Pages Navigation Menu

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ПИ № ФС 77 - 51217, 16+

DOI: https://doi.org/10.23670/IRJ.2018.72.6.029

Скачать PDF ( ) Страницы: 38-44 Выпуск: № 6 (72) Часть 2 () Искать в Google Scholar
Цитировать

Цитировать

Электронная ссылка | Печатная ссылка

Скопируйте отформатированную библиографическую ссылку через буфер обмена или перейдите по одной из ссылок для импорта в Менеджер библиографий.
Сахарова Л. В. МЕТОДИКА КОМПЛЕКСНОЙ ОЦЕНКИ ИНТЕНСИВНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА РОСТОВСКОЙ ОБЛАСТИ С УЧЕТОМ ПОЗИТИВНОЙ И НЕГАТИВНОЙ ДИНАМИКИ / Л. В. Сахарова, М. Б. Стрюков, Т. В. Алексейчик и др. // Международный научно-исследовательский журнал. — 2018. — № 6 (72) Часть 2. — С. 38—44. — URL: https://research-journal.org/economical/metodika-kompleksnoj-ocenki-intensivnosti-selskoxozyajstvennogo-proizvodstva-rostovskoj-oblasti-s-uchetom-pozitivnoj-i-negativnoj-dinamiki/ (дата обращения: 25.04.2019. ). doi: 10.23670/IRJ.2018.72.6.029
Сахарова Л. В. МЕТОДИКА КОМПЛЕКСНОЙ ОЦЕНКИ ИНТЕНСИВНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА РОСТОВСКОЙ ОБЛАСТИ С УЧЕТОМ ПОЗИТИВНОЙ И НЕГАТИВНОЙ ДИНАМИКИ / Л. В. Сахарова, М. Б. Стрюков, Т. В. Алексейчик и др. // Международный научно-исследовательский журнал. — 2018. — № 6 (72) Часть 2. — С. 38—44. doi: 10.23670/IRJ.2018.72.6.029

Импортировать


МЕТОДИКА КОМПЛЕКСНОЙ ОЦЕНКИ ИНТЕНСИВНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА РОСТОВСКОЙ ОБЛАСТИ С УЧЕТОМ ПОЗИТИВНОЙ И НЕГАТИВНОЙ ДИНАМИКИ

МЕТОДИКА КОМПЛЕКСНОЙ ОЦЕНКИ ИНТЕНСИВНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА РОСТОВСКОЙ ОБЛАСТИ С УЧЕТОМ ПОЗИТИВНОЙ И НЕГАТИВНОЙ ДИНАМИКИ

Научная статья

Сахарова Л.В.1, *, Стрюков М.Б.2, Алексейчик Т.В.3, Богачев Т.В.4, Куликова Ю.В.5

1,2,3,4 Ростовский государственный экономический университет, Ростов-на-Дону, Россия;

5 Минсельхозпрод Ростовской области, Ростов-на-Дону, Россия

* Корреспондирующий автор (l_sakharova[at]mail.ru)

Аннотация

Целью работы является разработка нечетко-множественной методики, позволяющей оценить динамику развития АПК в регионе на основе комплекса разноплановых показателей, а также осуществить сравнение (ранжирование) сельскохозяйственных объектов либо регионов. Методика основана на применении стандартных многоуровневых нечетких [0,1] –классификаторов. Она позволяет рассчитать комплексную числовую оценку для уровня интенсификации сельского хозяйства по критериям двух групп для любого количества исследуемых лет: уровня интенсификации производства в сельском хозяйстве и уровня экономической эффективности интенсификации производства в сельском хозяйстве, а также дать практические рекомендации по дальнейшему развитию сельского хозяйства в регионе.

Ключевые слова: методика, комплексная оценка, интенсивность сельскохозяйственного производства, показатели, теория нечетких множеств.

COMPLEX INTENSITY ESTIMATION METHOD OF AGRICULTURAL PRODUCTION OF ROSTOV REGION WITH REGARD TO POSITIVE AND NEGATIVE DYNAMICS

Research article

Sakharova L.V.1, *, Stryukov M.B.2, Alexeychik T.V.3, Bogachev Т.V.4, Kulikova Yu.V.5

1,2,3,4 Rostov State Economic University, Rostov-on-Don, Russia;

5 Ministry of Agriculture and Food of Rostov Region, Rostov-on-Don, Russia

* Corresponding author (l_sakharova[at]mail.ru)

 

Abstract

The work aims to develop a fuzzy-multiple methodology that allows assessing the dynamics of the development of the agro-industrial complex in the region on the basis of a complex of diverse indicators, and also to compare (ranking) agricultural objects or regions. The technique is based on the use of standard multilevel fuzzy [0,1] – classifiers. This makes it possible to calculate a complex numerical estimate for the level of agricultural intensification by the criteria of two groups for any number of years under study: the intensification level of production in agriculture and the level of economic efficiency of intensification of production in agriculture, and also to give practical recommendations for the further development of agriculture in the region.

Keywords: methodology, integrated assessment, the intensity of agricultural production, indicators, the theory of fuzzy sets.

Введение

Сущность критерия эффективности сельскохозяйственного производства заключается в максимальном производстве необходимой обществу сельскохозяйственной продукции при заданных затратах и величине ресурсов на единицу продукции, обеспечивающем высокое качество продукции и рациональное использование трудовых, материально-денежных и земельных ресурсов [1]. В аспекте оптимизации сельскохозяйственного производства практическую значимость приобретает разработка методик, позволяющих производить комплексную оценку интенсивности сельскохозяйственного производства на основе совокупности ранжированных показателей, объективно отражающих эффективность использования материальных и финансовых ресурсов отраслями АПК, а также влияние сельскохозяйственного производства на экологию региона.

В настоящее время существуют методики оценки интенсивности сельскохозяйственного производства по его отдельным показателям [2]. Однако они не позволяют оценивать и ранжировать агропромышленные предприятия, отрасли АПК и целые регионы на основе комплексного анализа многих показателей. Для ранжирования в АПК на практике используются рейтинговые оценки, например, ежегодная оценка клуба «Агро-300» [3]. Стандартная методика расчета общеэкономического рейтинга предусматривает использование только двух показателей: выручки и прибыли от реализации сельскохозяйственной продукции [4]. Отраслевые рейтинги рассчитываются достаточно сложно и строятся с использованием лишь трех наиболее значимых для отрасли показателей: объема валовой продукции отрасли, стоимости товарной продукции, прибыли от реализации.

Широкое практическое применение перечисленных методик затруднено в силу следующих факторов: 1) сложности расчета рейтинговых оценок; 2) учета при построении рейтинговых оценок малого количества значимых показателей; 3) использования показателей, напрямую зависящих от почвенных и погодно-климатических условий,  в результате чего, например, в клуб «Агро-300» обычно попадают участники с самыми благоприятными условиями сельскохозяйственного производства, не требующими дополнительных затрат на агротехнические мероприятия. Таким образом, для справедливой оценки динамики интенсивности сельскохозяйственного производства необходимы методики, объективно отражающие эффективность использования материальных и финансовых ресурсов АПК.

В настоящей работе предложена методика, базирующаяся на методах теории нечетких множеств и направленная на получение объективной комплексной количественной оценки интенсивности сельскохозяйственного производства по совокупности критериев двух групп: уровню интенсификации производства  и уровню экономической эффективности интенсификации производства в сельском хозяйстве.

Новизна предложенного способа, а также его отличие от аналогичных разработок состоит в том, что  для каждого из показателей на основании временных рядов его значений посредством нормирующих формул вычисляются интегрированные оценки. Последующее применение к ним стандартного пятиуровневого нечеткого [0,1] –классификатора (использовавшегося ранее в финансовом анализе и не применявшегося в методиках оценки интенсивности производства [5]) позволяет рассчитать нормированные комплексные оценки уровней интенсификации производства и экономической эффективности интенсификации производства в сельском хозяйстве, а также получить комплексную оценку интенсивности его производства.. Агрегирование сформированных оценок на основе стандартных пятиуровневых нечетких [0,1] –классификаторов позволило получить итоговую комплексную оценку интенсивности сельскохозяйственного производства региона на примере Ростовской области.

Общие принципы методики оценки интенсивности сельскохозяйственного производства

Общие принципы авторской методики оценки интенсивности сельскохозяйственного производства подробно описаны в [6], [7]. Математический аппарат, положенный в основу методики и представляющий собой модификацию стандартных многоуровневых нечетких [0,1] –классификаторов раскрыт в работах [8], [9].

Общие принципы методики оценки интенсивности сельскохозяйственного производства сводится к следующему алгоритму.

Этап 1. Формирование списка из значимых показателей уровня интенсификации производства в сельском хозяйстве за рассматриваемый период n лет (далее: первая группа показателей), а также  значимых показателей уровня экономической эффективности интенсификации производства в сельском хозяйстве за тот же период (вторая группа показателей).

Этап 2. Ранжирование важности исследуемых показателей для оценки интенсивности сельского хозяйства, расчет их весовых коэффициентов, , на основе экспертных оценок.

Этап 3. Расчет нормированных (то есть принадлежащих отрезку [0,1]) числовых значений исследуемых показателей первой и второй группы за рассматриваемый период n лет, например, на основе формул, определяемых смыслом задачи.

Этап 4. Задание лингвистических переменных. Нормированные значения показателей, определенные на Этапе 3,  являются числовыми значениями нечетких переменных с универсальным множеством (носителем) в виде отрезка 19-06-2018 15-15-19. Им сопоставляются лингвистические переменные с терм-множествами, состоящими из пяти термов: «очень низкий уровень показателя»; «низкий уровень показателя»; «средний уровень показателя»; «высокий уровень показателя»; «очень высокий уровень показателя». Функции принадлежности лингвистических переменных определены с помощью трапециевидных функций.

Кроме того, вводим в рассмотрение лингвистические переменные: γ = «комплексная оценка интенсивности сельскохозяйственного производства»; γ1 = «оценка уровня интенсификации производства в сельском хозяйстве»; γ2 = «оценка экономической эффективности интенсификации производства в сельском хозяйстве». Универсальным множеством для каждой лингвистической переменной является числовой отрезок  19-06-2018 15-15-19, а множеством значений всех трех переменных 19-06-2018 15-18-45 – терм-множество 19-06-2018 15-19-58, где G1 – «устойчивая тенденция  к уменьшению роста»; G2 – «тенденция к уменьшению роста»; G– «тенденция к стагнации»; G4 – «тенденция к росту»; G– «устойчивая тенденция к росту». Функции принадлежности также имеют трапециевидную форму.

Этап 5. Переход от числовых значений показателей к числовым значениям оценок на основе общего алгоритма работы стандартных пятиуровневых нечетких [0,1] –классификаторов.

Этап 6. Лингвистическое распознавание полученных числовых оценок в соответствии с определением терм-множества 19-06-2018 15-19-58, а также анализ полученных оценок интенсивности на основе числовых значений показателей и рекомендации по коррекции сложившейся ситуации.

ой динамики за 18 лет. Оценка уровня интенсивности сельскохозяйственного производства Ростовской области осуществлена на основе статистических данных, предоставленных Минсельхозпрод Ростовской области, за 18 лет с учетом позитивной и негативной динамики их изменения.

Исследуемые показатели уровня интенсификации производства образуют четыре группы: первая группа отражает стоимость производственных фондов на 1 га сельскохозяйственных угодий, вторая группа – энергетические ресурсы; третья группа – характеристики основных производственных фондов; четвертая  группа – текущие производственные затраты. Роль совокупных затрат и стоимости основных производственных фондов в оценке уровня интенсификации производства в сельском хозяйстве раскрывается через более подробные показатели: во второй группе – через показатели энергооснащенности и энерговооруженности; в третьей группе – через коэффициенты обновления сельхозтехники, удельный вес породных животных в общем поголовье, а также плотность крупного рогатого скота на 100 га сельхозугодий (голов); в третьей группе – через показатели размера текущих производственных затрат растениеводства и животноводства. В целом, для оценки уровня интенсификации производства имеются статистические данные по 14 показателям, представленные Минсельхозпродом Ростовской области за 1996 – 2013 г.

Показатели экономической эффективности интенсификации производства в сельском хозяйстве Ростовской области образуют шесть групп: объем валового дохода, уровень рентабельности, фондоотдача, производительность труда, урожайность сельскохозяйственных культур по группам, производительность сельскохозяйственных животных по группам.

Таким образом, экономическую эффективность интенсификации производства в сельском хозяйстве Ростовской области необходимо оценить по 10 показателям на основе статистических данных за18 лет. Требуется на основании полученных оценок уровня интенсификации производства в сельском хозяйстве Ростовской области и экономической эффективности интенсификации производства в сельском хозяйстве Ростовской области сформировать итоговую комплексную оценку интенсификации производства в сельском хозяйстве Ростовской области.

Поставленная задача является труднореализуемой методами классического математического моделирования, в первую очередь, в силу необходимости учета значительного объема разнородных данных. Исходный статистический материал представляет собой таблицу из 24 строк и 18 столбцов; при этом вклад каждого из показателей в итоговую оценку не является равнозначным. Показатели имеют различный экономический смысл, масштаб и размерность (например, урожайность сельскохозяйственных культур, измеряемая в ц/га; фондоотдача, руб.; уровень рентабельности, %, и т.д.). Кроме того, для рассматриваемых показателей в настоящее время отсутствуют общепринятые нормативы. «Позитивной» считается тенденция постоянного положительного прироста показателей; «негативной» – нулевого либо отрицательного прироста по каждому из показателей.

Поэтому расчет нормированных значений 19-06-2018 15-25-23 исследуемых показателей уровня интенсификации производства в сельском хозяйстве за рассматриваемый период N лет осуществлен на основе схемы, интегрирующей  временные ряды данных по каждому из показателей и учитывающей значимость различных временных периодов за счет весовых коэффициентов:

19-06-2018 15-27-36

где ki – весовые коэффициенты, определяемые на основе правила Фишберна, причем нумерация временных периодов ведется в обратном порядке (то есть в рассматриваемом примере первый период – годы 2012-2013, а последний, 17-й, годы 1996-1997). Ii – целочисленные функции, определяемые таким образом, что значению «-1» соответствует отрицательный прирост  по i-му показателю; значению «1» – положительный прирост по i-му показателю; значению «0» – стагнация, нулевой прирост.

Анализ формулы (1) показывает, что схема учитывает временную значимость каждого из рассматриваемых периодов. Если во всех периодах имеет место положительный прирост, то сумма в скобке равна единице, и итоговое числовое значение показателя 19-06-2018 15-30-07 достигает своего максимума и равно единице. В случае отрицательного прироста во всех периодах значение показателя 19-06-2018 15-30-07 достигает минимума и равно нулю. Итоговый вес временных периодов с 2008 по 2013 равен 0,4902; с 2002 по 2007 – 0,3726; с 1996 по 2001 – всего лишь 0,1372. Таким образом, при стабильном отрицательном периоде в последние 5 лет суммарная числовая оценка по i-му показателю не выше 0,5098 (что означает «плохо»).

Аналогично осуществляется расчет нормированных значений 19-06-2018 15-32-42 исследуемых показателей уровня экономической эффективности интенсификации производства в сельском хозяйстве 19-06-2018 15-33-28. Расчет комплексных оценок осуществлен в соответствии с общей схемой. Веса, а также значения функций принадлежности для показателей первой и второй групп приведены в табл. 1 и 2.

Для расчетов на основе вышеописанных схем разработан программный комплекс [10].

На основе табл. 1  выполнены расчет и лингвистическое распознавание 19-06-2018 15-34-27= «оценки уровня интенсификации производства в сельском хозяйстве Ростовской области»

19-06-2018 15-35-21

19-06-2018 15-36-57. Следовательно, 19-06-2018 15-34-27= «оценка уровня интенсификации производства в сельском хозяйстве Ростовской области»  соответствует терму G4 – «тенденция к росту».

На основании той же табл. 1  определены критические показатели (те, у которых нормированное значение меньше 0,5). Таковыми являются: 1) плотность крупного рогатого скота на 100 га сельхозугодий (голов), 19-06-2018 15-39-20 ; 2) коэффициент обновления сельхозтехники (%), комбайны всех видов, 19-06-2018 15-39-30; 3) удельный вес породных животных в общем поголовье (%), овцы, 19-06-2018 15-39-42; 4) энергооснащенность, 19-06-2018 15-40-01; 5) удельный вес породных животных в общем поголовье (%),  свиньи, 19-06-2018 15-40-13.

Таблица 1 – Веса и значения функций принадлежности для показателей первой группы

19-06-2018 15-51-11

На основании полученных оценок можно сделать вывод, что в 1996 – 2013 в  сельском хозяйстве Ростовской области наблюдалась устойчивая тенденция к снижению следующих значимых показателей, характеризующих уровень интенсификации сельскохозяйственного производства: плотность крупного рогатого скота на 100 га сельхозугодий, удельный вес породных животных в общем поголовье (овцы, свиньи), коэффициент обновления сельхозтехники (комбайны всех видов), энергооснащенность.

Расчет и лингвистическое распознавание

19-06-2018 15-52-35 = «оценки экономической эффективности интенсификации производства в сельском хозяйстве Ростовской области»

также осуществлено на основе табл 2.

19-06-2018 15-57-33

Следовательно, 19-06-2018 15-52-35 = «оценка экономической эффективности интенсификации производства в сельском хозяйстве Ростовской области» соответствует двум термам G3 – «тенденция к стагнации» и G4 – «тенденция к росту», причем высказывание «имеет место тенденция к стагнации» является более истинным, чем высказывание «имеет место тенденция к росту».

 

Таблица 2 – Веса и значения функций принадлежности для показателей второй группы

19-06-2018 15-59-53

На основе таблицы 3 выделены показатели, приводящие к снижению итоговой оценки, включающие в себя: 1) выход телят на 100 основных коров (гол.), 19-06-2018 16-05-33; 2) урожайность зерновых и зернобобовых без кукурузы, 19-06-2018 16-05-41; 3) уровень рентабельности (%), 19-06-2018 16-05-52; 4) объем произведенной продукции на рубль вложенного капитала  (руб.), 19-06-2018 16-07-28. На основании полученных оценок можно сделать вывод, что в 1996 – 2013 в  сельском хозяйстве Ростовской области наблюдалась устойчивая тенденция к снижению следующих значимых показателей, характеризующих уровень экономической эффективности интенсификации сельскохозяйственного производства: выход телят на 100 основных коров, урожайность зерновых и зернобобовых без кукурузы, уровень рентабельности, объем произведенной продукции на рубль вложенного капитала.

Осуществлен расчет 19-06-2018 16-08-12 = «комплексной оценки интенсификации производства в сельском хозяйстве региона». Веса термов определены как среднее арифметическое соответствующих весов оценок 19-06-2018 15-34-27 и 19-06-2018 15-52-35:

19-06-2018 16-09-19

Следовательно, 19-06-2018 16-08-12 = «комплексная оценка интенсификации производства в сельском хозяйстве региона» за 1996 – 2013 г. соответствует двум термам G– «тенденция к стагнации» и G– «тенденция к росту», причем высказывание «имеет место тенденция к росту» является более истинным, чем высказывание «имеет место тенденция к стагнации».

Таким образом, предложенная методика позволила выполнить комплексный анализ развития сельского хозяйства Ростовской области в 1996 – 2013 г. на основе учета позитивной и негативной динамики разнородных показателей двух групп: 14 показателей, характеризующих интенсификацию производства и 10 показателей – экономическую эффективность интенсификации производства. Анализ осуществлен с учетом весовой значимости показателей, а также ранжирования вклада различных временных периодов в итоговую оценку.

Установлено, что уровню интенсификации производства в сельском хозяйстве Ростовской области в рассматриваемом периоде может быть дана оценка «тенденция к росту», в то время как уровень экономической эффективности интенсификации производства в сельском хозяйстве Ростовской области соответствует в большей мере оценка  «тенденция к стагнации», чем «тенденция к росту». Факторами, приводящими к низкой итоговой оценки уровня экономической эффективности интенсификации производства являются, в первую очередь, устойчивые тенденции к снижению уровня рентабельности, а также объема произведенной продукции на рубль вложенного капитала. Отмеченные факторы, в свою очередь, являются следствием устойчивой тенденции к снижению таких значимых показателей, характеризующих уровень интенсификации сельскохозяйственного производства, как: плотность крупного рогатого скота на 100 га сельхозугодий, удельный вес породных животных в общем поголовье, коэффициент обновления сельхозтехники, энергооснащенность.

Комплексной оценке интенсификации производства в сельском хозяйстве региона отвечает более «тенденция к росту», чем «тенденции к стагнации», что указывает на относительно устойчивую динамику развития сельскохозяйственного производства Ростовской области в 1996 – 2013 г. Проведенный анализ указал на области сельскохозяйственного производства, в которые в будущем требуется привлечение инвестиций для обеспечения устойчивого роста.

Выводы

Предложена методика оценки эколого-экономической эффективности сельскохозяйственного производства в регионе на основе стандартных пятиуровневых нечетких [0,1] –классификаторов. Практическая значимость методики состоит в том, что она позволяет сформировать комплексную оценку интенсивности сельскохозяйственного производства в регионе, а также комплексную оценку воздействия сельскохозяйственного производства на экологию региона на основе интегрированных оценок по временным рядам числовых  статистических значений разнородных показателей, отражающих как уровень, так  темпы прироста за соответствующие периоды; причем вклад каждого из показателей оценивается с помощью весового коэффициента, отражающего его значимость.

По сравнению с уже существующими методиками оценки, предложенная методика оценки обладает рядом  практически значимых преимуществ: 1) простой схемой расчета; 2) учетом при построении оценок большого количества разнородных значимых показателей, допускающих варьирование в зависимости от имеющегося статистического материала и особенностей решаемой конкретной практической задачи; 3) использованием лишь показателей, объективно отражающих эффективность использования материальных и финансовых ресурсов АПК и воздействия сельскохозяйственного производства на экологию региона; 4) возможностью  варьирования весомости вклада исследуемых показателей в комплексную оценку интенсивности сельскохозяйственного производства региона; 5) адаптивностью и универсальностью предложенной методики, позволяющей применить ее к оценке интенсивности не только сельскохозяйственного, но и промышленного производства в различных масштабах; 6) возможностью применения ее для  ранжирования регионов по комплексам показателей, а также прогнозирования их развития при условии построения трендовых моделей исследуемых показателей; 7) возможностью анализа на ее основе ситуации в рассматриваемом производстве и формирования практических рекомендаций на основе рассчитанных интегрированных оценок показателей.

Конфликт интересов

Не указан.

Conflict of Interest

None declared.

Список литературы / References

  1. Бондаренко Л.В. Эколого-экономическая эффективность и устойчивость производства зерна (По материалам Краснодарского края) : Дис. … канд. экон. наук : 08.00.05 : Краснодар, 2002 210 c. РГБ ОД, 61:03-8/2175-X.
  2. Минаков И.А. Экономика отраслей АПК: учебник / И.А. Минаков, М.И. Куликов, О.В. Соколов // М.: Колосс, 2008. – 273 с.
  3. Клуб «Агро-300»: факторы успеха // АгроРынок. – 2007. – № 1. – С. 4–5.
  4. Карминский А. М. Рейтинги в экономике: методология и практика / А. М. Карминский, А. А. Пересецкий, А.Е. Петров. – М.: Финансы и статистика, 2005. – 235 с.
  5. Недосекин А.О. Нечеткие множества и финансовый менеджмент / О.А. Недосекин // М. :AFA Library. – 2003. – 184 с.
  6. Стрюков М.Б. Методика оценки интенсивности сельскохозяйственного производства на основе теории нечетких множеств / М.Б. Стрюков, Л.В. Сахарова, Т.В. Алексейчик и др. // Международный научно-исследовательский журнал. – 2017. – №07 (61), Часть 3 Июль. – C. 123 – 129.
  7. Sakharova L.V. Application of fuzzy set theory in agro-meteorological models for yield estimation based on statistics / L.V. Sakharova, M.B.Stryukov,I.Akperov and others // 9th International Conference on Theory and Application of Soft Computing, Computing with Words and Perception, 24-25 August 2017, Budapest, Hungary. – Procedia Computer Science 120 (2017). – 820–829 P. – URL: https://www.sciencedirect.com/journal/procedia-computer-science/vol/120/suppl/C?page-size=100&page=2 (дата обращения: 30.04.2018).
  8. Крамаров С.О. Управление сложными экономическими системами методом нечетких классификаторов / М.Б. Крамаров, Л.В. Сахарова // Научный вестник Южного Университета Менеджмента. – 2017. – №2 (18). – С. 42 – 50.
  9. Крамаров С.О. Мягкие вычисления в менеджменте: управление сложными многофакторными системами на основе нечетких аналог-контроллеров / М.Б. Крамаров, Л.В. Сахарова // Научный вестник Южного Университета Менеджмента. – 2017. – №3 (19). – С. 42 – 51.
  10. Альбеков А.У. Программа для оценки интенсивности сельскохозяйственного производства посредством нечеткого 5-точечного классификатора / А.У. Альбеков, Е.А. Арапова, Д.Н. Карасев и др. // Федеральная служба по интеллектуальной собственности. – 2018. – Свидетельство о регистрации программы для ЭВМ № 2018613875.

Список литературы на английском языке / References in English

  1. Bondarenko L.V. Jekologo-jekonomicheskaja jeffektivnost’ i ustojchivost’ proizvodstva zerna (Po materialam Krasnodarskogo kraja) : Dis. … kand. jekon. nauk : 08.00.05 [Ecological and economic efficiency and stability of grain production (On materials of Krasnodar territory): Dis …. kand. … cand. econ. Sciences]: 08.00.05: Krasnodar, 2002 210 c. RSL OD, 61: 03-8 / 2175-X. [in Russian]
  2. Minakov I.A. Jekonomika otraslej APK: uchebnik [Economics of the agroindustrial complex branches: textbook] / I.А. Minakov, M.I. Kulikov, O.V. Sokolov // M .: Koloss, 2008. – 273 p. [in Russian]
  3. Klub «Agro-300»: faktory uspeha [Club «Agro-300»: success factors] // Agro-Market. – 2007. – No. 1. – P. 4-5. [in Russian]
  4. Karminsky A.M. Rejtingi v jekonomike: metodologija i praktika [Ratings in the economy: methodology and practice] / A.M. Karminsky, A.A. Peresetsky, A.E. Petrov. – Moscow: Finance and Statistics, 2005. – 235 p. [in Russian]
  5. Nedosekin A.O. Nechetkie mnozhestva i finansovyj menedzhment. [Fuzzy sets and financial management] / O.A. Nedosekin / M.: AFA Library. – 2003. – 184 p. [in Russian]
  6. Stryukov M.B. Metodika ocenki intensivnosti sel’skohozjajstvennogo proizvodstva na osnove teorii nechetkih mnozhestv. [Methods for estimating the intensity of agricultural production on the basis of the theory of fuzzy sets] / M.B. Stryukov, L.V. Sakharova, Т.V. Alekseichik and others // International Research Journal. – 2017. – №07 (61), Part 3 July. – C. 123 – 129. [in Russian]
  7. Sakharova L.V. Application of fuzzy set theory in agro-meteorological models for yield estimation based on statistics / L.V. Sakharova, M.B.Stryukov, G.I.Akperov and others // 9th International Conference on Theory and Application of Soft Computing, Computing with Words and Perception, 24-25 August 2017, Budapest, Hungary. – Procedia Computer Science 120 (2017). – 820-829 P. -URL: https://www.sciencedirect.com/journal/procedia-computer-science/vol/120/suppl/C?page-size=100&page=2 (accessed 04.04.2018 ).
  8. Kramarov S.O. Upravlenie slozhnymi jekonomicheskimi sistemami metodom nechetkih klassifikatorov. [Management of complex economic systems by the method of fuzzy classifiers] / M.B. Kramarov, L.V. Sakharov // Nauchnyj vestnik Juzhnogo Universiteta Menedzhmenta. [Scientific herald of the South University of Management]. – 2017. – №2 (18). – P. 42 – 50. [in Russian]
  9. Kramarov S.O. Mjagkie vychislenija v menedzhmente: upravlenie slozhnymi mnogofaktornymi sistemami na osnove nechetkih analog-kontrollerov. [Soft calculations in management: management of complex multifactor systems based on fuzzy analog controllers] / M.B. Kramarov, L.V. Sakharov // Nauchnyj vestnik Juzhnogo Universiteta Menedzhmenta. [ Scientific Herald of the Southern University of Managemen]. – 2017. – No. 3 (19). – P. 42 – 51. [in Russian]
  10. Albekov A.U. Programma dlja ocenki intensivnosti sel’skohozjajstvennogo proizvodstva posredstvom nechetkogo 5-tochechnogo klassifikatora. [Program for assessing the intensity of agricultural production through a fuzzy 5-point classifier] / A.U. Albekov, E.A. Arapova, D.N. Karasev and others // Federal’naja sluzhba po intellektual’noj sobstvennosti. [Federal Service for Intellectual Property]. – 2018. – Svidetel’stvo o registracii programmy dlja JeVM № 2018613875. [Certificate of registration of the computer program No. 2018613875]. [in Russia]

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.