Системный анализ стратегий устойчивого развития

Введение. Социально-экономическое развитие региона с учетом экологических факторов зависит от эффективности принимаемых управленческих решений, которую невозможно обеспечить без сравнения их многочисленных возможных вариантов, возникающих на практике, с оценкой их долгосрочных последствий (экономических, социальных, экологических). Это приводит к сложным междисциплинарным задачам оптимизации и сценарного анализа. Для их решения наиболее подходящими представляются динамические модели, характерные для математической теории управления, которые отражают эволюцию экономических, социальных и экологических компонент во взаимодействии при различных управленческих и внешних воздействиях, и реализованные на современных компьютерах. Работы по созданию подобных моделей и в целом основанной на них методологии системного анализа имеют достаточно богатую историю.

В начале 1970-х гг. под эгидой Римского клуба были разработаны современные модели мировой динамики [1; 2], сыгравшие важную роль в оценке угрозы экологического кризиса и становлении современной парадигмы устойчивого развития. Однако они уникальны в своем роде, имеют количественный характер и могут быть реализованы лишь в режиме компьютерной имитации, не допуская сколь-либо глубокого качественного анализа. Это явный методический недостаток, не позволяющий их использовать как инструмент систематических исследований на уровне стран, регионов или охраняемых природных комплексов. Первой, претендующей на роль такого инструмента, была расширенная модель межотраслевого баланса, разработанная в 1972 г. В. Леонтьевым и Д. Фордом [3], в которой учитывались вредные выбросы как «отрицательные продукты». В моделях используются три основных типа переменных: естественные ресурсы, продукты отраслей материального производства и загрязнители. Недостаток этих моделей состоит в том, что они отражают только объемы выбросов загрязнителей в окружающую среду, но не эффект их воздействия на природную подсистему. Важную роль в развитии эколого-экономических исследований в нашей стране сыграли в 70-80-е гг. известные работы К.Г. Гофмана, А.А. Гусева, Е.В. Рюминой, В.И. Денисова, А.Б. Горстко, О.П. Бурматовой, Г.В. Шалабина.

Следует также отметить, что в современной литературе и практических исследованиях большое внимание уделяется построению экологических моделей. На основе таких моделей решаются, в основном, задачи прогнозирования. К ним относится CRYSYS – CRYosphere SYStem (Канада), которая представляет модели климата и криосферы на местном, региональном и глобальном уровне. В рамках проекта НАСА-CASA (Carnegie Ames Stanford Approach) разработана Динамическая Глобальная Модель Растительности (DGVM), включающая сезонные алгоритмы фенологии и, использующая глобальные межгодовые наборы данных, в том числе и от спутника. В Океанографическом центре Саутгемптона (Великобритания) разработана глобальная океаническая модель OCCAM, описывающая изменение скорости, температуры, солености и других параметров. Разработаны крупномасштабные модели для анализа экологических проблем отдельных отраслей промышленности, например модель MARKAL, разработанная и примененная в Швеции и Швейцарии. Развиваются проекты по построению систем моделей, описывающих частные экологические процессы (проект ECOPATH по моделированию водных экосистем для каждого региона Земли), проект MEDIAS и др.

В середине 1970-х гг. в Сибирском отделении Академии наук были инициированы разработки математических моделей, ориентированных на решение проблемы сохранения озера Байкал как уникального природного объекта мирового значения. В качестве методической основы был выдвинут принцип развития классических моделей экономической динамики путем дополнения их экологическими блоками в сопоставимых терминах, что позволило сохранить преимущественно теоретический характер получающихся новых эколого-экономических моделей. Это означало появление достаточно общей методологии моделирования и системного анализа регионов, изложенной весьма обстоятельно в монографиях [4; 5].

Эта методология развивалась интенсивно в ходе новых теоретических исследований в области математических методов моделирования и управления и многочисленных приложений и под влиянием прогресса в компьютерном мире. Изначальная концепция модели региона как эколого- экономической переросла вслед за становлением парадигмы устойчивого развития, в социо-эколого-экономическую, и пополнилась новым блоком, отражающим активные инновационные процессы как важнейший фактор развития [6]. Разработаны специальные эффективные методы оптимизации многочисленных управляющих воздействий, характерных для таких объектов, и соответствующие программно-алгоритмические средства.

В прикладном плане была разработана математическая модель природно-экономической системы Байкальского региона (иркутское Прибайкалье и бассейны рек Селенги, В.Ангары и Баргузина). Имеется опыт использования модели при разработке Генеральной концепции развития производительных сил и ТЕРКСОП бассейна оз. Байкал.

Технология моделирования была апробирована применительно к другим регионам Восточной Сибири, региону Переславля Ярославской обл. и к Сумской обл. на Украине. Для этих регионов была проведена серия модельных компьютерных экспериментов по нескольким сравнительным сценариям, включая инновационные, в которых существенные доли располагаемых инвестиций направлялись в инновационный сектор.

Преимуществом этого класса моделей является возможность проведения как качественного теоретического, так и количественного анализа в имитационном режиме на современных компьютерах.

Активная работа с указанным инструментарием в методическом и прикладном плане позволила естественным образом выявить и сформулировать пути его дальнейшего развития и совершенствования в части формирования систематизированной информации, анализа чувствительности, оптимизации управления с учетом инноваций, многовариантных сценарных расчетов, оценки инвестиционных проектов, программной реализации на современных компьютерах, эффективности использования. Здесь мы рассмотрим более детально важнейшие из них.

Совершенствование инновационного блока модели

Последние версии модели позволяют учесть, как важнейший фактор развития, инновационные изменения. Здесь рассматриваются два подхода. Первый, который можно назвать макроэкономическим, состоит в видоизменении созданных ранее версий модели, в каком-то смысле традиционных, где инновации непосредственно не учитываются [4], путем дополнения ее специальным блоком, описывающим инновационные процессы. При этом понятие «инновация» трактуется формально как любое целенаправленное изменение параметров исходной модели (и не только экономических, а любых), которые прежде рассматривались как константы, а соответствующие затраты включаются в основное соотношение экономического баланса (типа Леонтьева). Такая схема была предложена в работе [6] и успешно использована при практическом моделировании развития ряда конкретных регионов [7]. Одна из методологических проблем здесь состоит в том, чтобы адекватно отобразить взаимосвязь инновационных процессов с инвестиционными, что характерно для современной мировой экономики как преимущественно инновационной. Хотя в модели для этого предусмотрены соответствующие средства, они требуют детализации, главным образом, в части информационного обеспечения, например, данных об удорожании того или иного инвестиционного проекта в зависимости от степени его «инновационности».

Другой подход, который можно рассматривать как микроэкономический, состоит в том, чтобы набор параметров модели (без инноваций) определялся набором измененных параметров и соответствующих инновационных затрат и далее вести сравнительные и оптимизационные расчеты для выбора наилучшего варианта. Он был впервые реализован в [4], где инновация заключалась в появлении предприятия или «отрасли» по переработке отходов.

Очевидно, оба подхода совместимы, могут дополнять друг друга при практических приложениях и могут быть эффективно использованы, на наш взгляд, для комплексной оценки инвестиционных проектов. Предварительный анализ существующих методических подходов к оценке инвестиционных проектов, основанных преимущественно на вероятностных оценках экономических рисков, показывает, что здесь имеются значительные резервы качественного улучшения и количественного уточнения таких оценок.

Приложение к разработкам экономических механизмов природопользования

Разработка экономических механизмов природопользования интенсивно ведется как в нашей стране, так и за рубежом [8; 9; 10] по различным направлениям. Из них отметим два важных взаимосвязанных направления, где применение рассматриваемого инструментария представляется наиболее эффективным.

Первое – нормирование воздействий, приводящих к экологическим нарушениям и вообще к нарушениям условий устойчивого развития. Модель, учитывающая всевозможные взаимодействия в сложной региональной системе перспективна с точки зрения обоснованного назначения подобных норм. Работы в этом плане проводились весьма успешно и нашли отражение в т.ч. в монографии [11], однако резервы здесь далеко не исчерпаны, поскольку имеются возможности не только количественной оценки норм, но и экономической оценки ущербов от их нарушений.

В более широком плане речь идет об экономической оценке природных ресурсов вообще по известному принципу Канторовича объективно обусловленных оценок, возникающих при решении задач оптимизации на экономико-математических моделях. В свою очередь подобные оценки могут быть серьезным подспорьем в реализации такого рыночного механизма, как торговля квотами, в том числе международная торговля. Этот механизм перспективен с точки зрения охраны и рационального использования природных комплексов Сибири и Дальнего Востока, как крупнейшего экорезерва планеты.

Совершенствование математического аппарата и программноалгоритмического комплекса

Применение суперкомпьютеров кластерного типа для реализации наиболее развитых версий модели региона открывает новые перспективы ее эффективного использования, что невозможно при использовании обычных компьютеров с последовательным исполнением программ из-за большой размерности практически значимых версий модели и сложной системы данных. В особенности это относится к инновационным процессам, учет которых в модели без искусственного агрегирования приводит к драматическому росту ее размерности. В этом направлении имеются значительные продвижения. Разработан программный комплекс (DSEEmodel 1.0) [12], на котором проведены убедительные вычислительные эксперименты на суперкомпьютере СКИФ МГУ «Чебышёв» с моделями условных регионов типа «Переславский» и «Байкальский».

Для региона «Переславский» (переменных состояния – 54, управлений – 56) проведены расчеты по улучшению управления. Для региона «Байкальский» (переменных состояния – 3 550, управлений – 3 590) проводились оценки чувствительности критерия к изменению параметров. Результаты представлены в таблицах 1 и 2 .

Таблица 1

Число вычислительных узлов	1	4	8	16
Время работы, с	10331	4184	2262	1160
Ускорение вычислений	1	2.469	4.567	8.906

Таблица 2

Число вычислительных узлов	8	19	38	64
Время работы, с	3466	1483	785	520
Ускорение вычислений	6	15	28	42

Это позволит расширить применяемый круг методов моделирования и теории управления, таких как новые специальные методы поиска приближенных глобально-оптимальных решений (магистралей), эффективные методы улучшения магистральных решений с использованием многомерной аппроксимации, дискретно-непрерывные системы, новые методы и алгоритмы нормирования воздействий: назначения «гибких» норм в зависимости от состояния экономики, природы и социума.

Повышение эффективности использования моделей

Системный анализ региона в прикладном плане предполагает проведение широкой серии вычислительных экспериментов при участии экспертов и руководителей-практиков для решения различных задач, связанных с поиском обоснованных стратегий развития с учетом многочисленных неуправляемых воздействий и неопределенностей. Речь идет по существу о развитом инструментарии поддержки принятия решений на основе модели, в котором сформированная трудоемкая и дорогостоящая информация используется с высокой эффективностью. Это делает актуальным разработку моделей различных уровней и частных моделей (таких, например, как модели эксплуатации биопопуляций и добычи полез- ных ископаемых (Г-Х) и их объединения в единую систему регионального моделирования, схематически представленную на рис. 1).

СИСТЕМА РЕГИОНАЛЬНОГО МОДЕЛИРОВАНИЯ

МОДЕЛИ

ЗАДАЧИ

Абстрактные модели

Социо-экологоэкономическая модель

Модели компонентов - экономики - природы - социума

Частные модели

Информация

Фактографическая

Документальная Методическая

Имитация

Подготовка сценариев

Моделирование неопределенностей Статобработка и игровой диалог

Анализ чувствительности

Оптимизация

Нормир-е воздействий

Другие

Рис. 1. Система регионального моделирования

Наиболее сложными в перспективе, как показывает предшествующий опыт приложений, представляются проблемы информационного обеспечения с учетом сложностей получения междисциплинарных данных о взаимодействиях различных компонентов единой региональной системы. Они подробно рассмотрены в работе В.И. Гурман, Д.Ц. Будаевой [13]. Среди путей решения отметим методологию абстрактных (виртуальных) экспериментов, которая использует математические преобразования модели для выявления содержательного смысла многочисленных неизвестных параметров модели и формулирования соответствующих запросов на языке предметных специалистов. До сих пор эта методология опиралась на линейную или линеаризованную структуру модели. Предстоит обобщить ее на нелинейные конструкции, которые возникают уже при учете инноваций в исходной линейной модели.

В целом же речь должна идти об организации целенаправленных эмпирических исследований, на основе принятой концепции рассматриваемой модели. Важную роль при этом должна также сыграть многоуровневая структура СРМ, где модели нижних уровней, зачастую монодисцип-линарные, несут значительные объемы информации для моделей верхних уровней.

Заключение

Таким образом, созданный в 1970-х гг. модельно-информационнокомпьютерный инструментарий системного анализа региональных проблем и стратегий устойчивого развития, апробированный в серии приложений, имеет перспективы развития в различных направлениях. Среди них наиболее важными представляются перспективы совершенствования инновационных компонентов, применения современных суперкомпьютеров, дальнейшего развития новых эффективных математических методов поиска оптимальных и рациональных решений, приложений к разработкам экономических механизмов, организации целенаправленных эмпирических исследований и создания региональной системы моделирования для наиболее эффективного практического использования разрабатываемых средств системного анализа.

Можно также ожидать, что, как и в ходе предшествующей эволюции этого инструментария, будет внесен существенный вклад в области общеметодологических вопросов математической теории систем, моделирования и управления, который окажет также значительное влияние на образование в этих областях.