Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Управление в социальных и экономических системах

Диссертационная работа:

Осипова Ирина Валерьевна. Интеллектуальная информационно-аналитическая система поддержки планирования налоговых доходов регионального бюджета : Дис. ... канд. техн. наук : 05.13.10 Уфа, 2005 151 с. РГБ ОД, 61:06-5/1700

смотреть содержание
смотреть введение
Содержание к работе:

ИСПОЛЬЗУЕМЫЕ В ТЕКСТЕ СОКРАЩЕНИЯ 5

ВВЕДЕНИЕ 7

1. АНАЛИЗ ПРОБЛЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
ПРИ ПЛАНИРОВАНИИ НАЛОГОВЫХ ДОХОДОВ РЕГИОНАЛЬНОГО
БЮДЖЕТА 13

  1. Анализ процесса планирования налоговых доходов регионального бюджета 13

  2. Существующие подходы к информационно-аналитической поддержке принятия решений при планировании налоговых доходов регионального бюджета 23

  1. Обзор существующих концепций и программных комплексов систем поддержки принятия решений при планировании регионального бюджета 26

  2. Анализ методов и моделей прогнозирования экономических показателей 30

1.3. Подход к информационно-аналитической поддержке
планирования налоговых доходов регионального бюджета на основе

инженерии знаний 40

Выводы к 1 главе 47

2. МОДЕЛИ ФОРМАЛИЗАЦИИ ЗНАНИЙ О ПРОЦЕССЕ
ПЛАНИРОВАНИЯ НАЛОГОВЫХ ДОХОДОВ РЕГИОНАЛЬНОГО
БЮДЖЕТА 49

2.1. Извлечение и представления знаний для интеллектуальной
информационно-аналитической системы поддержки планирования
налоговых доходов регионального бюджета 49

2.2. Разработка комплекса объектно-ориентированных моделей

процесса планирования налоговых доходов регионального бюджета 51

Выводы ко 2 главе 67

ГЛАВ A3. АЛГОРИТМЫ ИНТЕЛЛЕКТУАЛЬНОЙ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ ПОДДЕРЖКИ ПЛАНИРОВАНИЯ НАЛОГОВЫХ

ДОХОДОВ РЕГИОНАЛЬНОГО БЮДЖЕТА 68

3.1. Модель прогнозирования налоговых доходов регионального
бюджета на основе адаптивной нечеткой базы знаний 69

  1. Структуризация адаптивной нечеткой базы знаний 69

  2. Проектирование системы нечеткого вывода 73

3.1.3.Формирование нечеткой базы знаний 75

  1. Настройка нечеткой базы знаний 77

  2. Тестирование нечеткой базы знаний 82

  1. Структура интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета 83

  2. Алгоритмы интеллектуальной информационно-аналитической 85 поддержки планирования налоговых доходов регионального бюджета

  3. Методика построения интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов

регионального бюджета 89

Выводы к 3 главе 91

4. РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ СИСТЕМЫ ПОДДЕРЖКИ ПЛАНИРОВАНИЯ НАЛОГОВЫХ ДОХОДОВ РЕГИОНАЛЬНОГО БЮДЖЕТА И ОЦЕНКА

ЕЕ ЭФФЕКТИВНОСТИ 93

4.1 Имитационное моделирование прогнозирования налоговых доходов
бюджета в среде MA TLAB

4.2 Сравнительная оценка эффективности методов прогнозирования

с использованием искусственной нейронной сети 106

4.3 Разработка исследовательского прототипа интеллектуальной
информационно-аналитической системы поддержки планирования

налоговых доходов регионального бюджета 109

Выводы к 4 главе ПО

ЗАКЛЮЧЕНИЕ Ill

ЛИТЕРАТУРА 113

ПРИЛОЖЕНИЕ 1 124

ПРИЛОЖЕНИЕ 2 129

ПРИЛОЖЕНИЕ 3 139

ПРИЛОЖЕНИЕ 4 142

ПРИЛОЖЕНИЕ 5 j 44

ПРИЛОЖЕНИЕ 6 j 49

ИСПОЛЬЗУЕМЫЕ В ТЕКСТЕ СОКРАЩЕНИЯ

МНП - модуль нечетких правил;

БНП - блок нечетких правил;

БЗ- база знаний;

НАД — интеллектуальный анализ данных;

ИИАС - интеллектуальная информационно-аналитическая система;

КБ - консолидированный бюджет;

КМ - когнитивная модель;

НД - налоговые доходы;

НП - налоговые поступления;

ННС - нейро-нечеткая сеть;

НС - нейронная сеть;

ООАМ — объектно-ориентированный анализ и моделирование;

НИР - поддержка принятия решений;

Сі 11 IP - система поддержки принятия решений;

ФП - функция принадлежности;

ХД - хранилище данных;

ЭС - экспертная система;

CASE - Computer Aided Software Engineering (автоматизированная разработка программного обеспечения);

IDEFIntegrated Definition and Design Technique;

SADT — Structured Analysis and Design Technique (структурный анализ и проектирование);

UML — Unified Modeling Language (унифицированный язык моделирования);

OLAP Online Analytical Processing (оперативная аналитическая обработка);

OLTP - Online Transactional Processing (оперативная транзакционная обработка);

DM— Data Mining (добыча данных);

KDD — Knowledge Discovery in Databases (извлечение знаний из баз данных);

CPN- Colored Petri Nets (цветные сети Петри);

ARISArchitecture of Integrated Information System Toolset;

ANFIS — Adaptive Neuro-Fuzzy Inference System (адаптивная система нейро-нечеткого вывода);

FIS — Fuzzy Inference System (система нечеткого вывода).

Введение к работе:

Актуальность

Эффективность работы бюджетной системы оказывает непосредственное влияние на качество жизни населения и является необходимым условием успешного функционирования и социально-экономического развития территориального образования. Аккумулируя с помощью бюджета денежные средства, государство через финансовые механизмы осуществляет выполнение возложенных на него обществом политических, экономических и социальных функций.

В рамках бюджетного планирования задачей первостепенной важности является прогноз ожидаемых налоговых поступлений как основного источника доходной базы, ключевым вопросом при этом является учет особенностей социально-экономической ситуации в регионе и возможных сценариев ее развития.

Задача планирования экономической деятельности и прогнозирования ее результатов является одной из самых сложных, что обусловлено нестационарностью экономических процессов, нестабильным состоянием современной экономики, вследствие чего принятие управленческих решений содержит фактор неопределенности. В данных условиях особую актуальность приобретает подход к информационной поддержке принятия решений в процессе прогнозно-аналитической деятельности бюджетного планирования на основе инженерии знаний.

Проблемы поддержки принятия решений, в том числе с использованием методов искусственного интеллекта, изучали такие отечественные ученые, как Г.С. Поспелов, Д.А. Поспелов, В.И. Вагин, Э.В. Попов, Э.А. Трахтенгерц и др. Большой вклад в развитие систем управления сложными динамическими объектами в условиях неопределенности внесли Б.Г. Ильясов, Л.А. Исмагилова, Н.И. Юсупова, В.В Миронов, В.И. Васильев. В трудах зарубежных ученых Л. Заде, М. Сугэно, С. Осовского, Д. Рутковской излагаются теоретические и

8 прикладные аспекты моделирования систем, использующих концепцию

"мягких вычислений". Работы Т.А. Гавриловой, В. Ф. Хорошевского, Ю.В. Тельнова посвящены вопросам инженерии знаний и разработки интеллектуальных информационных систем. Вопросами анализа и планирования региональных финансов, прогнозирования социально-экономического развития региона на основе математического моделирования, в том числе разработки соответствующих автоматизированных систем, занимались Д. Л. Андрианов, Г. Р. Хасаев. Применение интеллектуальных технологий для повышения эффективности налогового контроля рассматривается в работах С.А. Горбаткова. Вопросы разработки и использования нейросетевых моделей для решения задач экономического анализа и прогноза, в том числе налоговых поступлений, исследуются в работе Д.-Э. Бэстенса.

Вместе с тем недостаточно исследованным является вопрос
автоматизированной разработки интеллектуальной предметно-

ориентированной информационно-аналитической системы для поддержки решения задач регионального бюджетного планирования, на основе формализованного представления и использования экспертных знаний, что обуславливает актуальность выбранного направления исследований.

Диссертационные исследования проведены в рамках гранта РФФИ (проект № 03-06-80012а) «Экономико-математические модели управления межбюджетными отношениями в регионе (на примере Республики Башкортостан)».

Цель и задачи исследования

Целью диссертационной работы является разработка моделей и алгоритмов интеллектуальной информационно-аналитической поддержки для повышения эффективности процесса планирования налоговых доходов регионального бюджета.

Для достижения поставленной цели решаются следующие задачи:

1. Построить комплекс моделей процесса планирования налоговых

доходов регионального бюджета на основе объектно-ориентированного анализа предметной области.

  1. На основе результатов объектно-ориентированного моделирования разработать структуру интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета, включающую адаптивную нечеткую базу знаний иерархического типа.

  2. Разработать модель прогнозирования налоговых доходов регионального бюджета на основе адаптивной нечеткой базы знаний иерархического типа.

  3. Разработать методику построения интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета.

  4. Разработать алгоритмическое, программное обеспечение интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета и исследовать ее эффективность.

Методика исследования

Результаты исследований базируются на методах системного анализа, методологии объектно-ориентированного анализа и моделирования информационных систем, методологии построения экспертных систем, теории искусственных нейронных сетей, теории нечеткой логики.

Результаты, выносимые на защиту

На защиту выносятся:

1. Комплекс объектно-ориентированных моделей процесса планирования налоговых доходов регионального бюджета, включающий модели структуры классов процесса планирования налоговых доходов

10 регионального бюджета, логические модели интеллектуальных компонентов

информационно-аналитической системы и модели динамики ее

функционирования.

  1. Структура интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета, включающая интеллектуальные компоненты в виде адаптивной нечеткой базы знаний иерархического типа, и нейро-нечеткой сети для настройки ее параметров.

  2. Модель прогнозирования налоговых доходов регионального бюджета на основе адаптивной нечеткой базы знаний иерархического типа, позволяющая интегрировать экспертные знания и фактографическую информацию, используемую для обучения нейро-нечеткой сети.

  3. Методика построения интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета.

  4. Алгоритмическое и программное обеспечение для реализации интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета в соответствии с предложенными формальными моделями.

Научная новизна

Новизна структуры интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета состоит в наличии интеллектуальных компонентов в виде адаптивной нечеткой базы знаний иерархического типа, построенной на основе результатов объектно-ориентированного моделирования, и нейро-нечеткой сети для настройки ее параметров.

Новизна разработанной модели прогнозирования налоговых доходов регионального бюджета состоит в формировании прогноза на основе

экспертных знаний, содержащихся в нечетких правилах, и фактографической информации, описывающей текущие социально-экономические условия.

Новизна предложенной методики построения интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета заключается в использовании результатов объектно-ориентированного моделирования на этапе концептуализации знаний и настройке параметров адаптивной нечеткой базы знаний на этапе формализации.

Практическая значимость

Практическую значимость имеют:

- методика, в соответствии с которой осуществляется
автоматизированная разработка интеллектуальной информационно-
аналитической системы поддержки планирования налоговых доходов
регионального бюджета.

- программное обеспечение, реализующее исследовательский прототип
интеллектуальной информационно-аналитической системы поддержки
планирования налоговых доходов регионального бюджета, позволяющее
проводить анализ и прогнозирование на основе интеграции фактографической
информации с экспертными знаниями и повысить эффективность процесса
принятия решений.

Основные результаты диссертационной работы в виде моделей, методики и программного обеспечения исследовательского прототипа интеллектуальной информационно-аналитической системы поддержки планирования налоговых доходов регионального бюджета внедрены в Институт социально-экономических исследований УНЦ РАН и в Министерство финансов Республики Башкортостан. Кроме того, результаты диссертационной работы внедрены в учебный процесс на базе Уфимского государственного авиационного технического университета и изложены в методических указаниях к лабораторным работам.

12 Апробация работы

Основные результаты работы докладывались и обсуждались на 6 научно — технических конференциях, в том числе на международной научно-практической конференции "Саморазвитие регионов", г. Уфа, 2002 г., V международной конференции «Проблемы управления и моделирования в сложных системах», г.Самара, 2003 г., VII международной научно-практической конференции «Системный анализ в проектировании и управлении», г. Санкт-Петербург, 2003 г., V международной конференции «Computer Science and Information Technologies CSIT'2003», г.Уфа, 2003 г., VI международной конференции «Computer Science and Information Technologies CSIT'2004», г.Будапешт, 2004 г., VII международной конференции «Computer Science and Information Technologies CSIT'2005», г.Уфа, 2005 г.

Публикации

Основные результаты исследования по теме диссертации опубликованы в 11 работах - в том числе 9 статей, 2 тезисов докладов, 1 методические указания к лабораторным работам для студентов специальностей «Прикладная информатика в экономике» и «Математические методы и исследование операций в экономике».

Подобные работы
Султанова Светлана Нурисламовна
Информационная система поддержки принятия решений при планировании работ преподавателей вуза на основе интегральной оценки показателей качества
Дроздов Олег Игоревич
Информационно-технологические процессы исполнения расходной части федерального бюджета России по казначейской системе
Основина Ольга Николаевна
Разработка мультиагентной системы поддержки принятия решений по оценке эксплуатационной надежности систем управления
Ларин Олег Михайлович
Методы, модели и алгоритмы для системы поддержки принятия решений оптимизации потерь электроэнергии в системе электроснабжения промышленного предприятия
Косткина Ольга Сергеевна
Информационная система поддержки принятия решений при мониторинге состояния здоровья людей в условиях вредных производств
Жданова Евгения Анатольевна
Исследование системы поддержки предпринимательства на потребительском рынке г. Рубцовска
Покровская Анна Вячеславовна
Моделирование и оптимизация информационной системы поддержки управления бизнес-процессами
Кононов Иван Владимирович
Агентно-ориентированный подход к созданию системы поддержки принятия решений, предназначенной для прогнозирования развития производственных структур
Волик Евгений Олегович
Система поддержки принятия решений при мониторинге банкротств предприятий
Трошин Станислав Васильевич
Экономико-математическая интеллектуальная система поддержки принятия решений на уровне отделения сберегательного банка России

© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net