Вестник МГТУ. 2016, том 19, № 2.

Маслобоев А. В. и др. Результаты первого этапа реализации проекта… 454 в использовании в качестве компонентов распределенных информационных систем интеллектуальных агентов, автономно функционирующих и обладающих целенаправленным поведением. На интеллектуальных агентов могут быть возложены функции информационного мониторинга за состоянием различных показателей региональной безопасности (факторов риска), а также инициирования процедур пересчета прогнозных оценок "глобальных" рисков в связи с критическими изменениями контролируемых факторов. Источником информации для поиска и сбора агентами необходимых данных в распределенной информационной среде служат спецификации решаемых задач, синтезируемые на основе созданной концептуальной модели. В рамках представляемого исследования технология одноранговых мультиагентных систем используется при решении задач оперативного сбора, обработки и анализа больших объемов разноплановой информации о разнородных факторах, определяющих риски, связанные как с отдельными объектами, так и с подсистемами A3 РФ. С точки зрения поддержки управления риск-устойчивым развитием АЗ РФ основной функцией моделирования является прогностическая. В математическом моделировании наиболее близкой к проблемной области исследования является современная технология прогнозирования, которая складывается в последовательность из трех этапов: 1) построение модели процесса и ее "обучение" на пакетах ретроспективных входных и выходных данных; 2) тестирование "обученной" модели на ретроспективных данных, не использованных на этапе обучения; 3) построение прогнозных траекторий процесса при положительных результатах тестирования. Наиболее важным является первый этап. Под обучением модели понимается определение оптимальных параметров модели по имеющимся входным и выходным данным. Для решения указанной задачи используются различные классы моделей (регрессионные, дифференциальные уравнения, функциональные полиномы и др.), содержащие неизвестные параметры и критерии оценки этих параметров (интегральные, квантильные, вероятностные). Задача оценивания сводится к той или иной форме задачи минимизации принятого критерия на некотором допустимом множестве, для решения которой привлекаются известные или разрабатываются новые численные методы. Поскольку пакеты входных и выходных данных рассматриваются как случайные объекты, да к тому же содержащие случайные ошибки, то и получаемые оценки являются случайными. Математическая статистика предлагает методы исследования вероятностных свойств этих оценок (состоятельности, эффективности). Указанные методы основываются на некоторых гипотезах о свойствах исходных пакетов данных. В частности, они являются выборками из генеральной совокупности и при этом нормально распределены. При малых объемах данных корректная проверка этих гипотез практически невозможна. Поэтому вероятностное прогнозирование исследуемого процесса, использующее "традиционные" статистические методы, оказывается ненадежным даже на коротких интервалах времени, так как не обеспечивает получение достоверных оценок. Альтернативным решением задачи прогнозирования является применение рандомизированного прогнозирования, при котором генерируется не одна оптимальная траектория, а "оптимальный" ансамбль прогнозных траекторий. Для определения оптимальных характеристик рандомизированных моделей разработан метод энтропийно-робастного оценивания [24], использующий небольшое количество данных об исследуемом объекте. Оптимальность вероятностных характеристик рандомизированной модели понимается в терминах максимизации энтропии. Такой подход позволяет преодолеть недостатки классических методов прогнозирования. С учетом особенностей объекта исследований метод энтропийно- робастного оценивания рассматривается как ключевой метод проекта, обеспечивающий получение новых научных результатов. Для сравнительного анализа разнородных рисков использованы методы многокритериального оценивания, а для выявления относительно небольшого числа (3–7) определяющих факторов, называемых в синергетике "параметрами порядка", – методы свертки факторного пространства. Результаты и их обсуждение На основе сравнительно-исторического анализа российских и международных исследований обобщены концептуальные подходы к освоению российской Арктики [25]. Идентифицированы, систематизированы и уточнены основные риск-образующие факторы, связанные с хозяйственным освоением Арктического региона. Состав идентифицированных в ходе исследования рисков свидетельствует о междисциплинарности проблемы их научного исследования. Установлено, что границы между отдельными группами рисков и степень их влияния весьма условны. Наиболее значимым с точки зрения междисциплинарных исследований является определение геополитических, природно-географических, экологических, техногенных и климатических рисков, а также оценка их влияния на экономику и социальную сферу Арктического региона. Для этого необходима тесная связь экономической науки с методологией и прикладным инструментарием климатологии, географии, экологии, политологии,