Когнитивные нечетко-логические модели и комплекс программ оценки техногенно-природных рисков тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Балабаев, Михаил Алексеевич

• Балабаев, Михаил Алексеевич
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Балабаев, Михаил Алексеевич

Введение

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

1.1. Классификация техногенно-природных рисков

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

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

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

1.5. Выводы

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

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

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

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

2.4. Выводы

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

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

3.2. Информационная модель комплекса программ «MRISK»

3.3. Программное обеспечение комплекса программ «MRISK»

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

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

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

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

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

Введение диссертации (часть автореферата) на тему «Когнитивные нечетко-логические модели и комплекс программ оценки техногенно-природных рисков»

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Для реализации указанной цели поставлены и решены следующие задачи.

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

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

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

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

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

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

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

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

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

Основные положения, выносимые на защиту.

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

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

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

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

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

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

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

Научная новизна работы состоит в следующем.

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

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

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

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

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

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

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

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

Практическая значимость работы.

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

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

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

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

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

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

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Балабаев, Михаил Алексеевич

4.4. Выводы

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

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

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

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

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

133

ЗАКЛЮЧЕНИЕ

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

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

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

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

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

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

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

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

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

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

Список литературы диссертационного исследования кандидат технических наук Балабаев, Михаил Алексеевич, 2007 год

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

50. Максимов В. И., Корноушенко Е. К., Качаев С. В. Когнитивные технологии для поддержки принятия управленческих решений/ Сб. тр. Всероссийской распределенной конференции «Технологии информационного общества 98 Россия»// [e-mail].

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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