Информационный базис для моделирования работы Муниципального образования

Существует много подходов к анализу и моделированию работы муниципальных образований (далее МО), например: методология муниципальной самоорганизации, портфельный анализ, интегративно-конвергенциальный и т. д. Отметим, что практически все они имеют в своей основе системный подход. Также отметим, что подавляющее большинство публикаций игнорирует использование программного обеспечения в работе МО, либо не упоминает о нем. Предложим свой подход к моделированию работы МО на основе информационных технологий.

Рассмотрим, из каких элементов, укрупнено состоит муниципалитет. Для начала выделим несколько секторов (кластеров):

Сектор «А»: финансовый.

Сектор «Б»: людские ресурсы.

Сектор «В»: территориальные ресурсы.

Сектор «Г»: производственный.

Рассмотрим сектора А, Б и В подробно (отметим, что не рассматриваются экологические и некоторые другие важные показатели).

«А». Пусть «А» - общее количество денег находящиеся в МО в момент времени t (под единицей времени будем понимать один месяц). «А1» - бюджет МО, «А2» - оборот частных предприятий, «А3» - оборот муниципальных предприятий и ведомств, «А4» - банковские кредиты и прочие субсидии юридическим («А4.1») и физическим лицам(«А4.2»), «А5» - выплаты Пенсионного Фонда, «А6» - официально неучтенная и не просчитываемая денежная масса. «А1» разделим на «А1.1» - НДФЛ, «А1.2» - НВД, «А1.3» - земельный налог, «А1.4» - транспортный налог, «А1.5» - аренда,.. А2 разделим на «А2.1» - промышленное производство, «А2.2» - оптово – розничная торговля, «А2.3» - услуги, «А2.4» - прочее и т.д. Если в МО есть крупные предприятия или отрасли, то их необходимо выделить под маркировкой «А2.х.у». Используя терминологию OLAP можно сказать, что выделены ячейки, в которых лежат параметры: численность занятых (Аz.x_1), денежный оборот (Аz.x_1), средний доход (зарплата\выплаты\оборот организации\прибыль организации) по подсектору (Аz.x_3.к, , где n - организация).

«Б». Разделим следующим образом: «Б1» - дети и подростки, «Б2» - трудоспособное население, «Б3» - нетрудоспособное население до пенсионного возраста, «Б3» - пенсионеры. При этом «Б2.1» - работающие на частных предприятиях, «Б2.2» - работающие в государственном секторе, «Б3.3» - безработные. Учитывая данные ГСЗН можно выделить «Б3.3.1» - состоящие на бирже труда, «Б3.3.2» - «скрытые» безработные, которые вероятно работают, но не зарегистрированы. Подсектор «Б1» разделим на: «Б1.1» - дошкольники, «Б1.2» - школьники, «Б1.3» - профессиональные и технические училища, «Б1.4» - студенты.

«В». Здесь выделим следующие подсектора: «В1» - земля под частное строительство («В1.1» - используемая, «В1.2» - неиспользуемая), «В2» - земля под промышленное строительство («В2.1» - используемая, «В2.2» - неиспользуемая), «В3» - земля под сельское хозяйство («В3.1» - используемая, «В3.2» - неиспользуемая), «В4» - земля под лесное хозяйство («В4.1» - используемая, «В4.2» - неиспользуемая), «В5» - водные ресурсы. Здесь следует учитывать, что земля из одной категории может переходить в другую и разделение во многом условно. Также отметим, что общее количество земельных и водных ресурсов статично.

Все введенные обозначения дискретны и являются историческими данными, которые теоретически можно собрать в одной БД. Для создания полноценной системы моделирования работы МО необходим обмен данными между ИС МО и ИС здравоохранения, МВД, МЧС и проч. По сути, мы имеем дело с временными рядами, для анализа которых обычно применяются методы математической статистики. Здесь следует отметить обычные для исторических данных проблемы: история может быть короткой и данные в ней могут быть не точны и с «пробелами». Такие проблемы часто обходят с помощью скользящей средней с периодом 3-4. В качестве альтернативы статистическим методам можно предложить использование различных нейросетевых архитектур, например многослойный персептрон для прогнозирования и сеть Кохонена для кластеризации, но нейронные сети требуют соответствующей подготовки и критичны к размеру валидационной выборки. Предложим информационный базис для дальнейшего анализа работы МО.

Для визуализации данных и дальнейшего разностороннего анализа можно предложить пакет Matlab Simulink ToolBox. Например, модель «Б1» можно представить, как показано на Рисунке 1. Расшифровку входов\выходов приводить не будем – они интуитивно понятны.

Рисунок 1. Представление Б1

Общую модель работы муниципалитета можно представить в виде следующей схемы Simulink

Рисунок 2. Общая модель работы МО

Таким образом, в данной статье предложен метод информационного моделирования работы муниципального образования. Метод отличается интуитивно понятным визуальным представлением, несложным математическим аппаратом и простой интеграцией с существующими СУБД. В качестве дальнейшего развития можно предложить использование методов Data – mining в качестве анализа временных рядов показателей работы муниципального образования.

Предметы

На главную страницу (Апшеронск)