодарская-99 Кук.силосная Озим.пшеница

2009 П5 59l3 4 класс 111900 1332,800 39,310 351 112 Краснодарская-99 Озим.пшеница Сах.свекла

2009 П7 5Sl3 4 класс 10l900 850,200 25,070 321 78 Таня Подсолнечник Озим.пшеница

2.3. Исходные данные из Excel-формы, представленной в таблице 1, были преобразованы средствами Excel в стандартную для программного интерфейса 152 системы "Эйдос" электронную Excel-форму, которая отличается от приведенной в таблице 1 отсутствием горизонтальной шапки.

2.4. На этапе контроля достоверности исходных данных было обнаружено, что в исходной базе данных в поле «Удельная прибыль (у.е./га)» значения были приведены в таких единицах измерения (Тыс.у.е./га), которые не позволяют рационально использовать разрядную сетку. Кроме того, в поле «Качество» в примере по полю №14 за 2002 год качество указано нестандартно: «IV-кл», вместо: «4 класс», как обычно. Все это было исправлено.

2.5. Затем Excel-форма, приведенная на таблице 1 с применением sCalc из пакета OpenOffice была записана в стандарте DBF MS DOS-кириллица с именем Inp_data.dbf. Информация ее шапки была представлена в виде отдельного текстового файла стандарта MS DOS с именем: Inp_name.txt. Для этого шапка была скопирована из Excel в MS Word, затем таблица преобразована в текст с концом абзаца после каждого заголовка столбца, текст был выровнен по левому краю и 1-е буквы сделаны большими, как в предложениях.

Все это сделано в соответствии с требованиями стандартного интерфейса системы «Эйдос» с внешними базами данных: режим____________152. Экран-

ная форма меню вызова данного программного интерфейса приведена на рисунке 1, help режима приведен на рисунке 2, экранные формы самого программного интерфейса______152 приведены на рисунках 3 и 4.

Рисунок 1. Экранная форма вызова режима _152 системы «Эйдос».

' I - [□ I X j

■ Данный программный интерфейс обеспечивает автоматическое формирование классификационных и описательных шкал и градаций и обучающей выборки на основе DBF-файла с исходными данными приведенного ниже стандарта.

■ Этот DBF-файл должен иметь имя: Inp_data.dbf и может быть получен в Excel, если выбрать ^Сохранить как- и задать тип файла: DBF 4, dBASE IV Каждая строка файла содержит данные об одном объекте обучающей выборки. Все столбцы этого файла могут быть как текстового, так и числового типа

■ 1-й столбец содержит наименование источника данных длиной <=15 символов

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

■ Столбцы со 2-го по N-й являются классификационными шкалами и содержат информацию о классах, к которым принадлежат объекты обучающей выборки.

■ Столбцы с N+1 по последний являются описательными шкалами и содержат информацию о признаках, характеризующих эти объекты.

■ Русские наименования классифкационных и описательных ШКАЛ должны быть СТРОКАМИ в файле с именем Inp_name.txt стандарта: MS ООБ(киррилица)

■ Система автоматически находит минимальное и максимальное числовые значения в каждом столбце классов или признаков и формирует заданное в диалоге количество ОДИНАКОВЫХ для каждой шкалы числовых интервалов. Затем числовые значения заменяются их интервальными значениями. Каждое УНИКАЛЬНОЕ текстовое или интервальное значение считается градацией классификационной или описательной шкалы, характеризующей объект

■ Затем с использованием этой информации генерируется обучающая выборка, в которой каждой строке DBF-файла исходных данных соотвествует одна физическая анкета, содержащая столько логических анкет, сколько уникальных классов в диапазоне столбцов классов, и коды признаков, которые соответствуют попаданиям числовых значении признаков в интервалы.

Рисунок 2. Требования стандартного интерфейса системы «Эйдос» с внешними базами данных: режим _152.

N:\WINDOWS\system32\cmd.exe

13:14:57

ПРОГРАММНЫЙ ИНТЕРФЕЙС ИМПОРТА ДАННЫХ ИЗ DBF-ФАИЛА СТАНДАРТА проф. А.Н.ЛЕБЕДЕВА

=== ГЕНЕРАЦИЯ КЛАССИФИКАЦИОННЫХ ШКАЛ И ГРАДАЦИИ === ГЕНЕРАЦИЯ ОПИСАТЕЛЬНЫХ ШКАЛ И ГРАДАЦИЙ === ГЕНЕРАЦИЯ ОБУЧАЮЩЕЙ ВЫБОРКИ ===

ЗАДАЙТЕ режим:

1. Формализации предметной области (на основе файла: 1пр_с1аТа. с!Ь^)

2. Генерации распознаваемой выборки Сна основе файла: 1пр_га5р.)

считать нули и пробелы отсутствием данных? [1]-да, [2]-нет: 1

Задайте диапазон номеров столбцов классов :

Задайте диапазон номеров столбцов признаков:

Задайте СУММАРНОЕ количество градации в классификационных шкалах: _ 23 задайте суммарное количество градаций в описательных шкалах: 320

Рисунок 3. Первая экранная форма режима _152 системы «Эйдос».

И N:\WINDOWS\system32\cmd.exe

13:15:22

ПРОГРАММНЫЙ ИНТЕРФЕЙС ИМПОРТА ДАННЫХ ИЗ DBF-ФАИЛА СТАНДАРТА проф. А.Н.ЛЕБЕДЕВА

=== ГЕНЕРАЦИЯ КЛАССИФИКАЦИОННЫХ ШКАЛ И ГРАДАЦИИ === ГЕНЕРАЦИЯ ОПИСАТЕЛЬНЫХ ШКАЛ И ГРАДАЦИЙ === ГЕНЕРАЦИЯ ОБУЧАЮЩЕЙ ВЫБОРКИ ===

ЗАДАНИЕ В ДИАЛОГЕ РАЗМЕРНОСТИ МОДЕЛИ (ВЫХОД ИЗ диалога - 0)

СУММАРНОЕ КОЛИЧЕСТВО ШКАЛ И ГРАДАЦИИ, СИМ: 23 (кл) X 320 (пр)

Классификационные Описательные

шкалы град. гр/шк шкалы град. гр/шк

Числовые 5 15 3 1 3 3

Текстовые 1 8 8 22 317 14

ВСЕГО: 6 23 3 23 320 13

Задайте СУММАРНОЕ количество градации в классификационных шкалах: _ 23 задайте суммарное количество градации в описательных шкалах: 320

Выход из диалога и расчета кол-ва градаций в числовых шкалах - 0: 1

Рисунок 4. Вторая экранная форма режима _152 системы «Эйдос».

В результате работы данного программного интерфейса автоматически получаются исходный справочник классов распознавания, справочник признаков, а также обучающая выборка, представляющая собой закодированные в соответствии с этими справочниками строки из таблицы 1 (таблица 2 - таблица 4):

Таблица 2 - СПРАВОЧНИК КЛАССОВ (ИНТЕРВАЛЬНЫХ ЗНАЧЕНИЙ КЛАССИФИКАЦИОННЫХ ШКАЛ)

KOD NAME

1 УРОЖАЙНОСТЬ (Ц/ГА): {32.10, 45.93}

2 УРОЖАЙНОСТЬ (Ц/ГА): {45.93, 59.76}

3 УРОЖАЙНОСТЬ (Ц/ГА): {59.76, 73.59}

4 КАЧЕСТВО-1 класс

5 КАЧЕСТВО-2 класс

6 КАЧЕСТВО-3 класс

7 КАЧЕСТВО-4 класс

8 КАЧЕСТВО-5 класс

9 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {1.60, 7.77}

10 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {7.77, 13.93}

11 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {13.93, 20.10}

12 ПРИБЫЛЬ (ТЫС. РУБ/ПОЛЕ): {126.00, 973.60}

13 ПРИБЫЛЬ (ТЫС. РУБ/ПОЛЕ): {973.60, 1821.20}

14 ПРИБЫЛЬ (ТЫС. РУБ/ПОЛЕ): {1821.20, 2668.80}

15 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {4.22, 41.49}

16 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {41.49, 78.76}

17 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {78.76, 116.03}

18 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57.48, 329.61}

19 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {329.61, 601.74}

20 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {601.74, 873.87}

Таблица 3 - СПРАВОЧНИК НАИМЕНОВАНИЙ ФАКТОРОВ

(ОПИСАТЕЛЬНЫХ ШКАЛ)

KOD NAME

1 ПЛОЩАДЬ (ГА)

2 СОРТ ОЗИМ.ПШЕНИЦЫ

3 ПРЕДШЕСТ. 1

4 ПРЕДШЕСТ. 2

5 ПРЕДШЕСТ. 3

6 ПРЕДШЕСТ. 4

7 ПРЕДШЕСТ. 5

S ПРЕДШЕСТ. 6

9 ПРЕДШЕСТ. 7

10 ПРЕДШЕСТ. S

11 ПРЕДШЕСТ. 9

12 ПРЕДШЕСТ. 10

13 ОБРАБОТКА ПОЧВЫ (СПОСОБ И ГЛУБИНА (СМ))

14 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))

15 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)

16 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)

17 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)

1S ПОДКОРМКА ПРИ СЕВЕ

19 1-Я ПОДКОРМКА

20 2-Я ПОДКОРМКА

21 3-Я ПОДКОРМКА

22 МИКРО И МАКРО ЭЛЕМЕНТЫ (СНИЖЕНИЕ СТРЕССА)

23 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)

Таблица 4 - СПРАВОЧНИК НАИМЕНОВАНИЙ ИНТЕРВАЛЬНЫХ ЗНАЧЕНИЙ ФАКТОРОВ (ГРАДАЦИЙ ОПИСАТЕЛЬНЫХ ШКАЛ)

KOD NAME

1 ПЛОЩАДЬ (ГА): {49.00l 79.00}

2 ПЛОЩАДЬ (ГА): {79.00l 109.00}

3 ПЛОЩАДЬ (ГА): {109.00l 139.00}

4 СОРТ ОЗИМ.ПШЕНИЦЫ-Батько

5 СОРТ ОЗИМ.ПШЕНИЦЫ-Вита

6 СОРТ ОЗИМ.ПШЕНИЦЫ-Восторг

7 СОРТ ОЗИМ.ПШЕНИЦЫ-Грация

8 СОРТ ОЗИМ.ПШЕНИЦЫ-Дея

9 СОРТ ОЗИМ.ПШЕНИЦЫ-Дон-95

10 СОРТ ОЗИМ.ПШЕНИЦЫ-Зимородок

11 СОРТ ОЗИМ.ПШЕНИЦЫ-Княжна

12 СОРТ ОЗИМ.ПШЕНИЦЫ-Краснодарская-99

13 СОРТ ОЗИМ.ПШЕНИЦЫ-Крошка

14 СОРТ ОЗИМ.ПШЕНИЦЫ-Купава

15 СОРТ ОЗИМ.ПШЕНИЦЫ-Лира

16 СОРТ ОЗИМ.ПШЕНИЦЫ-Москвич

17 СОРТ ОЗИМ.ПШЕНИЦЫ-Ника-кубани

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

18 СОРТ ОЗИМ.ПШЕНИЦЫ-Новокубанка

19 СОРТ ОЗИМ.ПШЕНИЦЫ-Офелия

20 СОРТ ОЗИМ.ПШЕНИЦЫ-Офелия элита

21 СОРТ ОЗИМ.ПШЕНИЦЫ-Победа-50

22 СОРТ ОЗИМ.ПШЕНИЦЫ-Половчанка

23 СОРТ ОЗИМ.ПШЕНИЦЫ-Селлта

24 СОРТ ОЗИМ.ПШЕНИЦЫ-Селянка

25 СОРТ ОЗИМ.ПШЕНИЦЫ-Скифянка

26 СОРТ ОЗИМ.ПШЕНИЦЫ-Скмфянка

27 СОРТ ОЗИМ.ПШЕНИЦЫ-Таня

28 СОРТ ОЗИМ.ПШЕНИЦЫ-Татьяна

29 СОРТ ОЗИМ.ПШЕНИЦЫ-Уманка

30 СОРТ ОЗИМ.ПШЕНИЦЫ-Финт

31 СОРТ ОЗИМ.ПШЕНИЦЫ-Фортуна

32 СОРТ ОЗИМ.ПШЕНИЦЫ-Эхо

33 СОРТ ОЗИМ.ПШЕНИЦЫ-дея

34 СОРТ ОЗИМ.ПШЕНИЦЫ-зимородок

35 СОРТ ОЗИМ.ПШЕНИЦЫ-офелия элита

36 СОРТ ОЗИМ.ПШЕНИЦЫ-половчанка

37 СОРТ ОЗИМ.ПШЕНИЦЫ-уманка

38 СОРТ ОЗИМ.ПШЕНИЦЫ-финт

39 ПРЕДШЕСТ. 1-горох

40 ПРЕДШЕСТ. 1-кук.зерно

41 ПРЕДШЕСТ. 1-кук.силосная

42 ПРЕДШЕСТ. 1-мног.травы

43 ПРЕДШЕСТ. 1-озим.пшеница

44 ПРЕДШЕСТ. 1-подсолнечник

45 ПРЕДШЕСТ. 1-сах.свекла

46 ПРЕДШЕСТ. 1-соя

47 ПРЕДШЕСТ. 2-горох

48 ПРЕДШЕСТ. 2-кук.зерно

49 ПРЕДШЕСТ. 2-кук.зерновая

50 ПРЕДШЕСТ. 2-кук.силосная

51 ПРЕДШЕСТ. 2-мног.травы

52 ПРЕДШЕСТ. 2-озим.пшеница

53 ПРЕДШЕСТ. 2-озим.ячмень

54 ПРЕДШЕСТ. 2-подсолнечник

55 ПРЕДШЕСТ. 2-сах.свекла

56 ПРЕДШЕСТ. 3-горох

57 ПРЕДШЕСТ. 3-кук.зерно

58 ПРЕДШЕСТ. 3-кук.зерновая

59 ПРЕДШЕСТ. 3-кук.силосная

60 ПРЕДШЕСТ. 3-мног.травы

61 ПРЕДШЕСТ. 3-озим.пшеница

62 ПРЕДШЕСТ. 3-озим.ячмень

63 ПРЕДШЕСТ. 3-подсолнечник

64 ПРЕДШЕСТ. 3-сах.свекла

65 ПРЕДШЕСТ. 3-соя

66 ПРЕДШЕСТ. 3-яров.ячмень

67 ПРЕДШЕСТ. 4-кук.зерно

68 ПРЕДШЕСТ. 4-кук.зерновая

69 ПРЕДШЕСТ. 4-кук.силосная

70 ПРЕДШЕСТ. 4-мног.травы

71 ПРЕДШЕСТ. 4-озим.пшеница

72 ПРЕДШЕСТ. 4-озим.ячмень

73 ПРЕДШЕСТ. 4-подсолнечник

74 ПРЕДШЕСТ. 4-сах.свекла

75 ПРЕДШЕСТ. 5-горох

76 ПРЕДШЕСТ. 5-кук.зерно

77 ПРЕДШЕСТ. 5-кук.зерновая

78 ПРЕДШЕСТ. 5-кук.силосная

79 ПРЕДШЕСТ. 5-мног.травы

80 ПРЕДШЕСТ. 5-озим.пшеница

81 ПРЕДШЕСТ. 5-озим.ячмень

82 ПРЕДШЕСТ. 5-подсолнечник

S3 ПРЕДШЕСТ. 5-сах.свекла

84 ПРЕДШЕСТ. 5-яров.ячмень

85 ПРЕДШЕСТ. 6-горох

86 ПРЕДШЕСТ. 6-кук.зерно

87 ПРЕДШЕСТ. 6-кук.зерновая

88 ПРЕДШЕСТ. 6-кук.силосная

89 ПРЕДШЕСТ. 6-мног.травы

90 ПРЕДШЕСТ. 6-озим.пшеница

91 ПРЕДШЕСТ. 6-озим.ячмень

92 ПРЕДШЕСТ. 6-подсолнечник

93 ПРЕДШЕСТ. 6-сах.свекла

94 ПРЕДШЕСТ. 6-яров.ячмень

95 ПРЕДШЕСТ. 7-горох

96 ПРЕДШЕСТ. 7-кук.зерно

97 ПРЕДШЕСТ. 7-кук.зерновая

98 ПРЕДШЕСТ. 7-кук.силосная

99 ПРЕДШЕСТ. 7-мног.травы

100 ПРЕДШЕСТ. 7-озим.пшеница

101 ПРЕДШЕСТ. 7-озим.ячмень

102 ПРЕДШЕСТ. 7-подсолнечник

103 ПРЕДШЕСТ. 7-сах.свекла

104 ПРЕДШЕСТ. 7-яров.ячмень

105 ПРЕДШЕСТ. 8-горох

106 ПРЕДШЕСТ. 8-кук.зерно

107 ПРЕДШЕСТ. 8-кук.зерновая

108 ПРЕДШЕСТ. 8-кук. силосная

109 ПРЕДШЕСТ. 8-мног.травы

110 ПРЕДШЕСТ. 8-озим. пшеница

111 ПРЕДШЕСТ. S-озим.ячмень

112 ПРЕДШЕСТ. 8-подсолнечник

113 ПРЕДШЕСТ. 8-сах. свекла

114 ПРЕДШЕСТ. 8-яров.ячмень

115 ПРЕДШЕСТ. 9-горох

116 ПРЕДШЕСТ. 9-кук.зерно

117 ПРЕДШЕСТ. 9-кук.зерновая

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

118 ПРЕДШЕСТ. 9-кук.силосная

119 ПРЕДШЕСТ. 9-мног.травы

120 ПРЕДШЕСТ. 9-озим.пшеница

121 ПРЕДШЕСТ. 9-озим.ячмень

122 ПРЕДШЕСТ. 9-подсолнечник

123 ПРЕДШЕСТ. 9-сах.свекла

124 ПРЕДШЕСТ. 9-яров.ячмень

125 ПРЕДШЕСТ. 10-горох

126 ПРЕДШЕСТ. 10-кук.зерно

127 ПРЕДШЕСТ. 10-кук.зерновая

128 ПРЕДШЕСТ. 10-кук.силосная

129 ПРЕДШЕСТ. 10-мног.травы

130 ПРЕДШЕСТ. 10-озим.пшеница

131 ПРЕДШЕСТ. 10-озим.ячмень

132 ПРЕДШЕСТ. 10-подсолнечник

133 ПРЕДШЕСТ. 10-сах.свекла

134 ПРЕДШЕСТ. 10-яров.ячмень

135 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование 10-12

136 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование 12-14

137 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование 8-10

138 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование в два следа 8-10

139 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование в три следа 8-10

140 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-пахота 20-22

141 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-пахота 20-25

142 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-пахота 25-27

143 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-перекрестная 306

144 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-перекрестный 273

145 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 178

146 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 201

147 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 202

148 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 207

149 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 209

150 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 211

151 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 214

152 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 215

153 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 216

154 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 218

155 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 221

156 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 223

157 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 226

158 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 228

159 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 230

160 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 231

161 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 234

162 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 235

163 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 237

164 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 238

165 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 239

166 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 240

167 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 241

168 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 242

169 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 245

170 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 246

171 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 247

172 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 248

173 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 249

174 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 250

175 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 253

176 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 254

177 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 256

178 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 258

179 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 259

180 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 264

181 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 267

182 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 270

183 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 271

184 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 274

185 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 276

186 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 287

187 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 288

188 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 296

189 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 301

190 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 303

191 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 308

192 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 320

193 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Ам.селитра-2ц/га ,N-34

194 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-1ц/га, N-8, Р-34, Хлор.калий-1ц/га, К-78

195 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-1ц/га, Хлор.калий-1ц/га, N-8, Р-34, К-64

196 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-2,3ц/га ,N-42, Р-118, Хлор.калий-1ц/га, К-93

197 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-2,5ц/га ,N-36, Р-103, Хлор.калий-1ц/га,К-65

198 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-2ц/га, N-15, Р-62

199 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммоска-2ц/га, Калий-1 ц/га, N-20, Р-52, К-52

200 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-1,5ц/га, N-16, Р-42, К-42

201 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-1,5ц/га, N-29, Р-75

202 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-1ц/га,N-12, Р-30

203 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га ,N-15 Р-62

204 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га ,N-24, Р-62, Хлор.калий-1ц/га, К-62

205 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-20, Р-52, Хлор.калий,К-52

206 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-20, Р-52, Хлор.калий-1ц/га , К-52

207 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-20, Р-52,Хлор.калий-1ц/га, К-52

208 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-21, Р-54, Хлор.калий, К-54

209 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-29, Р-75

210 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-29, Р-75, Хлор.калий-1ц/га, К-75

211 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, Калий-1 ц/га, N-20, Р-52, К-52

212 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га,Калий-1ц/га N-30, Р-78, К-78

213 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Хлор.калий, К-37,8, Диаммофоска, N-16, Р-42, К-42

214 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Хлор.калий, К-61,6, Аммофос, N-17,3, Р-75,3

215 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Хлористый калий, К-67, Диаммофоска, N-15, Р-68

216 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Хлористый калий-1ц/га, К-67, Аммофос-2ц/га, N-15, Р-68

217 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Акору-100г/га

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

218 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Альтера-100г/га, Варат-4,5кг/га

219 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Альтера-100г/га, Парашют-5л/га, Варат-3,2кг/га

220 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Альфацин-100г/га

221 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Бром БД-0,37л/га, Варат-3,6кг/га, Альфацин-100г/га, Динадин-0,5л/га

222 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Бром БД-0,3л/га, Клерат-3,4кг/га, Альфацин-100г/га

223 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Бром БД-0,8л/га, Альфацин-100г/га, Данодин-0,5л/га

224 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-12,6кг/га, Альфацин-100г/га

225 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-2,8кг/га, Альфацин-100г/га, Демитоат-0,5л/га

226 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-3,4/кг/га, Альтера- 100г/га, Парашют-0,5л/га

227 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-3,7кг/га, Альфацин-100г/га

228 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-6,8гр/га, Анорд-100г/га, Парашют-0,5л/га

229 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-7,6кг/га, Альфацин-100г/га

230 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Данодим- 500г/га

231 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Данодим-500г/га

232 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Данодим-500г/га, Кристалон-1 кг/га

233 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Клерат-4кг/га, Альтера-100г/га

234 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Лямбда-100г/га

235 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Радикум-0,6л/га, Альфацин-100г/га

236 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Фостак-100г/га

237 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Фосфид-цинка-0,011 г/га

238 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Циткор-100г/га, Рогор-500г/га

239 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Циткор-100г/га, Рогор-С-500г/га

240 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-2,4Д.ам.соль-50% 1,2кг

241 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-2,4Д.ам.соль-50%-1,3кг/га

242 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-2,4Д.ам.соль-50%-13,кг/га

243 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Дианат-0,2л/га, Гранстар-про-15г/га

244 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Дикамерон-200г/га

245 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Луварам 1,6кг/га

246 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Луварам-1,6кг/га

247 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Секатор-160г/га

248 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Эстерон-0,8л/га

249 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Эстерон-08л/га

250 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Эстерон-800г/га, Тиллура-био-2л/га

251 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Эстерон-800г/га; Тилура-био-2л/га.

252 ПОДКОРМКА ПРИ СЕВЕ-Ам.селитра-1 ц/га, N-17,5

253 ПОДКОРМКА ПРИ СЕВЕ-Ам.селитра-1 ц/га ,N-17,5

254 ПОДКОРМКА ПРИ СЕВЕ-Ам.селитра-1 ц/га ,N-20

255 ПОДКОРМКА ПРИ СЕВЕ-Ам.селитра-1 ц/га, N-17,5

256 ПОДКОРМКА ПРИ СЕВЕ-Ам.селитра-1 ц/га, N-20

257 ПОДКОРМКА ПРИ СЕВЕ-Ам.силитра-1 ц/га, N-17,5

258 ПОДКОРМКА ПРИ СЕВЕ-Аммофос-0,5ц/га ,N-6, Р-25

259 ПОДКОРМКА ПРИ СЕВЕ-Аммофос-0,5ц/га, N-6 Р-25

260 ПОДКОРМКА ПРИ СЕВЕ-Аммофос-2ц/га, N-12, Р-23,4

261 ПОДКОРМКА ПРИ СЕВЕ-Диаммофоска-2ц/га ,N-56 Р-23

262 1-Я ПОДКОРМКА-Ам.селитра-1,5кг/га ,N-34

263 1-Я ПОДКОРМКА-Ам.селитра-1,5ц/га, N-38,2

264 1-Я ПОДКОРМКА-Ам. селитра-1 ц/га,N-17

265 1-Я ПОДКОРМКА-Ам.селитра-2,5ц/га , N-65

266 1-Я ПОДКОРМКА-Ам.селитра-2,5ц/га, N-68,8

267 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-68,8

268 1-Я ПОДКОРМКА-Ам. селитра-2ц/га^-51

269 1-Я ПОДКОРМКА-Ам.селитра-1,3ц/га, N-28

270 1-Я ПОДКОРМКА-Ам.селитра-1,3ц/га, N-36,6

271 1-Я ПОДКОРМКА-Ам.селитра-1,3ц/га, N-37,8

272 1-Я ПОДКОРМКА-Ам.селитра-1,3ц/га, N25

273 1-Я ПОДКОРМКА-Ам.селитра-1,5ц/га ,N-34

274 1-Я ПОДКОРМКА-Ам.селитра-1,5ц/га ,N-35,5

275 1-Я ПОДКОРМКА-Ам.селитра-1,5ц/га ,N-37

276 1-Я ПОДКОРМКА-Ам.селитра-1,5ц/га, N-34

277 1-Я ПОДКОРМКА-Ам.селитра-1,5ц/га, N-37,8

278 1-Я ПОДКОРМКА-Ам.селитра-1,7ц/га, N-54

279 1-Я ПОДКОРМКА-Ам.селитра-1 ц/га, N-21

280 1-Я ПОДКОРМКА-Ам. селитра-1 ц/га^-25,5

281 1-Я ПОДКОРМКА-Ам.селитра-2,1 ц/га, N-70

282 1-Я ПОДКОРМКА-Ам.селитра-2ц/га , N-78

283 1-Я ПОДКОРМКА-Ам.селитра-2ц/га ,N-51

284 1-Я ПОДКОРМКА-Ам.селитра-2ц/га ,N-57

285 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-64

286 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-68

287 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-68,8

288 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-71,2

289 1-Я ПОДКОРМКА-Ам.селитра-2ц/га^-61,7

290 1-Я ПОДКОРМКА-Ам.силитра-2,5ц/га, N-68

291 1-Я ПОДКОРМКА-Ам.силитра-2ц/га, N-68,8

292 2-Я ПОДКОРМКА-Ам.селитра-1,5ц/га, N-30

293 2-Я ПОДКОРМКА-Ам.селитра-1,5ц/га, N-29

294 2-Я ПОДКОРМКА-Ам.селитра-1,3ц/га, N-28

295 2-Я ПОДКОРМКА-Ам.селитра-1,3ц/га, N-29

296 2-Я ПОДКОРМКА-Ам.селитра-1 ц/га ,N-18

297 2-Я ПОДКОРМКА-Ам.селитра-1 ц/га ,N-20

298 3-Я ПОДКОРМКА-Мочевина-48кг/га

299 3-Я ПОДКОРМКА-Мочевина-50кг/га

300 3-Я ПОДКОРМКА-Мочевина-50кг/га,

301 МИКРО И МАКРО ЭЛЕМЕНТЫ (СНИЖЕНИЕ СТРЕССА)-Акварин-2кг/га

302 МИКРО И МАКРО ЭЛЕМЕНТЫ (СНИЖЕНИЕ СТРЕССА)-Акварин-4кг/га

303 МИКРО И МАКРО ЭЛЕМЕНТЫ (СНИЖЕНИЕ СТРЕССА)-Кристалон-2кг/га

304 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Гуманат калия-0,5л/га, Рекс-дуо-0,3л/га

305 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Дерозал-Евро-0,6г/га

306 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Рекс-дуо-0,3л/га, Фалькон-0,3л/га

307 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Рекс-дуо-0,4г/га

308 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Рекс-дуо-0,5л/га

309 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Рекс-дуо-0,6г/га

310 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Фалькон-0,5л/га

311 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-фалькон-0,5л/га

Таблица 5 - АНКЕТА обучающей выборки N° 1

04-05-10 13:47:57

Код |

1

8

9

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

12

15

18

г.Краснодар

Наименования классов распознавания

|

УРОЖАЙНОСТЬ (Ц/ГА): {32.10, 45.93}

КАЧЕСТВО-5 класс

ПРИБЫЛЬ (ТЫС.РУБ./ГА): {1.60, 7.77}

ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {126.00, 973.60} УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {4.22, 41.49}

УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57.48, 329.61}

| К О = д 1 ы 1 п е р в и ч н ы х п р и з н а к о в |

| 3 22 44 52 59 71 83 90 95 110 121 136 144 240 |

Универсальная когнитивная аналитическая система

НПП *ЭИДОС*

Таким образом, данным программным интерфейсом полностью автоматизируется этап СК-анализа, называемый "Формализация предметной области".

3. В результате синтеза семантической информационной модели решена задача 1: "Многокритериальная типизация хозяйственно-

экономических результатов деятельности фирмы по объемам и качеству произведенных продукции и услуг, полученной прибыли и рентабельности по обусловливающим эти результаты технологическим факторам".

Решение этой задачи осуществлялось в ряд этапов:

Этап-1. Расчет матрицы сопряженности (матрицы абсолютных частот), связывающей частоты фактов совместного наблюдения в исходной выборке интервальных значений классов и факторов. Всего этих фактов исследовано 9138, что и составляет объем выборки. По своей форме матрица абсолютных частот является базой данных, т.к. в ней содержится способа содержательной смысловой интерпретации данных.

Этап-2. На основе базы данных абсолютных частот рассчитываются информационные базы условных и безусловных процентных распределений или частостей, которые при увеличении объема исходной выборки стремятся к предельным значениям: вероятностям. Имея это в виду несколько упрощая считается допустимым, как это принято в литературе, на-

зывать их условными и безусловными вероятностями. По своей форме матрицы условных и безусловных вероятностей является информационными базами, т.к. в них содержится способ содержательной смысловой интерпретации данных, т.е. уже по сути информации [15].

Этап-3. На основе информационной базы условных и безусловных вероятностей рассчитывается база знаний. Есть все основания так называть ее, т.к. в ней не только содержится результат содержательной смысловой интерпретации данных, но и оценка их полезности для достижения целевых состояний объекта управления и избегания нежелательных (нецелевых), т.е. по сути знания, которые можно непосредственно использовать для управления моделируемым объектом [15] (таблица 6).

Отметим, что в настоящее время общепринятыми терминами являются: «База данных» и «База знаний», а термин «Информационные базы» считается «незагостированным», т.е. неофициальным, или даже ошибочным, когда под ним, по сути, понимаются базы данных. Предлагается придать термину «Информационные базы» полноценный статус в качестве официального термина, т.к. вполне понятно и обоснованно [15] как его содержание соотносится с содержанием терминов «База данных» и «База знаний»:

- Базы данных (БД) - информация записанная на носителях (или находящаяся в каналах связи) на определенном языке (системе кодирования), безотносительно к ее смыслу.

- Информационная база (ИБ) - это БД вместе с тезаурусом, т.е. способом их смысловой интерпретации.

- База знаний (БЗ) - это ИБ вместе с информацией о том, насколько какая информация полезна для достижения различных целей.

Таблица 6 - БАЗА ЗНАНИЙ О СИЛЕ И НАПРАВЛЕНИИ ВЛИЯНИЯ ЗНАЧЕНИЙ ФАКТОРОВ НА ПЕРЕХОД МОДЕЛИРУЕМОГО ОБЪЕКТА В СОСТОЯНИЯ,

СООТ ВЕТСТВУЮ >Щ ИЕ КЛАССАМ (Бит х ЮО1 (ФРАГМЕ] НТ)

коо 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

41 7 5 -18 -7 -30 17 -5 14 -29 -24 8 -61 9 7 23 15 -69 -18

42 10 -14 9 36 11 8 -2 6 -14 10 2 11

43 43 -14 -8 55 19 -35 6 -14 10 13 -22

44 -19 5 7 11 -12 -4 4 -9 13 -6 -3 9 -6 -5 23 8 -3 9 1

45 4 -3 -4 8 -5 8 -10 -1 -8 23 -4 13 -10 -1 9 4 -4 -2 16

46 26 -2 142 28 38 39 44 -49 40 77 -54 62 51 50

47 62 74 28 15 10 21

48 -4 -28 28 26 61 -5 -15 42 1 75 -4 88 -12 -3 48

49 62 44 28 15 10 21

50 61 92 107 71 93 114

51 -14 -6 18 16 -8 0 -2 17 31 -9 -6 64 -1 78 11 38

52 2 3 -8 11 -17 6 6 -11 3 -2 -11 3 -6 -21 2 -3 -40 4 -6 -15

53 10 -4 -4 7 3 2 -11 -5 17 1 5 1 8 -4 21

54 29 5 11 41 28 15 10 21

55 29 5 11 41 -5 17 -18 38 10 -12 30

56 17 7 -5 32 -22 16 -46 11 11 -26 5 -4 17

57 10 19 40 17 22 -24 31 -4 19 -10 41 -31 44

58 62 11 41 28 15 10 21

59 -1 -6 9 -36 25 -8 -2 -2 14 4 -6 3 -3 11 -14

60 -42 -33 42 -12 17 5 -30 -0 -21 36 -4 -1 36 4 50 -7 -9 43

61 26 -4 -40 -10 -66 8 25 18 -51 -27 6 -12 4 -9 12 -39 -20

62 62 -8 55 28 15 10 21

63 -33 9 10 78 -3 26 -18 -21 -8 7 12 1 -24 45 -5 -2 26 -14 20 19

64 -22 13 -4 8 -16 3 -10 -13 18 -10 -4 6 23 -3 9 37 -11 22 -3

65 19 9 40 17 -8 31 55 71 -10 41 -31 11 62

66 29 5 44 28 15 10 21

67 -14 42 49 -8 -24 31 71 -10 41 -31 44

68 29 28 36 41 -5 17 15 10 21

69 51 -15 16 0 31 17 31 4 -6 -1 17 11 38

70 -37 5 15 -7 -30 22 -24 14 -48 9 1 -28 42 3 56 8 -36 15

71 6 -2 -5 21 0 2 -3 4 -2 6 -11 2 -9 8 1 -6 3 0 4 -18

72 -46 22 -14 -16 12 12 -4 -6 32 5 -5 -0 17 -2 -13 38

73 22 -2 -31 -24 17 15 20 -42 8 -22 10 14 -29

74 18 14 16 0 31 17 -26 4 -6 -1 17 11 -14

75 43 9 17 -8 22 28 15 10 21

76 14 18 16 -8 0 -2 -49 26 31 -9 -6 64 -1 78 -3 -14 38

77 38 44 28 15 10 21

78 -19 9 -0 11 -12 15 -39 -10 13 -6 5 -43 27 0 -21 40 -0 1 0

79 -42 -1 23 21 -3 5 -30 -0 -2 3 -13 19 36 -10 22 50 -7 11 10

80 12 5 -27 -10 -1 -1 5 13 -19 -47 3 1 2 4 11 -26 -40

81 29 -14 -24 17 -8 22 19 -35 6 -14 1 8 13 -22

82 13 -19 4 11 -13 3 7 -7 2 26 -5 22 1 12 -8 6 13

83 11 0 -9 102 17 -26 23 -10 13 4 10 37 5 -16 25 11

84 29 5 44 28 15 10 21

85 10 19 40 25 8 -2 -4 19 -10 41 2 11

86 10 -14 9 40 -8 22 -24 -2 55 -37 19 88 -10 102 -31 11 62

87 38 25 22 8 -2 15 10 21

88 -30 22 -31 33 -24 17 1 -9 15 -12 30 -6 33 -5 3 22

89 16 15 -7 22 -3 -24 -5 17 1 5 -4 27 -1 16

90 3 -7 6 29 0 6 -4 2 -7 5 16 -1 -2 16 0 -8 10 -7 8 14

91 10 -47 28 -16 11 22 19 -35 6 -14 10 21

92 38 -19 -48 12 0 17 23 -59 15 10 21

93 30 6 -15 -7 24 20 -33 8 -13 2 9 14 -21

94 62 44 28 15 10 21

95 35 -22 -31 28 -15 15 1 10 15 10 -5 23

96 38 40 25 -24 31 -4 19 10 -31 44

97 38 69 50 15 10 21

98 -17 2 1 13 -11 8 -5 -8 4 28 -21 35 28 -10 33 42 -15 16 2

99 6 29 108 27 4 -21 -23 -18 18 10 -17 25 43 -12 28 -11 17 16

100 14 4 -28 -8 -12 4 7 13 -23 -25 6 -19 -25 2 -7 -11 10 -26 -19

101 35 -22 -31 -0 17 15 20 15 8 48 2 62 14 22

102 24 1 -52 -22 7 15 -39 6 2 5 -10 10 12 -18

103 61 28 -48 34 -13 -9 48 -1 11 -6 33 -19 3 54

104 38 44 50 15 10 21

105 51 -38 33 -2 28 15 10 21

106 61 69 50 71 93 63

107 29 28 -22 61 28 15 10 21

108 30 -8 -36 4 -21 29 22 -47 9 -27 4 -5 16 -35

109 -29 -1 22 114 34 10 -14 -31 25 16 -11 12 49 -5 2 -18 24 23

110 -15 3 6 -1 -2 3 3 -5 2 14 -4 10 4 -2 8 18 -2 -2 10

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

111 23 -14 -10 -12 30 -8 -30 -24 31 3 -1 10 -17 35

112 -42 19 -10 21 16 3 -0 -21 36 3 -33 36 -2 -11 50 2 -41 43

113 29 5 -7 3 11 -24 21 -48 8 -28 3 -6 15 -36

114 38 36 11 28 15 10 21

115 -30 -54 45 42 4 -32 10 48 -25 44 -6 33 -38 23 54

116 38 36 11 50 -18 38 -23 60 -12 30

117 38 18 -8 -32 50 17 -26 15 10 11 -14

118 -23 19 -24 36 -8 -11 -57 42 -18 38 1 8 -31 44

119 -13 15 -13 131 50 2 -14 8 33 -27 29 66 -13 18 -1 -12 39

120 4 1 -8 -4 -1 7 -11 5 -8 -3 5 -15 -22 2 -3 -8 1 -1 -15

121 25 -7 -27 -30 -53 -12 45 24 -71 11 -51 6 -29 17 -59

122 -23 24 -56 7 -16 25 8 -15 -10 1 -14 22 1 -25 36 13 -55 -4

123 29 -47 9 40 -16 -41 22 -5 -2 22 6 55 1 69 2 -22 29

В этой матрице столбцы соответствуют классам распознавания, строки - градациям факторов, а в клетках на их пересечении приведено количество знаний в битах х 100, которое содержится в определенной градации фактора о том, что этот случай относится к определенному классу. Из-за большой размерности приведен лишь фрагмент этой матрицы.

Возникает закономерный и обоснованный вопрос о том, насколько корректным является получение образов классов путем обобщения примеров ситуаций, относящихся к различным периодам времени. Дело в том, что в этих ситуациях могут быть отражены различные закономерности предметной области, если она изменялась за время проведения исследова-

ния. Ответ на этот вопрос зависит от целей и результатов построения модели предметной области.

Например, если целью является построение модели высокой степени адекватности, то это не получится, если предметная область (моделируе -мый объект) обладает высокой динамичностью, но может и оказаться возможным, если моделируемый объект существенно не изменился за период исследования.

Если же целью моделирования является исследование самой динамики моделируемого объекта, то резкое понижение адекватности модели при учете в ней состояний объекта, относящихся к определенному периоду времени, указывает на то, что в этот период изменился сам характер взаимосвязей между признаками объекта (интервальными значениями влияющих на него факторов) и его состояниями.

Периодом эргодичности называется период, в течение которого характер взаимосвязей между факторами, влияющими на объект и его переходами в те или иные состояния существенно (качественно) не изменяются. Точками бифуркации называются границы периодов эргодичности, когда он один период эргодичности сменяется другим, т.е. существенно (качественно) изменяются закономерности взаимосвязи между факторами, влияющими на объект, и его переходами в различные состояния, обусловленные действием этих факторов. Таким образом, измерение степени адекватности модели в зависимости от объема исследуемой выборки (если объекты в ней упорядочены по времени) позволяет выявить границы периодов эргодичности и точки бифуркации и выявить, что их нет, не смотря на длительный период исследования (его лонгитюд).

В системе «Эйдос» есть режим _236, предназначенный специально для этой цели (рисунок 5).

Рисунок 5. Экранная форма вызова режима _152 системы «Эйдос».

Применение этого режима дало следующие результаты. В целом модель продемонстрировала высокую достоверность, составляющую 88,756%, и это означает, что за время исследования моделируемая предметная область существенно не изменилась и таким образом получение

обобщенных образов классов путем многопараметрической типизации примеров, относящихся к различным периодам времени является вполне корректным (рисунок 6).

путем измерения зависимости достоверности модели от объема исследуемой выборки (режим _236 системы «Эйдос»)

С другой стороны все же была выявлена определенная динамика достоверности модели, которую можно разделить на три четко выраженных и визуально-наблюдаемых периода:

- 1-й период: 1999-2000 годы, по-видимому, специфика этого периода может быть выражена одним словом: «постдефолтный», когда после дефолта 1998 года система находится в состоянии неустойчивости и поиска новых закономерностей, которые еще не найдены и не сформировались,

- 2-й период: 2001 год, в этот период новые постдефолтные закономерности уже найдены и сформировались, но еще не приобрели основной вес в модели, вследствие чего ее достоверность даже несколько снижается по сравнению с предыдущей при накоплении новых данных, отражающих эти новые закономерности;

- 3-й период: с 2002-2009 годы, в этот период новые постдефолтные закономерности, сформированные в 2001 году, приобретают все больший вес в модели, вследствие чего ее достоверность монотонно повышается вплоть до 2008 года, в который она незначительно снижается, что по-видимому, отражает влияние мирового финансового кризиса, которое, однако, как видно из рисунка 6, несопоставимо менее значительное, чем влияние дефолта 1998 года.

Низкий параметр достоверности регрессии обусловлен, по мнению авторов, не ее низким соответствием фактическому ряду, а очень большим разбросом его значений в постдефолтный (1-й) период, а во 2-м и 3-м периоде согласие регрессией очень хорошее, что очевидно.

4. Измерение адекватности СИМ осуществляется последовательным выполнением режимов _21 (копирование обучающей выборки в распознаваемую), _41 (пакетное распознавание) и _62 (измерение адекватности СИМ) системы «Эйдос».

Пункты 3 и 4 удобно выполнить также с помощью режима _25 системы "Эйдос", который сначала выполняет синтез семантической информационной модели (СИМ), а затем копирует обучающую выборку в распознаваемую выборку), проводит пакетное распознавание и проверку ее адекватности, которая оказалась довольно высокой: более 90% (таблица 7).

Таблица 7 - ВЫХОДНАЯ ФОРМА ПО РЕЗУЛЬТАТАМ ИЗМЕРЕНИЯ АДЕКВАТНОСТИ ИСХОДНОЙ МОДЕЛИ (ФРАГМЕНТ)

ИЗМЕРЕНИЕ АДЕКВАТНОСТИ (ДИФФЕРЕНЦИАЛЬНОЙ И ИНТЕГРАЛЬНОЙ ВАЛИДНОСТИ) СЕМАНТИЧЕСКОЙ ИНФОРМАЦИОННОЙ МОДЕЛИ

Всего Физических анкет: 89 СЮОх для п.15)

Всего логических анкет: 53Ш

4. Средняя достоверность идентификации логических анкет с учетом сходства : 6.515х

5. Среднее сходство логических анкет, правильно отнесенных к классу : 4.274Х

6. Среднее сходство логических анкет, ошибочно не отнесенных к классу : 0.3Ш4Х

7. Среднее сходство логических анкет, ошибочно отнесенных к классу : 0.76ІХ

8. Среднее сходство логических анкет, правильно не отнесенных к классу : З.ЗШбх

9. Средняя достоверность идентификации логических анкет с учетом кол-ва : 62.623х

1(0. Среднее количество физич-х анкет, действительно относящихся к классу: 43.713 (100Х для п.11 и п.12)

Среднее количество Физич-х анкет, действительно не относящихся к классу: 45.287 (100Х для п.13 и п.14)

Всего Физических анкет: 89.(9(90 <100^ для п.15)

11. Среднее количество и У лог-их анкет, правильно отнесенных к классу: 38.798, т.е. 88.756К

12. Среднее количество и У. лог-их анкет, ошибочно не отнесенных к классу: 4.915, т.е. 11.244К (Ошибка 1-го рода)

13. Среднее количество и У лог-их анкет, ошибочно отнесенных к классу: 11.711, т.е. 25.860К (Ошибка 2-го рода)

14. Среднее количество и У. лог-их анкет, правильно не отнесенных к классу: 33.562, т.е. 74.110^

15. Средневзвешенная вероятность случайного угадывания принадлежности объекта к классу ( У ): 49.116

16. Средневзвешенная эффективность применения модели по сравнению со случ. угадыванием (раз): 3.231

17. Обобщенная достоверность модели <Д1+Д2)/2: 81.433Х. Обобщенная ошибка (Е1+Е2)/2: 18.552^

04-05-10 19:26:59 г.Краснодар

N п/п Код класса Наименование класса Достов. ИДЄНТИФ. лог.анк. с уч.количества эвр.крит Кол-во лог.анк. дейст-но относящихся к классу Количество логических анкет правильно или ошибочно отнесенных или не отнесенных к классу Вероятн. случайного угадывания <У.) =Ш/НРА Эффектив модели по срав. со случ. угадыв. (раз)

Правиль. отнесен. Ошибочно не отнес Ошибочно отнесен. Правиль. не отнес

1 2 3 9 10 11 12 13 14 15 16

1 1 УРОЖАЙНОСТЬ (Ц/ГА): <32.1(9, 45.93> 55.1 27 26 1 19 43 30.337 3.174

2 2 УРОЖАЙНОСТЬ (Ц/ГА): <45.93, 59.76> 73.0 39 36 3 9 41 43.820 2.107

3 3 УРОЖАЙНОСТЬ (Ц/ГА): <59.76, 73.59> 75.3 22 21 1 10 57 24.719 3.862

4 4 КАЧЕСТВО-1 класс -89.9 1 1 0 81 0 1.124 88.968

5 5 КАЧЕСТВО-2 класс -5.6 11 11 0 47 31 12.360 8.091

6 6 КАЧЕСТВО-3 класс 37.1 20 20 0 28 41 22.472 4.450

7 7 КАЧЕСТВО-4 класс 64.0 37 35 2 14 38 41.573 2.275

8 8 КАЧЕСТВО-5 класс 30.3 19 19 0 31 39 21.348 4.684

9 9 ПРИБЫЛЬ (ТЫС.РУБ./ГА): <1.60, 7.77> 91.0 53 53 0 4 32 59.551 1.679

10 10 ПРИБЫЛЬ (ТЫС.РУБ./ГА): <7.77, 13.93> 70.8 28 26 2 11 50 31.461 2.952

11 11 ПРИБЫЛЬ (ТЫС.РУБ./ГА): <13.93, 20.10> -25.8 8 8 0 56 25 8.989 11.125

12 12 ПРИБЫЛЬ (ТЫС.РУБ/П0ЛЕ): <126.00, 973.60> 70.8 67 54 13 0 22 75.281 1.071

13 13 ПРИБЫЛЬ (ТЫС.РУБ/П0ЛЕ): <973.60, 1821.20> 59.6 18 18 0 18 53 20.225 4.944

14 14 ПРИБЫЛЬ (ТЫС.РУБ/П0ЛЕ): <1821.20, 2668.80> -61.8 4 4 0 72 13 4.494 22.252

15 15 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): <4.22, 41.49> 61.8 74 57 17 0 15 83.146 0.926

16 16 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): <41.49, 78.76} 14.6 11 И 0 38 40 12.360 8.091

17 17 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): <78.76, 116.03> -77.5 3 3 0 79 7 3.371 29.665

18 18 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): <57.48, 329.61> 93.3 60 57 3 0 29 67.416 1.409

19 19 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): <329.61, 601.74) 70.8 21 21 0 13 55 23.596 4.238

20 20 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): <601.74, 873.87) -12.4 7 7 0 50 32 7.865 12.715

Средневзвешенные значения 62.6 43.7 38.8 4.9 11.7 33.6 49.116 3.231

Универсальная когнитивная аналитическая система НПП *ЭЙД0С*

5. В системе "Эйдос" реализовано несколько различных методов повышения адекватности модели:

- исключение из модели статистически малопредставленных классов и факторов (артефактов);

- исключение незначимых факторов, т.е. факторов имеющих низкую селективную силу или дифференцирующую способность;

- ремонт (взвешивание) данных, что обеспечивает не только классическую, но и структурную репрезентативность исследуемой выборки по отношению к генеральной совокупности;

- итерационное разделение классов на типичную и нетипичную части (дивизивная, т.е. разделяющая, в отличие от агломеративной, древовидная кластеризация);

- генерация сочетанных признаков, дополнение справочников классов и признаков и перекодирование исходной выборки.

Проверка адекватности модели, проведенная в режиме _25 после ее синтеза, показала, что повышение адекватности модели в нашем случае не требуется, т.к. вероятность правильного отнесения ситуации к классу, к которой она действительно относится и на неоптимизированной модели составляет 88,756%, что вполне достаточно для целей работы.

Но все же нами был применен метод повышения адекватности модели, путем итерационного разделение классов на типичную и нетипичную части (дивизивная, т.е. разделяющая, в отличие от агломеративной, древовидная кластеризация). В результате было получено следующее дерево классов (рисунок 7):

ДЕРЕВО РЙ ЗДЕЛЕНИЯ КЛАССОВ 1-т ТИПИЧНЫЕ И НЕТИПИЧНЫЕ

«ли <х>

УДЕЛЬНАЯ ПРИБЫЛЬ <Ы.Е.

.756 99.239 99.635 99.827 100.000

<601 -74,

8 73 - 87>

УДЕЛЬНАЛ ПРИБЫЛЬ <Ы.Е.

/ГА>= <329.61, 601.74>

УДЕЛЬНАЛ ПРИБЫЛЬ <Ы.Е.

/ГА>= <57.48, 329.61>

УДЕЛЬНАЛ ПРИБЫЛЬ <У.Е.

3 2 9 .61>

/ГА> = <57 - •

11: =< 1 >

УДЕЛЬНАЛ ПРИБЫЛЬ <ТЫС. У _ Е./ПОЛЕ> = <78-76, 11

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

.✓ПОЛЕ>: <-41 --49, 78

.✓ПОЛЕ>: <4.22, 41.

<13.93, 2 0.1 (Э>

1 СО _ ПРИБЫЛЬ <ТЫС.РУБ./ГЙ> :

<7.77, 13 _ 9 3 >

30. ПРИБЫЛЬ <ТЫС.РУБ./ГЙ>:

<7.77, 13.93> л_-е =< 2 >

25. ПРИБЫЛЬ <ТЫС.РУБ./ГЙ>:

<7.77, 13.93> л_-е =< 1 >

9. ПРИБЫЛЬ <ТЫС.РУБ./ГЙ>:

<1.60, 7-77>

8. КАЧЕСТВО—5 класс

7. КАЧЕСТВО—4 класс

33. КАЧЕСТВО—4 класс =<4

>

32. КАЧЕСТВО—4 класс =< 3

>

29. КАЧЕСТВО—4 класс =< 2

>

24. КАЧЕСТВО—4 класс =< 1

>

6. КАЧЕСТВО—3 класс

5. КАЧЕСТВО—2 класс

4. КАЧЕСТВО—1 класс

3. УРОЖАЙНОСТЬ <Ц/ГЙ>: <5

9.76, 73 - 5 9 >

23. УРОЖАЙНОСТЬ <Ц/ГЙ>: <5

9.76, 73 - 5 9 > ±С =< 1 >

2. УРОЖАЙНОСТЬ <Ц/ГЙ>: <4

5.93, 5 9. 76 >

22. УРОЖАЙНОСТЬ <Ц/ГЙ>: <4

5.93, 5 9. 76 > ±С=<1>

1. УРОЖАЙНОСТЬ <Ц/ГЙ>: <3

2.10, 45 - 9 3 >

21. УРОЖАЙНОСТЬ <Ц/ГЙ>: <3

2.10, 45 - 9 3 >

С

Ю

30

25

29

24

04—05—10

19 = 39 =11

«ЭИДОС*

Рисунок 7 - Дерево разделения классов на типичную и нетипичную части

(дивизивная кластеризация)

По результатам кластеризации можно сделать вывод о том, что различные классы обладают различной степенью вариабельности обусловливающих их факторов, т.е. одни классы являются жестко детерминированными, тогда как другие вызываются различными сочетаниями действующих факторов, что затрудняет и делает менее достоверной их прогнозирование и осуществление.

В результате проведения данной процедуры степень достоверности модели повысилась (таблица 8):

Таблица 8 - ВЫХОДНАЯ ФОРМА ПО РЕЗУЛЬТАТАМ ИЗМЕРЕНИЯ АДЕКВАТНОСТИ МОДЕЛИ, УЛУЧШЕННОЙ МЕТОДОМ ДИВИЗИВНОЙ КЛАСТЕРИЗАЦИИ (ФРАГМЕНТ)

ИЗМЕРЕНИЕ АДЕКВАТНОСТИ (ДИФФЕРЕНЦИАЛЬНОЙ И ИНТЕГРАЛЬНОЙ ВАЛИДНОСТИ) СЕМАНТИЧЕСКОЙ ИНФОРМАЦИОННОЙ МОДЕЛИ

Всего Физических анкет: 89 <Ю0х для п.15)

Всего логических анкет: 53(9

4. Средняя достоверность идентификации логических анкет с учетом сходства

5. Среднее сходство логических анкет, правильно отнесенных к классу

6. Среднее сходство логических анкет, ошибочно не отнесенных к классу

7. Среднее сходство логических анкет, ошибочно отнесенных к классу

8. Среднее сходство логических анкет, правильно не отнесенных к классу

9. Средняя достоверность идентификации логических 119. Среднее количество Физич-х анкет, действительно Среднее количество Физич-х анкет, действительно

11. Среднее количество и '/. лог-их анкет, правильно

12. Среднее количество и V. лог-их анкет, ошибочно

13. Среднее количество и V. лог-их анкет, ошибочно

14. Среднее количество и У. лог-их анкет, правильно

анкет с учетом кол-ва относящихся к классу не относящихся к классу Всего физических анкет отнесенных к классу не отнесенных к классу отнесенных к классу не отнесенных к классу

5.236Х 4.179х О.ООШх 1.036*

2.093х

63.326*

34.838 (1Ш0X для п.И и п.12)

54.162 (100л для п.13 и п.14)

89.000 (100Х для п.15)

34.838, т.е. 100.000*

0.000, т.е. 0.0О0Х (Ошибка 1-го рода) 16.277, т.е. 30.О52Х (Ошибка 2~го рода) 37.800, т.е. 69.791Х

15. Средневзвешенная вероятность случайного угадывания принадлежности объекта к классу ( * ): 39.143

16. Средневзвешенная эффективность применения модели по сравнению со случ. угадыванием (раз): 5.541

17. Обобщенная достоверность модели (Д1+Д2)/2: 84.895Х. Обобщенная ошибка (Е1+Е2)/2: 15.026*

О4-05-1О 20:29:59

г.Краснодар

И п/п Коп класса Наименование класса Постов. ИДЄНТИФ. лог.анк. с уч.количества эвр.крит Кол-во лог.анк. дейст-но относящихся к классу Количество логических анкет правильно или ошибочно отнесенных или не отнесенных к классу Вероятн. случай- ного угадывания (X) =NLA/NFfl ЭФФектив модели по срав. со случ. угадыв. (раз)

Правиль. отнесен. Ошибочно не отнес Ощибочно отнесен. Правиль. не отнес

1 2 3 9 10 И 12 13 14 15 16

1 1 УРОЖАЙНОСТЬ (Ц/ГА): 432.ID, 45.93} 68.5 26 26 0 14 49 29.213 3.423

2 2 УРОЖАЙНОСТЬ (Ц/ГА): {45.93, 59.76} 75.3 36 36 0 И 42 40.449 2.472

3 3 УРОЖАЙНОСТЬ (Ц/ГА): <59.76, 73.59> 68.5 21 21 0 14 54 23.596 4.238

4 4 КАЧЕС1В0-1 класс -89.9 1 1 0 81 0 1.124 88.968

5 5 КАЧЕСТВО-2 класс -5.6 11 11 0 47 31 12.360 8.091

6 6 КАЧЕСТВО-3 класс 37.1 20 20 0 28 41 22.472 4.450

7 7 КАЧЕСТВО-4 класс 55.1 31 31 0 20 38 34.831 2.871

8 8 КАЧЕСТВО-5 класс 30.3 19 19 0 31 39 21.348 4.684

9 9 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {1.60, 7.77} 91.0 53 53 0 4 32 59.551 1.679

10 10 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {7.77, 13.93} 79.8 24 24 0 9 56 26.966 3.708

11 и ПРИБЫЛЬ (ТЫС.РУБ./ГА): {13.93, 20.10} -25.8 8 8 0 56 25 8.989 11.125

12 12 ПРИБЫЛЬ (ТЫС.РУБ/П0ЛЕ): {126.00, 973.60} 100.0 54 54 0 0 35 60.674 1.648

13 13 ПРИБЫЛЬ (ТЫС.РУБ/П0ЛЕ): {973.60, 1821.20} 59.6 18 18 0 18 53 20.225 4.944

14 14 ПРИБЫЛЬ (ТЫС.РУБ/П0ЛЕ): {1821.20, 2668.80} -61.8 4 4 0 72 13 4.494 22.252

15 15 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {4.22, 41.49} 100.0 56 56 0 0 33 62.921 1.589

16 16 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {41.49, 78.76} 14.6 11 11 0 38 40 12.360 8.091

17 17 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {78.76, 116.03} -77.5 3 3 0 79 7 3.371 29.665

18 18 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57.48, 329.61} 100.0 57 57 0 0 32 64.045 1.561

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

19 19 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {329.61, 601.74} 70.8 21 21 0 13 55 23.596 4.238

2D 20 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {601.74, 873.87} -12.4 7 7 0 50 32 7.865 12.715

21 21 УРОЖАЙНОСТЬ (Ц/ГА): {32.10, 45.93} it={l) -96.6 1 1 0 87 0 1.124 88.968

22 22 УРОЖАЙНОСТЬ (Ц/ГА): {45.93, 59.76} it={l) -79.8 3 3 0 80 6 3.371 29.665

23 23 УРОЖАЙНОСТЬ (Ц/ГА): {59.76, 73.59} it={l) -84.3 1 1 0 76 0 1.124 88.968

24 24 КАЧЕСТВО-4 класс it={l} -80.9 2 2 0 80 6 2.247 44.504

25 25 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {7.77, 13.93} it={l} -85.4 2 2 0 82 4 2.247 44.504

26 26 ПРИБЫЛЬ (ТЫС.РУБ/П0ЛЕ): {126.00, 973.60} it={l} 12.4 13 13 0 39 37 14.607 6.846

27 27 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {4.22, 41.49} it={l} 46.1 17 17 0 24 48 19.101 5.235

28 28 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57.48, 329.61} it={l} -59.6 3 3 0 71 15 3.371 29.665

29 29 КАЧЕСТВО-4 класс it={2} -91.0 1 1 0 82 0 1.124 88.968

3D 30 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {7.77, 13.93} it={2} -95.5 2 2 0 87 0 2.247 44.504

31 31 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {4.22, 41.49} it={2) -94.4 1 1 0 85 0 1.124 88.968

32 32 КАЧЕСТВО-4 класс it={3} -88.8 2 2 0 84 3 2.247 44.504

33 33 КАЧЕСТВО-4 класс it={4} -84.3 1 1 0 76 0 1.124 88.968

Средневзвешенные значения 63.3 34.8 34.8 0.0 16.3 37.8 39.143 5.541

Универсальная когнитивная аналитическая система

НПП *ЭЙД0С*

Аналогичная информация приведена в скриншотах экранных форм (рисунок 8):

~ |Н:№/INDOWS\system32\cmd.exe Универсальная когнитивная аналитическая система. 19:29 *эи/] ввв ОС*

=Подсистема анализа. Измерение адекватности семантич* Всего анкет физических (объектов распозн.выборки): % верно идент.лог.анк: 88.756% Ошибка 1-го рода Ж верно не идент.лог.анк: 74.110% Ошибка 2-го рода Обобщенная достоверность: 81.433% Обобщенная ошибка гской информационной 89 логических: % неидентификации % ложной идентиф. (Е1+Е2)/2 модели= 530 11.244% 25.860% 18.552%

РОЖАИНОСТЬ (Ц/ГА): {32.10, 45.93}

Код

класса Наименование класса

УРОЖАЙНОСТЬ (Ц/ГА): УРОЖАЙНОСТЬ (Ц/ГА): УРОЖАЙНОСТЬ (ц/га): КАЧЕСТВО-1 класс КАЧЕСТВО-2 класс КАЧЕСТВО-3 класс

{32.10, 45.93} {45.93, 59.76} {59.76, 73.59}

: Генерация отчетаР2СортировкаРЗПечатьР4ПоискР8Расч.внешней валид.РЭУдал.классов

Универсальная когнитивная аналитическая система.

\ж

20:30 (с) нпп *эидос*

=Подсистема анализа. Измерение адекватности семантической информационной модели=

Всего анкет физических (объектов распозн.выборки):

% верно идент.лог.анк:100.000% Ошибка 1-го рода % верно не идент.лог.анк: 69.79196 Ошибка 2-го рода Обобщенная достоверность: 84.89 5% Обобщенная ошибка

89 логических:

% неидентификации % ложной идентиф. (Е1+Е2)/2

530

0.000%

30.052%

15.026'

РОЖАИНОСТЬ (Ц/ГА): {32.10, 45.93}

Код

класса Наименование класса

УРОЖАЙНОСТЬ (Ц/ГА): УРОЖАЙНОСТЬ (Ц/ГА): УРОЖАЙНОСТЬ (Ц/ГА): КАЧЕСТВО-1 класс КАЧЕСТВО-2 класс КАЧЕСТВО-3 класс

{32.10, 45.93} {45.93, 59.76} {59.76, 73.59}

: Генерация отчетаР2СортировкаРЗПечатьР4ПоискР8Расч.внешней валид.РЭУдал.классов

Рисунок 8. Экранные формы режима _62 системы «Эйдос» до и после повышения достоверности модели методом дивизивной кластеризации

Из сопоставительного анализа таблиц 7 и 8 и рисунка 8 можно сделать следующие выводы:

- в результате разделения классов на типичную и нетипичную части достоверность верной идентификации повысилась на 12%, достоверность верной неидентификации при этом немного понизилась, но общая (средняя) достоверность модели возросла на 3% (конечно, это небольшое повышение качества модели, однако улучшить изначально хорошую модель очень сложно);

- при прогнозировании и принятии решений целесообразно учитывать дифференциальную достоверность идентификации по классам, связанную со степенью их детерминированности;

- применение модели чаще всего обеспечивает во много раз более высокую достоверность, чем случайное угадывание или не использование модели, однако по слабодетерминированным классам это не так и их неце-

лесообразно учитывать при прогнозировании и рассматривать при анализе модели.

6. Решение с помощью СИМ задач прогнозирования и поддержки принятия решений, а также исследования предметной области.

6.1. Задача 2: "Разработка методики прогнозирования влияния технологических факторов на объемы производства продукции и услуг, их качество, на прибыль и рентабельность фирмы".

В системе "Эйдос" есть стандартный режим _42, обеспечивающий подсчет для каждого результата работы фирмы, представленного в распознаваемой выборке, суммарного количества знаний, которое содержится в интервальных значениях факторов о принадлежности данного результата к каждому из классов. Затем в режиме___431 все классы сортируются (ранжи-

руются) в порядке убывания суммарного количества информации о принадлежности к ним, содержащегося в описании результата. Эта информация представляется в виде экранных форм и файлов (рисунки 9 - 10):

Универсальная когнитивная аналитическая система.

(с) нпп *эидос*

М"анкеты:

Наим.физ.источника:

Качество:

Код

Наименование класса

% Сх Гистограмма сходств/различии

20

11

16

3 17 14

6

4

УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {60 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {13.93, УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ УРОЖАЙНОСТЬ (Ц/ГА): {59.76, 73. УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {1821.2 КАЧЕСТВО-3 класс КАЧЕСТВО-1 класс

7 56 7 54

7 31 7 26 25 23 7 23 21

г

9

І

7

18

15

12

УРОЖАЙНОСТЬ (Ц/ГА): {45.93. 59. ПРИБЫЛЬ (ТЫС.РУБ./ГА): {1.60, 7 УРОЖАЙНОСТЬ СЦ/ГА): {32.10, 45. КАЧЕСТВО-4 класс УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {126.00

-2

-11

-12

-16

-17

Свернуть классы ГіРазвернуть классы Б Печать карточки ИПечать всех карточек

Рисунок 9. Пример экранной выходной формы с желательными для фирмы результатами прогнозирования (максимальная удельная прибыль)

*5 N:\WINDOWS\system32\cmd.exe

Универсальная когнитивная аналитическая система.

\Ж

(с) НПП

М"анкеты:

Наим.физ.источника:

Код

1

9

18

12

17

14

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

15

13

2

6

3

19

10

Наименование класса

КАЧЕСТВО-5 класс УРОЖАЙНОСТЬ (Ц/ГА): {32.10, 45. ПРИБЫЛЬ (ТЫС.РУБ./ГА): {1.60, 7 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {126.00 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {1321.2 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ

ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {973.60 УРОЖАЙНОСТЬ (Ц/ГА): {45.93, 59. КАЧЕСТВО-3 класс УРОЖАЙНОСТЬ (Ц/ГА): {59.76. 73. УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {32 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {7.77, 1

% Сх Гистограмма сходств/различии

7 35

7 31 7 17 7 14 7 9 7 6

7 6

Свернуть классы ГІРазвернуть классы Б Печать карточки ИПечать всех карточек

Рисунок 10. Пример экранной выходной формы с нежелательными для фирмы

результатами прогнозирования (минимальная прибыль)

Птичками "V" На рисунках 9 - 10 отмечены классы, к которым данные результаты работы фирмы действительно относится.

Важно, что полученные результаты допускают наглядную графическую картографическую визуализацию [17].

Если в распознаваемой выборке представлено сразу несколько примеров результатов работы фирмы, то может представлять интерес другая форма вывода информации о результатах прогнозирования по ним, например по степени сходства с желаемым классом (высокая урожайность) (рисунок 11):

** H:\WINDOWS\system 32\cmd.exe

Универсальная когнитивная аналитическая система.

21:27 СО нпп »эидос*

РОЖАИНОСТЬ (Ц/ГА): {59.76, 73.59}

Качество:

Код

Информационным источник

Сход

Гистограмма сходств/различии

63

59

57

75

74

52

62

54

2006 П 5 2006 П13 2005 ПЗ 2003 П15 2003 П14

2005 П11

2006 П 4 2005 П17

V 27

V 26

V 25

V 24

26

31

15

14

50

24

12

13

2002 П1 2002 П2 2001 П11

2000 П 2 2004 П8

2001 П7 2000 П14 2000 П15

-13

-14

-15

-16

-15

-19

Стр.Т Г2Стр. | г: Печать карточки МПечать всех карточек Гечлр сводной формы

Рисунок 11. Пример экранной формы карточки прогнозирования с классом: «УРОЖАЙНОСТЬ (Ц/ГА): {59.76, 73.59}»

6 .2. Задача 3: "Разработка методики поддержки принятия решений

о выборе таких технологических факторов, которые бы обеспечили бы производство заданных объемов продукции и услуг заданного качества, а также заданную прибыль и рентабельность фирмы".

Данная задача является обратной по отношению к задаче прогнозирования. Если при прогнозировании по заданным интервальным значениям факторов определяется, какие результаты работы фирмы ими обусловливаются, то в задаче принятия решений, наоборот: по заданным целевым результатам работы фирмы определяется, какие интервальные значения технологических факторов детерминируют получение этих результатов, а какие препятствуют этому.

Данная задача решается во многих режимах системы "Эйдос", в частности в режиме___511, который выдает следующие формы (таблицы 9 и

10), содержащие знания об интервальных значениях технологических факторов, которые в различной степени способствует или препятствует (красным) получению заданных хозяйственно-экономических результатов.

Таблица 9 - ИНФОРМАЦИОННЫЙ ПОРТРЕТ КЛАССА: УРОЖАЙНОСТЬ (Ц/ГА): {59.76, 73.59}

NUM KOD NAME BIT %

1 225 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-2,8кг/га, Альфацин-100г/г 0,69911 16,18

2 5 СОРТ ОЗИМ.ПШЕНИЦЫ-Вита 0,61211 14,18

3 31 СОРТ ОЗИМ.ПШЕНИЦЫ-Фортуна 0,61211 14,18

4 50 ПРЕДШЕСТ. 2-кук.силосная 0,61211 14,18

б 103 ПРЕДШЕСТ. 1-сах.свекла 0,61211 14,18

б 106 ПРЕДШЕСТ. В-кук.зерно 0,61211 14,18

1 149 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 209 0,61211 14,18

B 153 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 216 0,61211 14,18

9 156 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 223 0,61211 14,18

10 159 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 230 0,61211 14,18

11 161 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 234 0,61211 14,18

12 162 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 235 0,61211 14,18

13 169 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 245 0,61211 14,18

14 110 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 246 0,61211 14,18

15 195 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-1ц/га, Хлор.калий-1ц/га, 0,61211 14,18

1б 191 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-2,5ц/га ,N-36, P-103, Хло 0,61211 14,18

11 19В ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-2ц/га, N-15, P-62 0,61211 14,18

1B 200 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-1,5ц/га, N-16, P-42, 0,61211 14,18

19 204 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га ,N-24, P-62, Хл 0,61211 14,18

20 205 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-20, P-52, Хл 0,61211 14,18

21 20В ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-21, P-54, Хл 0,61211 14,18

22 210 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га, N-29, P-15, Хл 0,61211 14,18

23 212 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-2ц/га,Калий-1ц/га N- 0,61211 14,18

24 214 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Хлор.калий, К-б1,б, Аммофос, N-11 0,61211 14,18

25 215 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Хлористый калий, К-б1, Диаммофоск 0,61211 14,18

2б 216 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Хлористый калий-1 ц/га, К-б1, Аммо 0,61211 14,18

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

21 222 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Бром БД-0,Зл/га, Клерат-3,4кг/г 0,61211 14,18

2B 223 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Бром БД-0,Вл/га, Альфацин-100г/ 0,61211 14,18

29 224 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-12,бкг/га, Альфацин-100г/ 0,61211 14,18

30 221 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-З,1кг/га, Альфацин-100г/г 0,61211 14,18

31 229 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-1,бкг/га, Альфацин-100г/г 0,61211 14,18

32 235 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Радикум-0,бл/га, Альфацин-100г/ 0,61211 14,18

33 249 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Эстерон-08л/га 0,61211 14,18

34 25В ПОДКОРМКА ПРИ СЕВЕ-Аммофос-0,5ц/га ,N-6, P-25 0,61211 14,18

35 259 ПОДКОРМКА ПРИ СЕВЕ-Аммофос-0,5ц/га, N-б P-25 0,61211 14,18

Зб 260 ПОДКОРМКА ПРИ СЕВЕ-Аммофос-2ц/га, N-12, P-23,4 0,61211 14,18

31 261 ПОДКОРМКА ПРИ СЕВЕ-Диаммофоска-2ц/га ,N-56 P-23 0,61211 14,18

3B 2ВЗ 1-Я ПОДКОРМКА-Ам.селитра-2ц/га ,N-51 0,61211 14,18

39 2В4 1-Я ПОДКОРМКА-Ам.селитра-2ц/га ,N-51 0,61211 14,18

40 290 1-Я ПОДКОРМКА-Ам.силитра-2,5ц/га, N-бВ 0,61211 14,18

41 311 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-фалькон-0,5л/га 0,61211 14,18

42 202 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-1ц/га^-12, P-30 0,58002 13,42

43 305 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Дерозал-Евро-0,бг/га 0,58002 13,42

44 220 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Альфацин-100г/га 0,54943 12,11

45 236 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Фостак-100г/га 0,52631 12,18

4б ЗОб БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Рекс-дуо-0,Зл/га, Фалькон-0, 0,52631 12,18

41 310 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Фалькон-0,5л/га 0,52631 12,18

4B 131 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование 8-10 0,50691 11,13

49 24В БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Эстерон-0,8л/га 0,50691 11,13

50 21 СОРТ ОЗИМ.ПШЕНИЦЫ-Победа-50 0,41638 11,02

51 115 ПРЕДШЕСТ. 9-горох 0,45326 10,49

52 4 СОРТ ОЗИМ.ПШЕНИЦЫ-Батько 0,42051 9,13

53 60 ПРЕДШЕСТ. 3-мног.травы 0,42051 9,13

54 61 ПРЕДШЕСТ. 4-кук.зерно 0,42051 9,13

55 116 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 254 0,42051 9,13

5б 291 1-Я ПОДКОРМКА-Ам.силитра-2ц/га, N-68,8 0,42051 9,13

51 29В 3-Я ПОДКОРМКА-Мочевина-48кг/га 0,42051 9,13

5B 300 3-Я ПОДКОРМКА-Мочевина-50кг/га, 0,42051 9,13

59 303 МИКРО И МАКРО ЭЛЕМЕНТЫ (СНИЖЕНИЕ СТРЕССА)-Кристалон-2кг/га 0,35894 8,31

бО 28 СОРТ ОЗИМ.ПШЕНИЦЫ-Татьяна 0,32541 1,53

б1 15В ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 228 0,30441 1,04

б2 99 ПРЕДШЕСТ. 1-мног.травы 0,29422 6,81

бЗ 16 СОРТ ОЗИМ.ПШЕНИЦЫ-Москвич 0,28424 6,58

б4 24 СОРТ ОЗИМ.ПШЕНИЦЫ-Селянка 0,28424 6,58

б5 4В ПРЕДШЕСТ. 2-кук.зерно 0,28424 6,58

бб 68 ПРЕДШЕСТ. 4-кук.зерновая 0,28424 6,58

б1 91 ПРЕДШЕСТ. б-озим.ячмень 0,28424 6,58

6b 101 ПРЕДШЕСТ. В-кук.зерновая 0,28424 6,58

б9 124 ПРЕДШЕСТ. 9-яров.ячмень 0,28424 6,58

10 142 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-пахота 25-21 0,28424 6,58

11 154 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 218 0,28424 6,58

12 165 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 239 0,28424 6,58

13 166 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 240 0,28424 6,58

14 168 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 242 0,28424 6,58

15 196 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Аммофос-2,Зц/га ,N-42, P-11B, Хло 0,28424 6,58

16 253 ПОДКОРМКА ПРИ СЕВЕ-Ам.селитра-1 ц/га ,N-11,5 0,28424 6,58

11 251 ПОДКОРМКА ПРИ СЕВЕ-Ам.силитра-1 ц/га, N-11,5 0,28424 6,58

18 244 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Дикамерон-200г/га 0,24311 5,64

19 21 СОРТ ОЗИМ.ПШЕНИЦЫ-Таня 0,23128 5,49

ВО 19 ПРЕДШЕСТ. 5-мног.травы 0,22842 5,29

81 109 ПРЕДШЕСТ. 8-мног.травы 0,22261 5,15

82 12 СОРТ ОЗИМ.ПШЕНИЦЫ-Краснодарская-99 0,19456 4,50

83 51 ПРЕДШЕСТ. 2-мног.травы 0,11850 4,13

84 16 ПРЕДШЕСТ. 5-кук.зерно 0,11850 4,13

85 111 ПРЕДШЕСТ. 9-кук.зерновая 0,11850 4,13

Вб 10 ПРЕДШЕСТ. 4-мног.травы 0,14191 3,42

81 89 ПРЕДШЕСТ. б-мног.травы 0,14191 3,42

88 299 3-Я ПОДКОРМКА-Мочевина-50кг/га 0,11666 2,10

89 138 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование в два следа 8-1 0,10998 2,54

90 139 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование в три следа 8-1 0,10215 2,38

91 63 ПРЕДШЕСТ. 3-подсолнечник 0,09139 2,25

92 39 ПРЕДШЕСТ. 1-горох 0,09210 2,13

93 42 ПРЕДШЕСТ. 1-мног.травы 0,09210 2,13

94 59 ПРЕДШЕСТ. 3-кук.силосная 0,09210 2,13

95 65 ПРЕДШЕСТ. 3-соя 0,09210 2,13

96 15 ПРЕДШЕСТ. 5-горох 0,09210 2,13

91 Вб ПРЕДШЕСТ. б-кук.зерно 0,09210 2,13

9В 123 ПРЕДШЕСТ. 9-сах.свекла 0,09210 2,13

99 181 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 261 0,09210 2,13

100 44 ПРЕДШЕСТ. 1-подсолнечник 0,01366 1,10

101 286 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-68 0,06293 1,46

102 90 ПРЕДШЕСТ. б-озим.пшеница 0,06265 1,45

103 110 ПРЕДШЕСТ. В-озим.пшеница 0,05521 1,28

104 1 ПЛОЩАДЬ (ГА): {49.00, 19.00} 0,04211 0,98

105 82 ПРЕДШЕСТ. 5-подсолнечник 0,04211 0,98

106 9В ПРЕДШЕСТ. 1-кук.силосная 0,01158 0,21

101 1В ПРЕДШЕСТ. 5-кук. силосная -0,00300 -0,01

108 46 ПРЕДШЕСТ. 1-соя -0,02406 -0,56

109 45 ПРЕДШЕСТ. 1-сах.свекла -0,03160 -0,81

110 64 ПРЕДШЕСТ. 3-сах.свекла -0,03160 -0,81

111 3 ПЛОЩАДЬ (ГА): {109.00, 139.00} -0,03856 -0,89

112 15 СОРТ ОЗИМ.ПШЕНИЦЫ-Лира -0,04423 -1,02

113 53 ПРЕДШЕСТ. 2-озим.ячмень -0,04423 -1,02

114 112 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 248 -0,04423 -1,02

115 216 1-Я ПОДКОРМКА-Ам.селитра-1,5ц/га, N-34 -0,04423 -1,02

116 11 ПРЕДШЕСТ. 4-озим.пшеница -0,04914 -1,14

111 52 ПРЕДШЕСТ. 2-озим.пшеница -0,01955 -1,84

118 120 ПРЕДШЕСТ. 9-озим.пшеница -0,08416 -1,96

119 83 ПРЕДШЕСТ. 5-сах. свекла -0,09119 -2,11

120 111 ПРЕДШЕСТ. В-озим.ячмень -0,10005 -2,31

121 112 ПРЕДШЕСТ. В-подсолнечник -0,10005 -2,31

122 119 ПРЕДШЕСТ. 9-мног.травы -0,13391 -3,10

123 12 ПРЕДШЕСТ. 4-озим.ячмень -0,14201 -3,29

124 13 СОРТ ОЗИМ.ПШЕНИЦЫ-Крошка -0,14998 -3,41

125 40 ПРЕДШЕСТ. 1-кук.зерно -0,14998 -3,41

126 69 ПРЕДШЕСТ. 4-кук.силосная -0,14998 -3,41

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

121 250 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Эстерон-800г/га, Тиллура-био -0,14998 -3,41

128 41 ПРЕДШЕСТ. 1-кук.силосная -0,18056 -4,18

129 81 ПРЕДШЕСТ. 5-озим. ячмень -0,23638 -5,41

130 118 ПРЕДШЕСТ. 9-кук.силосная -0,23638 -5,41

131 238 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Циткор-100г/га, Рогор-500г/га -0,23638 -5,41

132 252 ПОДКОРМКА ПРИ СЕВЕ-Ам.селитра-1 ц/га, N-11,5 -0,23638 -5,41

133 261 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-68,8 -0,23638 -5,41

134 ВО ПРЕДШЕСТ. 5-озим.пшеница -0,21126 -6,28

135 121 ПРЕДШЕСТ. 9-озим.ячмень -0,21431 -б,35

136 100 ПРЕДШЕСТ. 1-озим.пшеница -0,21914 -6,46

131 2 ПЛОЩАДЬ (ГА): {19.00, 109.00} -0,30184 -6,98

138 13 ПРЕДШЕСТ. 4-подсолнечник -0,30943 -1,16

139 88 ПРЕДШЕСТ. б-кук.силосная -0,30943 -1,16

140 95 ПРЕДШЕСТ. 1-горох -0,30943 -1,16

141 101 ПРЕДШЕСТ. 1-озим.ячмень -0,30943 -1,16

142 135 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование 10-12 -0,34840 -8,06

143 108 ПРЕДШЕСТ. В-кук.силосная -0,36213 -8,39

144 234 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Лямбда-100г/га -0,36213 -8,39

145 61 ПРЕДШЕСТ. 3-озим.пшеница -0,40143 -9,29

146 243 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Дианат-0,2л/га, Гранстар-про -0,41966 -9,11

141 92 ПРЕДШЕСТ. б-подсолнечник -0,41845 -11,01

148 102 ПРЕДШЕСТ. 1-подсолнечник -0,52361 -12,12

149 122 ПРЕДШЕСТ. 9-подсолнечник -0,56485 -13,01

150 309 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Рекс-дуо-0,бг/га -0,56485 -13,01

151 231 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Фосфид-цинка-0,011 г/га -0,85209 -19,12

Таблица 10 - ИНФОРМАЦИОННЫЙ ПОРТРЕТ КЛАССА: УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {601.74, 873.87}

NUM KOD NAME BIT %

1 225 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-2,8кг/га, Альфацин-100г/г 1,22429 28,33

2 5 СОРТ ОЗИМ.ПШЕНИЦЫ-Вита 1,13189 26,33

3 50 ПРЕДШЕСТ. 2-кук.силосная 1,13189 26,33

4 149 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 209 1,13189 26,33

5 222 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Бром БД-0,Зл/га, Клерат-3,4кг/г 1,13189 26,33

б 223 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Бром БД-0,8л/га, Альфацин-100г/ 1,13189 26,33

1 224 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-12,бкг/га, Альфацин-100г/ 1,13189 26,33

В 221 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-З,1кг/га, Альфацин-100г/г 1,13189 26,33

9 229 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Варат-1,бкг/га, Альфацин-100г/г 1,13189 26,33

10 235 БОРЬБА С ВРЕДИТ.(ПРЕПАРАТ И ДОЗА)-Радикум-0,бл/га, Альфацин-100г/ 1,13189 26,33

11 202 ОСНОВН.ВНЕСЕН.УДОБ.(КГ/ГА Д.В.)-Диаммофоска-1ц/га^-12, P-30 1,10519 25,51

12 305 БОРЬБА С БОЛЕЗНЯМИ (ПРЕПАРАТ И ДОЗА)-Дерозал-Евро-0,бг/га 1,10519 25,51

13 158 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 228 0,82958 19,19

14 16 СОРТ ОЗИМ.ПШЕНИЦЫ-Москвич 0,80941 18,13

15 165 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 239 0,80941 18,13

16 283 1-Я ПОДКОРМКА-Ам.селитра-2ц/га ,N-51 0,80941 18,13

11 138 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование в два следа 8-1 0,63515 14,10

1В 303 МИКРО И МАКРО ЭЛЕМЕНТЫ (СНИЖЕНИЕ СТРЕССА)-Кристалон-2кг/га 0,б2Вб9 14,55

19 21 СОРТ ОЗИМ.ПШЕНИЦЫ-Таня 0,62613 14,49

20 65 ПРЕДШЕСТ. 3-соя 0,61121 14,28

21 Вб ПРЕДШЕСТ. б-кук.зерно 0,61121 14,28

22 181 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 261 0,61121 14,28

23 291 1-Я ПОДКОРМКА-Ам.силитра-2ц/га, N-68,8 0,61121 14,28

24 298 3-Я ПОДКОРМКА-Мочевина-48кг/га 0,61121 14,28

25 300 3-Я ПОДКОРМКА-Мочевина-50кг/га, 0,61121 14,28

26 103 ПРЕДШЕСТ. 1-сах.свекла 0,54422 12,59

21 115 ПРЕДШЕСТ. 9-горох 0,54422 12,59

2В 139 ОБРАБОТКА ПОЧВЫ(СПОСОБ И ГЛУБИНА (СМ))-дискование в три следа 8-1 0,52211 12,08

29 46 ПРЕДШЕСТ. 1-соя 0,50111 11,59

30 15 СОРТ ОЗИМ.ПШЕНИЦЫ-Лира 0,48094 11,13

31 4В ПРЕДШЕСТ. 2-кук.зерно 0,48094 11,13

32 112 ПОСЕВ (СПОСОБ И НОРМА ВЫСЕВА (КГ/ГА))-рядовой 248 0,48094 11,13

33 244 БОРЬБА С СОРНЯКАМИ (ПРЕПАРАТ И ДОЗА)-Дикамерон-200г/га 0,44041 10,19

34 60 ПРЕДШЕСТ. 3-мног.травы 0,42513 9,84

35 112 ПРЕДШЕСТ. В-подсолнечник 0,42513 9,84

Зб 119 ПРЕДШЕСТ. 9-мног.травы 0,39126 9,05

31 12 ПРЕДШЕСТ. 4-озим.ячмень 0,38316 8,81

38 51 ПРЕДШЕСТ. 2-мног.травы 0,31520 8,68

39 69 ПРЕДШЕСТ. 4-кук.силосная 0,31520 8,68

40 16 ПРЕДШЕСТ. 5-кук.зерно 0,31520 8,68

41 123 ПРЕДШЕСТ. 9-сах.свекла 0,28880 6,68

42 299 3-Я ПОДКОРМКА-Мочевина-50кг/га 0,26819 6,21

43 109 ПРЕДШЕСТ. 8-мног.травы 0,22111 5,26

44 88 ПРЕДШЕСТ. б-кук.силосная 0,21515 4,99

45 101 ПРЕДШЕСТ. 1-озим.ячмень 0,21515 4,99

46 63 ПРЕДШЕСТ. 3-подсолнечник 0,18835 4,36

41 99 ПРЕДШЕСТ. 1-мног.травы 0,16245 3,16

4В 45 ПРЕДШЕСТ. 1-сах.свекла 0,15910 3,68

49 10 ПРЕДШЕСТ. 4-мног.травы 0,15241 3,53

50 90 ПРЕДШЕСТ. б-озим.пшеница 0,13502 3,12

51 82 ПРЕДШЕСТ. 5-подсолнечник 0,13312 3,08

52 83 ПРЕДШЕСТ. 5-сах.свекла 0,10551 2,44

53 110 ПРЕДШЕСТ. В-озим.пшеница 0,10106 2,34

54 19 ПРЕДШЕСТ. 5-мног.травы 0,09665 2,24

55 3 ПЛОЩАДЬ (ГА): {109.00, 139.00} 0,08509 1,91

56 12 СОРТ ОЗИМ.ПШЕНИЦЫ-Краснодарская-99 0,06219 1,45

51 9В ПРЕДШЕСТ. 1-кук.силосная 0,01614 0,31

58 44 ПРЕДШЕСТ. 1-подсолнечник 0,00516 0,12

59 1В ПРЕДШЕСТ. 5-кук.силосная 0,00156 0,04

60 286 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-68 -0,00551 -0,13

61 64 ПРЕДШЕСТ. 3-сах.свекла -0,03305 -0,16

62 122 ПРЕДШЕСТ. 9-подсолнечник -0,03968 -0,92

63 261 1-Я ПОДКОРМКА-Ам.селитра-2ц/га, N-68,8 -0,03968 -0,92

64 1 ПЛОЩАДЬ (ГА): {49.00, 19.00} -0,08960 -2,01

65 52 ПРЕДШЕСТ. 2-озим.пшеница -0,14804 -3,43

бб 120 ПРЕДШЕСТ. 9-озим.пшеница -0,15325 -3,55

61 41 ПРЕДШЕСТ. 1-кук.силосная -0,11600 -4,01

68 11 ПРЕДШЕСТ. 4-озим.пшеница -0,18091 -4,19

69 100 ПРЕДШЕСТ. 1-озим.пшеница -0,18819 -4,35

10 61 ПРЕДШЕСТ. 3-озим.пшеница -0,20413 -4,14

11 2 ПЛОЩАДЬ (ГА): {19.00, 109.00} -0,29129 -6,88

12 ВО ПРЕДШЕСТ. 5-озим.пшеница -0,40303 -9,33

Необходимо отметить, что задача выявления фактически имеющихся зависимостей, и задача содержательного объяснения причин существова-

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

ния именно обнаруженных зависимостей, а не каких-либо других, т.е. задача содержательной интерпретации обнаруженных зависимостей, -

это совершенно разные задачи. По мнению авторов, задача интерпретации должна решаться специалистами в моделируемой предметной области, однако сама возможность применения обнаруженных зависимостей в практике прогнозирования и принятия решений не связано с наличием или отсутствием такой содержательной интерпретации или со степенью ее адекватности.

6.3. Задача 4: «Исследование предметной области» решается применением режимов системы «Эйдос», предназначенных для этих целей, которые приведены в работе [1]. Подробные примеры применения этих режимов приведены в работах [2-14]. Классификация исследовательских задач, которые могут решаться с применением системы «Эйдос», приведена в работе [16]. Здесь же отметим лишь, что одновременно получить высокий урожай озимой пшеницы высокого качества невозможно, т.к. системы детерминации этих классов, соответствующих эти результатам, сильно отличаются друг от друга (таблица 11). Наибольшая удельная прибыль с поля достигается при максимальной урожайности, а не наиболее высоком качестве озимой пшеницы (таблица 12).

Таблица 11 - КОНСТРУКТ «УРОЖАЙНОСТЬ»

№ Код Наименование класса Сходство, %

1 3 УРОЖАЙНОСТЬ (Ц/ГА): {59.76, 73.59} 100,00

2 20 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {601.74, 873.87} 41,71

3 11 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {13.93, 20.10} 38,41

4 6 КАЧЕСТВО-3 класс 31,42

5 16 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {41.49, 78.76} 26,69

6 14 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {1821.20, 2668.80} 25,60

7 19 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {329.61, 601.74} 24,84

8 10 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {7.77, 13.93} 23,82

9 13 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {973.60, 1821.20} 23,28

10 17 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {78.76, 116.03} 22,20

11 8 КАЧЕСТВО-5 класс 20,15

12 5 КАЧЕСТВО-2 класс 14,29

13 4 КАЧЕСТВО-1 класс 12,03

14 12 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {126.00, 973.60} -5,36

15 18 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57.48, 329.61} -8,80

16 9 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {1.60, 7.77} -10,33

17 15 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {4.22, 41.49} -16,42

18 7 КАЧЕСТВО-4 класс -20,85

19 1 УРОЖАЙНОСТЬ (Ц/ГА): {32.10, 45.93} -23,21

20 2 УРОЖАЙНОСТЬ (Ц/ГА): {45.93, 59.76} -28,72

Таблица 12 - КОНСТРУКТ «УДЕЛЬНАЯ П] РИБЫЛЬ»

№ Код Наименование класса Сходство, %

1 20 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {601.74, 873.87} 100,00

2 11 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {13.93, 20.10} 91,91

3 14 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {1821.20, 2668.80} 70,63

4 17 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {78.76, 116.03} 63,40

5 5 КАЧЕСТВО-2 класс 46,41

6 3 УРОЖАЙНОСТЬ (Ц/ГА): {59.76, 73.59} 41,71

7 4 КАЧЕСТВО-1 класс 39,46

8 16 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {41.49, 78.76} 27,36

9 13 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {973.60, 1821.20} 21,68

10 6 КАЧЕСТВО-3 класс 7,09

11 19 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {329.61, 601.74} -2,20

12 10 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {7.77, 13.93} -2,77

13 2 УРОЖАЙНОСТЬ (Ц/ГА): {45.93, 59.76} -12,99

14 8 КАЧЕСТВО-5 класс -14,04

15 1 УРОЖАЙНОСТЬ (Ц/ГА): {32.10, 45.93} -22,70

16 7 КАЧЕСТВО-4 класс -23,43

17 9 ПРИБЫЛЬ (ТЫС.РУБ./ГА): {1.60, 7.77} -32,41

18 18 УДЕЛЬНАЯ ПРИБЫЛЬ (У.Е./ГА): {57.48, 329.61} -32,77

19 12 ПРИБЫЛЬ (ТЫС.РУБ/ПОЛЕ): {126.00, 973.60} -42,69

20 15 УДЕЛЬНАЯ ПРИБЫЛЬ (ТЫС.У.Е./ПОЛЕ): {4.22, 41.49} -50,69

Возможность одновременного получения различных хозяйственноэкономических результатов видна из семантических сетей классов, построенных на основе матрицы сходства обобщенных образов классов по их системам детерминации (рисунки 12 и 13).

Рисунок 12. Семантическая сеть классов, отражающих хозяйственные результаты

7. Основной принцип оценки экономической эффективности разработанной методики (при условии ее применения в деятельности реальной фирмы) состоит в том, что данная методика позволяет создать научно

обоснованный образ желательных результатов (как и образ нежелательных), за счет чего рентабельность и прибыль компании повысится. Экономическая эффективность применения данной методики может оцениваться как разница между прибылью, полученной в условиях ее применения и прибылью без нее, причем прибыль, полученная в условиях применения методики учитывает и затраты на ее приобретение и применение.

8. При планировании данного исследования авторы ставили цель лишь оценить возможность применения технологии СК-анализа для решения задачи выявления технологических знаний из бизнес-процессов и применения этих знаний для получения заданных хозяйственных и экономических результатов. Данное исследование показало, что это возможно и перспективно. Представленный в работе вариант исследования имеет ряд ограничений и недостатков, в преодолении которых и состоит перспектива его развития. В частности целесообразно было бы увеличить объем исследуемой выборки за счет увеличения периода времени, за который исследуется деятельность фирмы и использования информации других фирм.

Выводы.

В статье описана интеллектуальная консалтинговая система, обеспечивающая выявление технологических знаний путем системнокогнитивного анализа бизнес-процессов, а также поддержку принятия решений по эффективному применению этих знаний с целью достижения заданных показателей хозяйственно-экономических эффективности. Приводится подробный численный пример применения системы на реальных данных одной из Кубанских фирм для выявления технологических знаний по выращиванию озимой пшеницы и применению этих знаний для поддержки принятия решений по выбору конкретной агротехнологии, обеспечивающей желаемые показатели урожайности озимой пшеницы, ее качества, а также прибыли и рентабельности. Предлагается применять наглядную многослойную графическую картографическую визуализацию результатов прогнозирования урожайности культуры (и сорта), качества, прибыли и рентабельности по полям фирмы.

Литература2

1. Луценко Е.В. 30 лет системе «Эйдос» - одной из старейших отечественных универсальных систем искусственного интеллекта, широко применяемых и развивающихся и в настоящее время / Е.В. Луценко // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №10(54). - Шифр Информрегистра: 0420900012\0110. - Режим доступа: http://ej.kubagro.ru/2009/10/pdf/04.pdf

2. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1995. -76с.

3. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1996. -280с.

2 Для удобства читателей эти работы размещены на его сайтах: http://lc.kubagro.ru и http://lc.narod.ru

4. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание). - Краснодар: ТУ КубГТУ, 1999. -318с.

5. Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред. В.С.Симанкова. - Краснодар: ИСТЭК КубГТУ, 2001. -258с.

6. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605с.

7. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие с грифом УМО для студентов специальности 351400 "Прикладная информатика (по отраслям)". -Краснодар: КубГАУ. 2004. - 633с.

S. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом: Монография (научное издание). - Краснодар: КубГАУ. 2005. -480с.

9. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие с грифом министерства для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.- Краснодар: КубГАУ, 2006. -615с.

10. Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие с грифом министерства для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп. - Краснодар: КубГАУ, 2006. - 318с.

11. Наприев И. Л., Луценко Е.В., Чистилин А.Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях: Монография (научное издание). - Краснодар: КубГАУ. 2008. -262с.

12. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). - Краснодар: КубГАУ, 2008. -257с.

13. Трунев А.П., Луценко Е.В. Астросоциотипология: Монография (научное издание). - Краснодар: КубГАУ, 2008. -264с.

14. Луценко Е.В., Коржаков В.Е., Лаптев В.Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом): Под науч. ред. д.э.н., проф. Е.В.Луценко. Монография (научное издание). - Майкоп: АГУ. 2009. - 536 с.

15. Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла Шенка -Абельсона / Е.В. Луценко // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №03(5). - Режим доступа: http://ei.kubagro.ru/2004/03/pdf/04.pdf

16. Луценко Е.В. Исследование двухуровневой семантической информационной модели агропромышленного холдинга / Е.В. Луценко, В.И. Лойко, О.А. Макаревич // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №08(42). - Шифр Информ-регистра: 0420800012\0118. - Режим доступа: http://ei .kubagro.ru/2008/08/pdf/03 .pdf

17. Луценко Е.В. Системно-когнитивный анализ функций и восстановление их значений по признакам аргумента на основе априорной информации (интеллектуальные технологии интерполяции, экстраполяции, прогнозирования и принятия решений по картографическим базам данных) / Е.В. Луценко // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). - Шифр Информрегистра: 0420900012\00бб. - Режим доступа: http://ei.kubagro.ru/2009/07/pdf/06.pdf

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Луценко Евгений Вениаминович, Коржаков Валерий Евгеньевич, Ладыга Александр Иванович

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Луценко Евгений Вениаминович, Коржаков Валерий Евгеньевич, Ладыга Александр Иванович

INTELLECTUAL CONSULTING SYSTEM OF REVEALING OF TECHNOLOGICAL KNOWLEDGE AND THEIR EFFECTIVE APPLICATION DECISION-MAKING ON THE BASIS OF SYSTEMIC-COGNITIVE ANALYSIS OF BUSINESS PROCESSES