Совершенствование процесса принятия управленческих решений в образовательных организациях на основе их документационной поддержки

В настоящее время рыбная отрасль Калининградской области характеризуется наличием проблем, многие из которых не решаются, а лишь накапливаются на протяжении десятилетий. Общеизвестно, что успешность любого проекта в развитие бизнеса связана, в первую очередь, с человеческим фактором. Возрастающее значение интеллектуального потенциала в развитие экономики требует использования непрерывно пополняемых и обновляемых знаний. Кардинальные изменения в системе российского образования ставят задачу формирования у молодых специалистов профессиональных и общих компетенций, то есть взаимосвязанных качеств личности, необходимых для продуктивной профессиональной деятельности. Это актуализирует потребность разработки новых технологий работы со студентами и выбора из них наиболее эффективных. Одной из эффективных педагогических технологий является применение метода моделировании при подготовке будущих специалистов рыбной промышленности. Метод моделирования обеспечивает повышение качества профессионального обучения студентов и степень их готовности к профессиональной деятельности за счет развития инициативности, самостоятельности в принятии решений, мобильности, способности применять полученные знания для решения практических задач.

В статье «Математические модели в управлении рыболовством» мы отмечали, что на современном этапе развития общества невозможно избежать негативных последствий антропогенных нагрузок на природные системы, поэтому особую популярность в прикладных исследованиях приобрели математические модели прогнозирования поведения биологических систем, способствующих созданию условий рационального использования биологических ресурсов [3]. В связи с этим в различных исследованиях применяется множество типов математических моделей [1,2,3]. В настоящее время особую актуальность имеет моделирование популяционной динамики рыбных запасов, позволяющее выполнять оценку состояния запаса с использованием традиционных методов. Моделирование популяционной динамики на основе байесовского подхода позволяет детально описывать процессы, происходящие в популяции. Процесс построения биофизических и математических моделей полезен уже тем, что, позволяет глубже вникнуть в проблему, выявляя в ней логические взаимосвязи. В статье «Математические модели в управлении рыболовством» мы отмечали, что реализация математических моделей, учитывающих промысловое воздействие на рыбные популяции и влияние на них изменений окружающей среды, позволяют выбрать более безопасную стратегию промысла, которая уменьшает вероятность депрессии экосистемы Балтийского моря, а важнейшим услoвием развития промышленного рыболовства, является прогнозирование запасов промысловых рыб в целях обеспечения их оптимального изъятия, сохранения и воспроизводства. [1, c.29].

Рассматривая динамику численности одного поколения, профессор Ф.И. Баранов вывел в 1918 г. соотношение, на которое опирается в настоящее время большинство биостатистических моделей [1, c.4].

Nt+1 = Nt e-zt где Nt –численность поколения в начальный момент времени t, Nt+1– численность в момент времени t+1, e – основание натуральных логарифмов. Показатель степени Z называется коэффициентом мгновенной общей смертности [1, c.6].

Процесс, протекающий в системе, называется марковским, если для каждого момента времени которой вероятность любого состояния системы в будущем определяется только состоянием системы в настоящий момент и не зависит от того, каким образом система пришла в это состояние [1, c.14]. Реализация цепи Маркова в численном виде происходит с помощью модели Гиббса (Gibbs sampler). Она обеспечивает способ выборки из совместных распределений многомерных переменных. Для получения выборки из совместного распределения делаются многократно выборки из представленных одномерных условных распределений. Различные виды внешней информации предполагают ту или иную форму экстраполяции причинно-следственных связей. При этом параметры должны имеет априорное распределение, включающее значения искомого апостериорного распределения. Байесовского подхода на примере продукционной модели представляет собой принципиальную схему оценки параметров модели. Реализация формулы Байеса, когда все параметры и расчетные переменные трактуются как случайные величины, основана на поиске решения системы интегральных уравнений. Процедура поиска решения связана с большим количеством вычислений и базируется на итеративном методе с применением генератора случайных чисел. В настоящее время такие подходы широко используются для описания состояния и прогнозирования динамики запасов морских млекопитающих, рыб и беспозвоночных. Модели, использующие теорему Байеса, успешно адаптируются в целях оценки различного вида рыбных запасов. В статье «Морская стратегия как основа социально-экономического развития Калининградской области» мы отмечали, что «прогнозирования поведения рыбных популяций на основе принципа разумного использования природных ресурсов позволит учесть промысловое воздействие на рыбные популяции и окружающую среду», что позволит более рационально использовать биоресурсы, не приводя к депрессии рыбного запаса [2,c.24].

Непрерывно и непредсказуемо изменяющаяся внешняя среда требует поиска стратегии выхода рыбной отрасли на новый уровень развития. В этой ситуации посредством метода математического моделирования возможно эффективное решение инженерных задач, выполнение прогнозов и страхование рисков. Построение и дальнейшее применение биофизических и математических моделей, учитывающих промысловое воздействие на рыбные популяции и влияние на них изменений окружающей среды, позволяет выбрать более безопасную стратегию промысла, которая уменьшает вероятность депрессии рыбного запаса.