WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

КОТОВ Михаил Николаевич

МЕТОДИКА ПРОГНОЗИРОВАНИЯ НАПРАВЛЕНИЙ РАЗВИТИЯ МЕЖДУНАРОДНЫХ КОНФЛИКТОВ

Специальность 05.13.10 – «Управление в социальных и экономических системах (технические наук

и)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук Москва – 2012

Работа выполнена на кафедре информационных технологий в управлении Федерального государственного образовательного учреждения высшего профессионального образования «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации».

Научный консультант: доктор технических наук, профессор Кретов Вадим Семенович

Официальные оппоненты: доктор технических наук, профессор Горшков Игорь Сергеевич кандидат технических наук, доцент Крупский Александр Юльевич

Ведущая организация: ФГУП «Научно-исследовательский центр информатики» при МИД России

Защита состоится «31» мая 2012г. в 12.00 на заседании диссертационного совета Д 445.001.01 ФГАНУ «Центр информационных технологий и систем органов исполнительной власти» по адресу: 123557, г. Москва, Пресненский вал, дом 19, стр.1.

С диссертацией можно ознакомиться в библиотеке ФГАНУ «ЦИТИС».

Автореферат разослан «28» апреля 2012 г.

Ученый секретарь диссертационного совета, кандидат технических наук, профессор А.В. Бочаров

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. В последнее время конфликтность в международных отношениях значительно возросла, что обусловило повышение актуальности проблемы анализа международных конфликтов (МК) в интересах органов государственной власти (ОГВ) России.

Наиболее востребованным и сложным аспектом анализа международных конфликтов является прогнозирование направлений развития МК. Востребованным - потому что прогнозирование направлений развития МК позволяет решить многие проблемы, вызванные столкновением интересов государств, на ранних стадиях конфликта политикодипломатическими средствами, не доводя дело до вооруженного столкновения. Сложным - потому что в процессе прогнозирования конфликтов требуется обработка больших информационных потоков, затрагивающих сферу межгосударственных интересов, и без применения информационных технологий невозможно адекватно и своевременно реагировать на происходящие в мире события.

Существующие компьютерные методики, используемые для прогнозирования направлений развития МК, ориентированы на работу с исходными данными, получаемыми от экспертов, что снижает оперативность исследования конфликта и объективность получаемых результатов и поэтому делает их неприменимыми для исследования динамично протекающих международных конфликтов (особенно быстротечных локальных вооруженных конфликтов). Это вызвало настоятельную необходимость разработки новой максимально автоматизированной прикладной информационной технологии прогнозирования направлений развития МК, где участие экспертов сведено до минимума (эксперты участвуют только на стадии обучения системы), что позволит повысить объективность получаемых результатов, а благодаря высокой оперативности прогнозирования в ряде случаев даже предотвратить развитие конфликтной ситуации, разрешить конфликт или хотя бы минимизировать наносимый его участникам ущерб.

Под прогнозированием направлений развития международного конфликта в данной работе понимается анализ текущего состояния МК (расчет определяющей фазы МК) и определение сценария дальнейшего развития международного конфликта - событий, которые могут произойти в период прогнозирования МК.

Степень разработанности темы исследования. Значительный вклад в разработку проблемы прогнозирования направлений развития международных конфликтов внесли многие отечественные ученые, такие как Кострюков В.Ф., Носенко Ю.И., Мельвиль А.Ю., Богатуров А.Д., Смирнов А.И., Скакунов Э.И., Закожурников С.Ю., Куроедов Б.В., Юсупов Р.М.

В настоящее время существует несколько методик компьютерного прогнозирования направлений развития международных конфликтов (методики, основанные на системе CASCON, на методе Петерсена и т.д.), однако большинство из них имеют ряд серьезных недостатков, связанных с тем, что прогноз носит или фрагментарный характер, или результаты прогноза полностью зависят от субъективных оценок экспертов. Кроме того, как правило, эти системы не удовлетворяют важному для использования в органах государственной власти требованию высокой оперативности получения результатов высокого качества, предоставляемых высшему руководству страны.

Целью диссертационного исследования является совершенствование информационной поддержки процесса принятия решений при прогнозировании направлений развития международных конфликтов.

Объектом исследования является международный конфликт.

Предметом исследования является автоматизация процесса прогнозирования направлений развития международных конфликтов в ходе проводимого анализа МК.

Научной задачей является адаптация известных методов обработки информации для прогнозирования направлений развития особого вида МК – динамично-развивающихся локальных конфликтов.

Для достижения поставленной цели в диссертационной работе были поставлены и решены следующие частные задачи:

адаптировать фазово-факторную модель международного конфликта для прогнозирования направлений развития МК;

разработать информационную и функциональную модели процесса прогнозирования направлений развития МК;

адаптировать прикладные научные методы для их использования в процессе прогнозирования направлений развития международных конфликтов;

разработать программный комплекс «Прогноз МК», позволяющий в автоматизированном режиме осуществлять прогнозирование направлений развития МК;

подготовить методику компьютерного прогнозирования направлений развития международных конфликтов, основанную на использовании программного комплекса «Прогноз МК».

Методы исследования. В качестве методологической основы проведенного исследования используется системный подход к изучению объекта и предмета исследования с применением научных результатов, полученных в политологии, конфликтологии, теории вероятности, теории множеств и информатике с использованием технологии нейронных сетей, метода парных сравнений, метода мягких притязаний, классификации относительно центров классов, метода контент-анализа.

Исследования выполнены в соответствии с п. 6 «Разработка и совершенствование методов получения и обработки информации для задач управления социальными и экономическими процессами», п. 10 «Разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в экономических и социальных системах» и п. «Разработка новых информационных технологий в решении задач управления и принятия решений в социальных и экономических системах» Паспорта специальности 05.13.10 «Управление в социальных и экономических системах».

Научная новизна исследования заключается в разработке методики компьютерного прогнозирования направлений развития МК, используемой при анализе конфликтных ситуаций в ходе принятия решений в ОГВ по МК, отличающейся от существующих методик возможностью оперативного прогнозирования направлений развития МК в автоматизированном режиме.

На защиту выносятся следующие положения диссертационного исследования, содержащие элементы научной новизны:

1. Фазово-факторная модель международного конфликта, отличающаяся от модели Л.Блюмфельда – А. Лейс тем, что позволяет исследовать конфликт в динамике, обеспечивая тем самым не только возможность оценки определяющей фазы конфликта, но и возможность прогнозирования направлений развития международных конфликтов.

2. Информационная и функциональная модели процесса прогнозирования направлений развития МК.

3. Прикладные научные методы, используемые для прогнозирования направлений развития международных конфликтов, - метод автоматического выбора источников информации с использованием технологии нейронных сетей; метод расчета степени влияния факторов на вес соответствующей фазы МК, использующий метод парных сравнений; метод расчета относительных частот факторов; метод автоматического вычисления определяющей фазы конфликта с использованием технологии нейронных сетей и классификации относительно центра классов; метод вычисления и оценки возможных сценариев дальнейшего развития международного конфликта, использующий метод мягких притязаний.

4. Программный комплекс «Прогноз МК», позволяющий максимально автоматизировать процесс прогнозирования направлений развития международных конфликтов с целью исключения субъективизма экспертов за счет того, что прогноз осуществляется не по экспертной информации, а на основе классификации событий, которые произошли или происходят во время международного конфликта, благодаря чему повышаются оперативность исследования и объективность получаемых результатов;

5. Методика компьютерного прогнозирования направлений развития международных конфликтов, основанная на разработанном программном комплексе.

Теоретическая значимость результатов диссертационного исследования заключается в создании новой методики компьютерного прогнозирования направлений развития международных конфликтов, использующей адаптированные в диссертации прикладные научные методы, что является вкладом в дальнейшее развитие методов прогнозирования направлений развития международных конфликтов. Разработанная методика является первым шагом к созданию системы поддержки принятия решений в ОГВ по МК.

Практическая значимость результатов диссертационной работы заключается в разработке программно-реализованной методики, позволяющей прогнозировать направления развития международных конфликтов, использование которой в ОГВ может существенно повысить качество и своевременность принимаемых решений при анализе международных конфликтов.

Апробация проведенных исследований. Теоретические, методические и практические вопросы диссертационного исследования докладывались на Научно-практической конференции «Ситуационные центры: модели, технологии, опыт практической реализации» (Москва, ФГОУ ВПО РАГС, 2006г.), Научно-практической конференции «Ситуационные центры и перспективные информационно-аналитические средства поддержки принятия решений» (Москва, ФГОУ ВПО РАГС, 2007г.), Научно-технической конференции студентов, аспирантов и молодых специалистов МИЭМ «Информационные технологии» (Москва, МИЭМ, 2008г.), XVI студенческой международной школе-семинаре «Новые информационные технологии» (Украина, Судак, 2008г.), Научнопрактической конференции «Ситуационные центры и перспективные информационно-аналитические технологии поддержки принятия решений», (Москва, ФГОУ ВПО РАГС, 2008г.), Научно-практической конференции «Ситуационные центры и современные информационно-аналитические технологии поддержки принятия решений» (Москва, ФГОУ ВПО РАГС, 2009г.), II Международной научно-практической конференции «Инновационное развитие российской экономики» (Москва, МЭСИ, 2009г.).

Внедрение результатов. Разработанная в диссертации прикладная информационная технология прогнозирования направлений развития международных конфликтов внедрена в Научно-исследовательский центр информатики при МИД России и в учебный процесс в Учебно-ситуационном центре ФГОУ ВПО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации».

Публикации. Основные теоретические положения и выводы диссертации изложены в 15 публикациях (в том числе в трех источниках, рецензируемых ВАК Министерства образования и науки Российской Федерации и одной коллективной монографии) автора общим объемом 3,п.л.

Структура и объем диссертации. Диссертационная работа состоит из введения, трех глав, заключения и списка литературы. Общий объем работы - 122 страницы машинописного текста. В работе имеется 46 рисунков, и таблиц. Список литературы включает 28 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, выделены объект и предмет исследования, сформулирована цель и частные задачи исследования, научная новизна, теоретическая и практическая значимости исследования и положения, выносимые на защиту.

В первой главе «Анализ существующих подходов к прогнозированию направлений развития международных конфликтов» рассмотрены существующие подходы к прогнозированию направлений развития международных конфликтов.

Компьютерное прогнозирование направлений развития международных конфликтов начало проводиться в США в 60-х годах прошлого века и вплоть до 90-х годов набор используемых в интересах государственной безопасности программных средств ограничивался такими известными продуктами как CASCON, CESIS, ВЕЙС, TEMPER. Если принять во внимание, что разработчики CASCON долгое время работали в интересах Госдепартамента США, а CESIS - это аббревиатура названия Исполнительного комитета по службам информации и безопасности (Comitato esecutivo per i servizi di informazione e sicurezza, CESIS) в Италии, становится понятно, что использование подобных информационноаналитических систем (ИАС) продолжительное время было прерогативой специальных органов при главе государства или главе правительства.

Поэтому информация о подобных системах стала доступна лишь в последнее время, когда все актуальнее становится перспектива привлечения широкого научного опыта в урегулировании международных конфликтов.

Информационно-аналитические системы, используемые для анализа международных конфликтных ситуаций, можно разделить на несколько классов:

1. социально-политические информационно-аналитические системы (иностранные системы CASCON и «Фэкшенз», отечественные системы «Мониторинг социальной напряженности» и «Дипломат»);

2. системы общественной безопасности (отечественные системы «Семантический архив», комплекс «Тренд»);

3. гибкие, открытые системы моделирования и прогнозирования, построенные на базе метода анализа иерархий Т.Саати – отечественные системы «Эсплан», «Император» и др.

В диссертационном исследовании проведен сравнительный анализ основных существующих подходов к прогнозированию направлений развития международных конфликтов. Рассмотрены:

1. Прикладная информационная технология анализа текущей политической обстановки (международного конфликта) НИЦИ при МИД России, в которой разработана используемая в настоящем диссертационном исследовании структура информационного описания конфликта (характеристика участников конфликта, описание структуры, динамики, среды конфликта) и методика формирования вербального описания конфликта в соответствии с этой структурой. Определение текущего 2. Прогнозная экспертно-моделирующая система исследования военно-политической обстановки Института экономических стратегий РАН, построенная на базе модели процесса трансформации баланса интересов субъектов международных отношений, позволяет выявить текущий баланс интересов и спрогнозировать возможное состояние взаимоотношений субъектов. Однако на практике использование методики прогнозирования международных отношений на основе моделирования баланса интересов субъектов весьма затруднительно. Для обеспечения объективности результатов прогнозирования требуется привлечение высококвалифицированных экспертов по всем исследуемым государствам, что трудно осуществимо и требует значительных финансовых затрат.

Большие затраты времени на подготовку первичной информации, ее анализ, формирование исходных данных для моделирования, согласование мнений и оценок экспертов не позволяют оперативно реагировать на изменения, происходящие в конфликте и исследовать международных конфликт в динамике, что необходимо при прогнозировании направлений развития скоротечных конфликтов.

3. Система CASCON (База данных по кризисам и конфликтам), разработанная в Массачусетском технологическом институте США, обеспечивает накопление сведений о международных конфликтах, классификацию конфликтов, описание развития конфликтов во времени по формальным признакам, подбор аналогичных международных конфликтов, прогнозирование направлений развития конфликта и определение возможных путей его урегулирования. К сожалению, доступ к обновляемой базе данных по кризисам и конфликтам системы CASCON после 1997 г. по режимным соображениям закрыт для отечественных пользователей. Кроме того, в этой системе изначально не был автоматизирован расчет определяющей фазы и сценария дальнейшего развития МК.

4. Кибернетический подход Петерсена к прогнозированию направлений развития международных конфликтов дает возможность исследовать его динамику, фиксируя моменты перехода международного конфликта на новый уровень эскалации. Однако этот метод не позволяет рассчитать определяющую фазу международного конфликта и строить прогнозы дальнейшего развития международного конфликта.

На основании полученных результатов сделан вывод о необходимости создания новой методики компьютерного прогнозирования направлений развития МК, отвечающей всем предъявляемым в ОГВ требованиям.

Во второй главе «Разработка теоретических вопросов» определено место проведенного в диссертации исследования по компьютеризации прогнозирования направлений развития МК в рамках утвержденной МИД России схемы анализа международного конфликта, рассматриваются адаптированная в диссертации фазово-факторная модель международного конфликта, информационная и функциональная модель процесса прогнозирования направлений развития МК, прикладные научные методы, используемые для прогнозирования направлений развития международных конфликтов.

Обобщенная схема анализа МК, проводимого в МИД России, приведена на Рис.1.

Анализ международного конфликта 1. Анализ состава и 2. Анализ структуры 3. Исследование среды 4. Прогнозирование МК характеристик МК МК участников МК Рис.1. Обобщенная схема анализа международного конфликта В рамках диссертационного исследования рассматривается только 4тый не реализованный до сих пор пункт представленной выше схемы.

В основе фазово-факторной модели международного конфликта лежит модель международного конфликта, разработанная Л. Блумфилдом и А.

Лейс. В этой модели международный конфликт представляется, как динамический процесс, проходящий цепь явно идентифицируемых фаз (различимых состояний) конфликта. Таких фаз пять: Диспут, Конфликт, Военные действия, Прекращение военных действий, Урегулирование.

Причем в процессе протекания конфликта фазы могут сменять друг друга в любом направлении.

В адаптировнной в диссертации фазово-факторной модели МК добавлена еще одна фаза «Мирное сосуществование», чтобы описать исходное состояние отношений между участниками будущего конфликта.

Кроме того, в адаптированной модели каждая фаза МК обладает параметром – весом фазы в конфликте, который определяет возможность нахождения рассматриваемого конфликта в этой фазе в заданный промежуток времени.

Чем больше вес фазы, полученный при расчетах, тем больше возможность того, что конфликт находится в этой фазе в рассматриваемый промежуток времени.

Каждая фаза МК определяется множеством факторов. Под факторами понимается информация о событиях, явлениях, действиях и т.д., указывающая на то, что конфликт находится в фазе, определяемой этими факторами.

Каждый фактор наделен параметром - степенью влияния фактора на соответствующую ему фазу МК. Он показывает, как сильно повлияет свершение события, заложенного в данный фактор, на вес соответствующей фазы.

Все факторы классифицированы независимо от их принадлежности к фазе МК по тематическим направлениям (отношения конфликтующих сторон, военно-политические вопросы, участие международных организаций в конфликте, этнические вопросы, экономика и ресурсы, внутренняя политика конфликтующих сторон, информация и пропаганда, ситуация на спорных территориях). Это позволяет рассматривать конфликт в различных аспектах, а также обобщать специфические свойства конфликта и использовать их для сравнения и классификации.

Важным параметром фактора является относительная частота фактора, которая позволяет оценить вероятность свершения события заложенного в фактор.

Каждый фактор также определяется цитируемостью во времени.

Цитируемость - это частота выявления фактора в используемых источниках информации, т.е. это частота, с которой появляется информация о свершении событий, заложенных в фактор, в СМИ. Свершение фактора происходит в том случае, когда информация о событии или сведения об объекте, соответствующие фактору, стали доступными пользователю методики.

Для автоматического определения цитируемости факторов в документах, полученных из источников информации, каждому фактору ставится в соответствие его модель информационно-поискового запроса (МИПЗ), обладающая определенными параметрами. В качестве параметров выступают: непосредственные участники конфликта (сторона статус-кво, сторона не статус-кво); вовлеченные объекты (общественно-политические движения, персоны, партии, международные организации, третьи страны);

регион мира (территория, на которой протекает международный конфликт).

Описание факторов с помощью модели информационно-поисковых запросов осуществляется при помощи специального языка. Этот язык использует логические операции и операции близости слов, предусмотренные в поисковых запросах Информационно-аналитической системы «Истра».

При описании фактора моделью информационно-поискового запроса следует учитывать коэффициент шума этой модели. Он позволяет оценить соответствие информации, найденной в различных источниках при помощи этой модели, смыслу фактора. Коэффициент шума модели информационнопоискового запроса уточняет возможность присутствия соответствующего фактора в тексте документа источника информации, что в свою очередь влияет на вес соответствующей фазы.

Для оценки источников информации введено понятие степень целесообразности. Под степенью целесообразности подразумевается возможность использования источника информации для анализа международного конфликта. Оценка степени целесообразности использования информации от данного источника для исследования международного конфликта проводится по тематическим направлениям. При этом информация, поступающая из одного и того же источника, может удовлетворять необходимым требованиям, например, по «военнополитическому» направлению, но в тоже время не будет удовлетворять аналогичным требованиям по «экономико-ресурсному» направлению.

В рамках фазово-факторной модели МК введено понятие сценария дальнейшего развития международного конфликта. В терминах фазово факторной модели сценарий дальнейшего развития международного конфликта определяется, как множество факторов, которые возможно произойдут в течение прогнозируемого периода. Каждый фактор сценария определяется показателем свершения. Под показателем свершения фактора подразумевается возможность свершения события, заложенного в фактор, в период прогнозирования.

В рамках диссертационного исследования разработаны информационная и функциональная модели процесса прогнозирования направлений развития МК.

Информационную модель процесса прогнозирования направлений развития МК условно можно поделить на 5 блоков (Рис.2): Фазово-факторная модель МК; БД источников СМИ, используемых в процессе прогнозирования; Описание исследуемого конфликта, отражающее структуру информационного описания параметров, определяющих исследуемый конфликт (наименование, дата начала и т.д.); Фазово-факторная модель исследуемого конфликта, отражающая структуру информационного описания фазово-факторной модели МК с учетом параметров исследуемого конфликта; Архив статистических данных, отражающий структуру информационного описания блока хранения информации по прошедшим конфликтам.

Согласно функциональной модели процесс прогнозирование направлений развития МК состоит из двух частей: Подготовка к прогнозированию направлений развития МК (Рис.3). Прогнозирование направлений развития МК (Рис.4).

Рис.2. Информационная модель процесса прогнозирования направлений развития МК Рис.3. Функциональная модель подготовительного этапа процесса прогнозирования направлений развития МК Рис.4. Функциональная модель процесса прогнозирования направлений развития МК Теперь рассмотрим методы, используемые в процессе прогнозирования направлений развития МК.

Метод расчета степени влияния факторов на фазу международного конфликта. Согласно фазово-факторной модели МК связь фаз Fji j Fzi i, i 1...CFz, CFz 6 - количество фаз) и факторов ( - -й фактор, (, i i i j 1...CF CF принадлежащий -ой фазе,, где – количество факторов i описывающих -ую фазу) представляет собой иерархическую систему, где каждой фазе соответствует набор факторов. Свершение каждого события, заложенного в фактор, влияет на вес соответствующей фазы в соответствии SVF1i со степенью влияния фактора на фазу ( ).

Для расчета степени влияния фактора на фазу используется метод парных сравнений, который позволяет сравнить факторы, относительно их влияния на соответствующую фазу, т.е. получить степени влияния факторов.

Для получения степени влияния факторов на соответствующую им фазу эксперту необходимо заполнить матрицы парных сравнений степеней влияния факторов на соответствующую фазу. Таких матриц 6, что соответствует количеству.

Эксперты заполняют ячейки матриц, находящиеся выше главной диагонали значениями от 1 до 9. Элементы, находящиеся на главной диагонали матрицы, равны 1. Элементы, находящиеся ниже главной диагонали матрицы, равняются обратным значениям симметричных им элементов, значения которых выставляет эксперт.

Тогда согласно методу парных сравнений, степень влияния факторов на фазу представляет собой собственный вектор, соответствующий максимальному собственному значению обратно-симметричной матрицы парных сравнений степеней влияния факторов на фазу.

i i i Mf SVF max SVF (1) i Mf где – обратно-симметричная матрица парных сравнений степеней i Fji i SVF влияния множества факторов на фазу, – вектор степеней влияния i max – факторов на -тую фазу, максимальное собственное значение матрицы i Mf.

Показателем согласованности мнения эксперта является индекс согласованности.

i max CF Isi (2) i CF i Isi i CF где - индекс согласованности мнения эксперта для -той фазы, – i количество факторов описывающих -тую фазу.

Если он меньше порогового значения, то суждения эксперта - удовлетворительны, в противном случае матрица сравнений должна быть пересмотрена.

Метод расчета степени целесообразности использования источников информации. Степень целесообразности использования источников информации рассчитывается с применением технологии нейронных сетей по каждому тематическому направлению отдельно. Поскольку возможность использования источников информации по одному тематическому направлению не гарантирует возможность его использования по другому.

Для анализа источников информации по каждому тематическому направлению сначала необходимо построить нейронную сеть, а затем ее обучать.

С учетом специфики решаемой задачи, требуемая нейронная сети имеет следующий вид (Рис.5).

Рис.5. Вид нейронной сети, используемой в методе Prm,s – степень целесообразности использования -того источника где m s CFm,st информации по -тому тематическому направлению, s относительная цитируемость факторов, соответствующих -тому m тематическому направлению в -том источнике информации в интервале CFVm,st - средняя частота цитируемости факторов, t времени, s m соответствующих -тому тематическому направлению в -том источнике CSVm,st - средняя частота t информации в интервале времени, s m цитируемости -того тематического направления в -том источнике CSm,st - относительная t информации в интервале времени, s m цитируемость -того тематического направления в сообщениях -того t netiI netih o net источника информации в интервале времени ;,, - правило o o fi I netiI fihnetih net - f комбинирования входных сигналов слоев,,, функции активности, определяющие правило вычисления выходного Ws,1,сигнала, который будет передан элементам следующего слоя,, …, Ws,1,6 Ws,2,1 Ws,2,3 – весовые коэффициенты.

; …, CFN t m,s CFm,st (3) CFAs CFN t- количество факторов соответствующих -тому где s m,s m тематическому направлению и присутствующих в информации из -того t CFAs - общее информационного источника в интервале времени, s количество факторов, соответствующих -тому тематическому направлению.

CFN t m,s CFVm,st (4) CVAm (t) CVAmt - общий объем сообщений в килобайтах -того источника в m где t интервале времени.

CSN t m,s CSVm,st (5) CVAmt CSN t- количество сообщений из -того источника информации, в где m m,s s которых представлены факторы, соответствующие -тому тематическому t направлению в интервале времени.

CSN t m,s CSm,st (6) CSAmt CSAmt- общее количество сообщений -того источника в интервале m где t времени.

fi I netiI netiI (7) fihnetih (8) h i 1 enet neto o f neto (9) На выходе нейронной сети рассчитывается степень целесообразности использования источника информации по отдельно взятому тематическому направлению. Прежде чем использовать нейронную сеть ее необходимо обучить на обучающем множестве источников информации.

Сначала документы источников информации из обучающего множества фильтруются по тематическим направлениям. Далее документы в каждом тематическом фильтре группируются по источникам. После чего сгруппированные данные подаются на вход нейронной сети. Для обучения нейронной сети используется алгоритм обратного распространения ошибок.

В результате обучения получаем величины, в соответствии с которыми Ws,2,1 Ws,2,2 Ws,2,следует корректировать весовые коэффициенты,,.

o Ws,2,i sPrm,s Prm,s fi h (netih ) (10) o Prm,s m где – целевая степень целесообразности использования - того s источника информации по - тому тематическому направлению.

Ws,1,1 Ws,1,Весовые коэффициенты, …, корректируются по следующей формуле:

h h h h o I Ws,1,i s f net 1 f net (Prm,s Prm,s )Ws,2, j fkI (netk ) (11) j j j j Обучение продолжается до тех пор, пока значение выходного сигнала для каждого обучающего источника не окажется в рамках допустимого отклонения (0,01) от соответствующего целевого выходного образца.

После того как нейронная сеть построена и обучена, ее можно использовать для вычисления степеней целесообразности использования источников информации по тематическим направлениям.

Метод оценки относительной частоты фактора. Под относительной частотой фактора понимается оценка вероятности того, что по информации хотя бы одного источника событие, заложенное в фактор, свершилось.

В основе предлагаемого метода лежат коэффициенты шума моделей информационно-поисковых запросов факторов, данные о цитируемости факторов в источниках информации, а также полученные на основании представленного метода данные степеней целесообразности использования источников информации.

Коэффициент шума модели информационно-поискового запроса рассчитывается по формуле:

NLi j NFji (12) NOi j NFji где – коэффициент шума модели информационно-поискового j i NLi j i запроса фактора фазы, - количество выявлений фактора фазы, j при которых найденная информация соответствует смыслу, заложенному в NOi j i фактор, - общее количество выявлений фактора фазы.

j Согласно методу сначала рассчитаем относительную частоту фактора на основании информации, предоставленной одним источником.

i QF jm i VSF 1 1 NFji (13) jm i i QF j i m VSF где - значение цитируемости фактора фазы в источнике, – j,m jm j i m относительная частота -того фактора -той фазы по информации из -того NFji источника, – коэффициент шума модели информационно-поискового j i запроса фактора фазы.

Затем учитываем степень целесообразности использования источника информации.

i QF jm i VSF Prms 1 1 NFji (14) jm Prms m s где – степень целесообразности использования -того источника по тому тематическому направлению И, наконец, на основании полученных результатов рассчитываем относительную частоту фактора по материалам всех используемых источников.

CI i QF jm i 1 i VSF 1 Prms 1 1 NF (15) j j CI где – количество используемых источников информации.

Метод расчета определяющей фазы МК. Мы рассчитали относительную частоту фактора. Согласно фазово-факторной модели МК свершение каждого фактора влияет на вес соответствующей фазы с учетом рассчитанной степени влияния фактора на фазу. Поэтому итоговое влияние фактора на соответствующую ему фазу будет определяться по формуле.

i i i IVF SVF VSF (16) j j j i i IVF j i SVF где – итоговое влияние фактора на соответствующую фазу, – j j i j i VSF степень влияния фактора на фазу, – относительная частота фактора j j i фазы.

Веса фазы рассчитываются как средние значения итоговых степеней влияния факторов, описывающих данную фазу.

i CF IVFji jFzi (17) i CF i Fzi i CF i где – вес -той фазы, – количество факторов описывающих -тую фазу.

Теперь рассчитаем определяющую фазу конфликта. Для этого необходимо построить и обучить нейронную сеть.

Рис.6. Вид нейронной сети, используемой в алгоритме EXC где - единая характеристика конфликта, которая принимает значения от 0 до 1 и показывает состояние конфликта в рассматриваемый момент net Fzi i netiI netih o времени; – вес -ой фазы;,, - правило комбинирования o o fi I netiI fi hnetih f net - функция активности, входных сигналов;,, определяющая правило вычисления выходного сигнала, который будет W1,1 W1,60 W2,1 W2,передан элементам следующего слоя,, …,,, …, – весовые коэффициенты.

fi I netiI netiI (18) fi hnetih netih (19) o o f net (20) o 1 enet Для обучения нейронной сети используется алгоритм обратного распространения ошибок, описанный ранее.

В результате обучения получаем величины, в соответствии с которыми W2,1 W2,следует корректировать весовые коэффициенты, …,.

o o o o o W2,i EXC EXC f net 1 f net fi hnetih (21) m m o где EXC – целевая единая характеристика конфликта.

W1,1 W1,Весовые коэффициенты, …, корректируются по следующей формуле:

o o o o o I W1,i (EXC EXC ) f net 1 f net W2, j fkI (netk ) (22) m m EXC Далее по полученной единой характеристике определим фазу, в которой находится международный конфликт с использованием классификации относительно центров классов.

Для расчета определяющей фазы исследуемого конфликта введем классы, соответствующие фазам “Мирное сосуществование”, ”Диспут”, ”Конфликт”, ”Военные действия”, ”Прекращение военных действий”, X 0;1 ”Урегулировании” и зададим область определения в виде. В роли базовой шкалы будет использоваться единая характеристика конфликта EXC.

В качестве функции принадлежности для каждого класса возьмем гауссову функцию.

xc Mcx e (23) c где – середина диапазона, - кривизна функции.

Теперь по полученному нами значению единой характеристики конфликта EXC и по функциям принадлежности каждого класса, определим, к какому классу и с какой степенью принадлежит конфликт, т.е. мы получим определяющую фазу конфликта.

Метод определения сценария дальнейшего развития международного конфликта. Под сценарием будем понимать множество факторов, соответствующих событиям, которые могут произойти в прогнозируемый период.

Для его определения используется архив статистических данных по конфликтам, хранящий информацию о прошедших конфликтах, и данные о состоянии исследуемого конфликта, в соответствие со структурой.

Определение сценария дальнейшего развития международного конфликта осуществляется с использованием метода мягких притязаний в три этапа.

1) Определение степени близости состояний исследуемого конфликта и конфликтов из архива статистических данных. Для этого необходимо последовательно выбирать конфликты из архива статистических данных по МК и определять степень близости параметров исследуемого конфликта и параметров выбранного конфликта:

Степень близости непосредственных участников конфликта вычисляется как отношение количества совпадающих непосредственных участников конфликта к общему количеству непосредственных участников.

Chnk Psnk (24) Cunk Chnk PntlPnk,l - количество совпавших непосредственных где Cunk Pntl Pnk,l - общее количество непосредственных участников, участников.

Степень близости вовлеченных объектов вычисляется аналогично Chvk Psvk (25) Cuvk Chvk Pvtl Pvk,l - количество совпавших вовлеченных объектов, где Cuvk Pvtl Pvk,l - общее количество вовлеченных объектов.

Степень совпадения региона мира представляет собой пороговую функцию.

0.1, если Pmt Pmk Psmk (26) Pkm, если Pmt Pmk Psmk Pkm где – степень совпадения регионов мира, – значимость признака, показывающая важность совпадения регионов мира, в которых происходили МК.

Далее рассчитанные относительные частоты всех факторов исследуемого конфликта необходимо сравнить с относительными частотами этих же факторов каждого конфликта из архива статистических данных.

Относительное отклонение относительных частот факторов вычисляется, как сумма мер удаленности относительных частот факторов исследуемого конфликта и конфликта, выбранного из архива статистических данных.

i SFK (t) VSFji j,k i ; SFK (t) VSFji j,k i i CFz CF SFK (t) VSFji j,max SKRk t (27) i i1 j1 SFK (t) VSFji j,k i ; SFK (t) VSFji j,k VSF i i SFK (t) j j,min i CF где CFz 6 – количество фаз, – количество факторов описывающих iтую фазу.

Степень близости состояний исследуемого конфликта и конфликтов из архива статистических данных определяется на основании относительного отклонения относительных частот факторов с учетом степеней совпадения непосредственных участников, вовлеченных объектов и региона мира.

Scck t PknPsn PkvPsv Psmk SKRk t (28) k k Pkn Где - значимость признака, отражающая важность совпадения Pkv непосредственных участников конфликта, – значимость признака, отражающая важность совпадения вовлеченных объектов.

2) Эксперт определяет пороговое значение близости состояний. Далее определяем множество состояний конфликтов из архива статистических данных, которые являются близкими к текущему состоянию исследуемого конфликта.

Chck,t k,t Scck t Csp (29) Csp Chck,t – множество состояний где - пороговое значение близости, конфликтов из архива статистических данных близких к текущему состоянию исследуемого конфликта.

3) Факторы, свершившиеся в отобранных состояниях конфликтов из архива статистических данных, в период времени прогнозирования и являются факторами возможного сценария дальнейшего развития исследуемого конфликта. Показатель свершения каждого фактора сценария вычисляется, как средняя относительная частота этого фактора по полученным состояниям отобранных конфликтов в период времени прогнозирования i t SFK jk i t SFK t (30) jk t i t t t SFK t – показатель где – количество дней прогноза, из, jk i j i k t SFK t свершения -того фактора -той фазы в -том конфликте за, - jk j i показатели свершения факторов -того фактора -той фазы в момент t k времени при исследовании -того МК.

i SFK t jk i kt VSF t (31) j Chck,t i k,t Chck,t VSF t – показатель свершения фактора сценария j где, j i t фазы в прогнозируемый интервал времени.

В третьей главе «Описание методики компьютерного прогнозирования направлений развития международных конфликтов» представлено описание разработанного в диссертации программного комплекса «Прогноз-МК», приведены последовательность работ по методике и результаты её апробации на примере прогнозирования направлений развития операции «Литой свинец».

Программный комплекс «Прогноз МК» в процессе работы по предлагаемой методике компьютерного прогнозирования направлений развития международных конфликтов взаимодействует с известной информационно-аналитической системой (ИАС) «Истра».

В рамках диссертационного исследования используются следующие возможности ИАС «Истра»:

Ведение БД источников информации;

Ведение фазово-факторной модели МК;

Ведение фазово-факторной модели исследуемого конфликта.

Разработанный в рамках диссертационного исследования программный комплекс написан на четырех языках: Java Script, Basic Script, язык разметки HTML, язык запросов к БД SQL. БД реализована в Microsoft Office Access 2003.

Апробации методики компьютерного прогнозирования направлений развития международных конфликтов была проведена на примере прогнозирования направлений развития операции «Литой свинец». Операция «Литой свинец» - это кодовое название боевых действий между Израилем и террористической группировкой ХАМАЗ. Операция проходила с 27 декабря 2008 по 18 января 2009 на территории сектора Газа. Определение сценария дальнейшего развития операции «Литой свинец» проводилось с 01.01.2009 на 4 дня.

В результате проведенного сравнительного анализа результатов работы программного комплекса и событий, реально произошедших в ходе операции «Литой свинец» в прогнозируемый период времени было выявлено, что точность прогноза составила 73%. Программный комплекс смог правильно выявить 8 из 11 событий, которые произошли в операции «Литой свинец» в прогнозируемый период времени.

В заключении приведены основные результаты, полученные в ходе разработки программного комплекса и методики компьютерного прогнозирования направлений развития международных конфликтов:

1. Произведен анализ существующих подходов к прогнозированию направлений развития МК. Прогнозирование направлений развития международных конфликтов в интересах органов государственной власти РФ до сих пор не нашло удовлетворительного решения. Существующие компьютерные методики, используемые для прогнозирования направлений развития МК, ориентированы на работу с исходными данными, получаемыми от экспертов, что снижает оперативность исследования и объективность получаемых результатов. Это вызвало настоятельную необходимость разработки новой максимально автоматизированной компьютерной методики прогнозирования направлений развития МК, где участие экспертов сведено до минимума (эксперты участвуют только на стадии обучения системы), что позволит повысить объективность получаемых результатов, а благодаря высокой оперативности исследования в ряде случаев даже предотвратить развитие конфликтной ситуации, разрешить конфликт или хотя бы минимизировать наносимый его участникам ущерб.

2. Адаптирована фазово-факторная модель международного конфликта, в основу которой положена известная модель международного конфликта, предложенная Л. Блумфилдом и А. Лейс. Адаптированная в диссертации фазово-факторная модель МК имеет следующие отличия от модели Л. Блумфилда и А. Лейс:

1) Добавлена еще одна фаза «Мирное сосуществование», чтобы описать исходное состояние отношений между участниками будущего конфликта;

2) Каждая фаза МК наделена параметром – весом фазы в конфликте;

3) Каждая фаза МК определяется множеством факторов.

Факторы наделены следующими параметрами: степень влияния фактора на соответствующую ему фазу МК, отношение к тематическим направлениям, относительная частота фактора, цитируемость во времени - частота выявления фактора в используемых источниках информации. Для автоматического определения цитируемости факторов в документах, полученных из источников информации, каждому фактору ставится в соответствие параметрическая модель информационно-поискового запроса;

4) Введено понятие сценария дальнейшего развития международного конфликта.

3. Разработаны информационная и функциональная модели процесса прогнозирования направлений развития МК.

4. Адаптировано 5 прикладных научных методов: метод автоматического выбора источников информации с использованием технологии нейронных сетей; метод расчета степени влияния факторов на вес соответствующей фазы МК, использующий метод парных сравнений;

метод расчета относительных частот факторов; метод автоматического вычисления определяющей фазы конфликта с использованием технологии нейронных сетей и классификации относительно центра классов; метод вычисления и оценки возможных сценариев дальнейшего развития международного конфликта, использующий метод мягких притязаний;

5. В интересах создания методики компьютерного прогнозирования направлений развития международных конфликтов разработан программный комплекс «Прогноз МК», интегрированный с ИАС «Истра» и осуществляющий прогнозирование направлений развития МК в автоматизированном режиме.

Основные результаты диссертации отражены в следующих публикациях.

Статьи в научных изданиях, рецензируемых ВАК Министерства образования и науки Российской Федерации:

1. Кретов В.С., Котов М.Н., Лебедев И.С. Принципы построения и функциональные возможности двух новых информационноаналитических систем для ситуационных центров // Журнал «Системы высокой доступности» № 4, 2007 г.

2. Котов М.Н. Подход к компьютерному прогнозированию направлений развития международных конфликтов // Журнал «Научно-техническая информация», серия 1, № 5, 2011.

3. Котов М.Н. Методы анализа информации при прогнозировании направлений развития международного конфликта // Журнал «Научнотехническая информация», серия 2, № 6, 2011.

Коллективная монография:

4. Кретов В.С., Котов Н.М., Котов М.Н. Глобальная безопасность:

инновационные методы анализа конфликтов. Под общ. ред. Смирнова А.И. – M.: Общество «Знание» России. 2011г. стр. 89-100, 129-153.

Публикации в других научных изданиях:

5. Кретов В.С., Котов М.Н., Кретова М.А. Программный инструментарий политолога // Журнал «Научно-техническая информация», серия 2, № 4, 2006.

6. Кретов В.С., Котов М.Н. Методика подготовки информационного ресурса для проведения политологических исследований на основе информации сети Интернет // Журнал «Научно-техническая информация», серия 2, № 5, 2006.

7. Кретов В.С., Котов М.Н. Об одном подходе к разработке «дружественного» интерфейса полнотекстовой информационнопоисковой системы ситуационного центра МИД России // Ситуационные центры: модели, технологии, опыт практической реализации. Материалы научно-практической конференции, состоявшейся в РАГС 18-19 апреля 2006 года / Под общ. ред. А.Н.

Данчула. -М.: Изд-во РАГС, 2007.

8. Кретов В.С., Котов М.Н. Компьютерный анализ внешнеполитической информации в Ситуационном центре // Ситуационные центры и перспективные информационно-аналитические средства поддержки принятия решений. Материалы научно-практической конференции, состоявшейся в РАГС 25-27-апреля 2007 г. / Под общ. ред. А.Н.

Данчула. -М.: Изд-во РАГС, 2008.

9. Котов М.Н. Использование нейронных сетей для анализа фаз международных конфликтов // Информационные технологии.

Материалы научно-технической конференции студентов, аспирантов и молодых специалистов МИЭМ, состоявшейся в МИЭМ 19-26 февраля 2008г.

10. Котов М.Н. Подготовка информационного ресурса для прогнозирования развития международных конфликтов с применением технологии нейронных сетей // Новые информационные технологии.

Материалы XVI студенческой международной школы-семинара. / Под ред. Д.В. Быкова. -М.: МИЭМ, 2011. Кретов В.С., Котов М.Н. Методика выбора источников информации при анализе фазы международного конфликта // Ситуационные центры и перспективные информационно-аналитические средства поддержки принятия решений. Материалы научно-практической 12. Кретов В.С., Котов М.Н. Фазово-факторная модель межгосударственного конфликта // II Международная научнопрактическая конференция "Инновационное развитие российской экономики": Сборник научных трудов Московского государственного университета экономики, статистики и информатики – М., 2009, - 447448 с.

13. Кретов В.С., Котов М.Н. Особенности компьютерного прогнозирования межгосударственного конфликта // Информационные технологии в управлении социально-экономическими, политическими и административными процессами: сборник научных статей; под общ.

ред. А.Н. Данчула.-М.: Изд-во РАГС, 2009.-188 с.

14. Кретов В.С., Котов М.Н. Компьютерное прогнозирование развития межгосударственного конфликта // «Проблемы управления безопасностью сложных систем». Труды XVII Международной конференции, декабрь 2009г; под ред. Н.И. Архиповой, В.В. Кульбы.

М.:РГГУ 2009.

15. Котов М.Н. Оценка текущей фазы и определение сценария дальнейшего развития межгосударственного конфликта // Ситуационные центры 2009 перспективные информационноаналитические технологии поддержки принятия решений. Материалы научно-практической конференции, состоявшейся в РАГС 14-апреля 2009г. / Под общ. ред. А.Н. Данчула. -М.: Изд-во РАГС, 2010.

Автореферат Диссертации на соискание ученой степени кандидата технических наук Котова Михаила Николаевича Тема диссертационного исследования:

Методика прогнозирования направлений развития международных конфликтов Научный руководитель:

Кретов Вадим Семенович, доктор технических наук, профессор Изготовление оригинал-макета Котов М.Н.

Подписано в печать «27» апреля 2012 г. Тираж 80 экз.

Усл. п. л. ФГОУ ВПО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации» Отпечатано ОПМГ РАНХ и ГС. Заказ №___ 119606, г. Москва, пр-т Вернадского, д.






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.