Давыдов А.А. Конкурентные преимущества системной социологии
Подождите немного. Документ загружается.
91
Рис.8
Прогноз динамики выбросов
2
CO для России до 2030 г.
[Цит. по 3, с. 56]
На рис. 9 представлена динамика значений HD
I
и
2
CO для России за
период 1000-2000 гг. Значения
HD
I
для России за период 1000-2000 гг. -
построенная автором логистическая модель (4). Для построения модели
использовались известные значения
HD
I
для России за период 1975-2000 гг. [3].
Динамика значений выбросов
2
CO для России взята из [27].
bta
e
HDI
+
+
=
1
1
, (4)
где
54428752.41=a
021416778.0−=b
t - календарная дата
Рис.9
92
Динамика значений HDI и CO2
(Россия)
0
0,2
0,4
0,6
0,8
1
1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000
Год
HDI
0
200000
400000
600000
800000
1000000
1200000
CO2
HDI
CO2
Рис.10
Логистическая функция
93
Рис.11
Логарифмическая функция
Поскольку значение аппроксимации (приближения) более простой
логарифмической функции к исходным эмпирическим данным ненамного уступает
более сложной логистической функции, то в качестве первого приближения автор
остановился на логарифмической функции.
94
Рис.12
Кросскорреляционная функция динамики значений HD
I
и
2
CO для России
CrossCorrelation Function (HDI и CO2) - Россия
First : HDI
Lagged: CO2
Conf. Limit
-1,0 -0,5 0,0 0,5 1,0
0
7 -,184 ,3162
6 -,087 ,3015
5 ,0485 ,2887
4 ,2126 ,2774
3 ,3983 ,2673
2 ,5773 ,2582
1 ,6328 ,2500
0 ,7594 ,2425
-1 ,6899 ,2500
-2 ,6118 ,2582
-3 ,5209 ,2673
-4 ,3952 ,2774
-5 ,2445 ,2887
-6 ,1041 ,3015
-7 -,051 ,3162
Lag Corr. S.E.
Результаты кросскорреляционного анализа с лагами (запаздываниями),
представленные на рис. 12, свидетельствуют о наличии прямых и обратных
связей между динамикой значений HD
I
и
2
CO
для России.
Из проведенного исследования вытекает, что зависимость между
значениями
HD
I
и
2
CO на уровнях социума, стран мира и России может быть
экспоненциальной (логарифмической) с наличием прямых и обратных связей.
Таким образом, независимо от уровня рассмотрения социума, наблюдается
общесистемный закон неограниченного роста, в нашем случае, динамики
2
CO ,
описываемый показательной (экспоненциальной) функцией. Математическое
объяснение полученной модели довольно простое и вытекает из теории
суперпозиции (комбинации) функций. Известно, что если одна из функций,
обозначим ее
Y
, монотонно возрастает и ограничена сверху, как 1
max
=
HDI , а
вторая функция, обозначим ее
X
, монотонно неограниченно возрастает, как,
допустим,
2
CO
, то при суперпозиции функций на плоскости с координатами YX , ,
траектория точки будет описываться нелинейной функцией, в данном случае,
логарифмической функцией. Этот математический факт был известен и до
проведения исследования, однако, полученные численные значения
логарифмической функции представляют научный и практический интерес,
95
поскольку позволяют осуществить прогнозирование, стимулируют постановку
новых исследовательских задач, например, от каких факторов и как зависит
значение показателя степени в найденной показательной функции. Тот факт, что
значения HD
I
и
2
CO изменяются согласованно, с наличием прямых и обратных
связей, содержательно объясняется также довольно просто. Человеческое
развитие (увеличение значения HD
I
) обусловлено использованием технологий,
которые выбрасывают в атмосферу
2
CO . При определенном достигнутом пороге
значений
HD
I
и
2
CO , общество начинает обращать внимание на значения
2
CO ,
которые приводят к негативным последствиям для человеческого развития ( HD
I
).
Компьютационная методологическая парадигма. При использовании
данной методологической парадигмы системная социология тесно сотрудничает с
Computational Ecology (компьютационной экологией) [28]. В рамках
компьютационной парадигмы традиционно используют методы системной
динамики [24]. Напомним, что методы системной динамики учитывают прямые и
обратные нелинейные связи между значениями природных и социальных
показателей. При этом учитываются запаздывания (лаги) во взаимодействии,
пороги «срабатывания», постоянное или одномоментное «включение» прямых и
обратных связей и т.д. Классические методы системной динамики основаны на
системах дифференциальных уравнений, с помощью которых ставятся и
решаются следующие задачи. Выявление проблемы, разработка динамических
гипотез, объясняющих причины проблемы, построение компьютерной
имитационной модели системы, тестирование модели на эмпирических данных,
построение множества прогнозных сценариев решения проблемы, практическая
реализация оптимального решения. Пионером данного направления является
Дж. Форрестер [29], разработавший методы системной динамики для глобального
моделирования социума. 50 лет существует международное Общество системной
динамики [30], где экологическая проблематика является одним из приоритетных
направлений исследований. В различных странах мира, в частности, в России,
существуют национальные отделения Общества, проводятся ежегодные
международные
конференции, издается международный журнал «The System
Dynamics Review» [30]. Разработано множество специализированных
компьютерных пакетов, предназначенных для проведения компьютерного
имитационного моделирования в рамках системной динамики, например, STELLA
[31] Vensim [32], Powersim Studio [33], CONSIDEO [34], Sphinx SD Tools [35],
MapSys [36], Berkeley Madonna [37], AnyLogic [38], Exposé [39], MyStrategy [40],
Simile [41], MvStudium [42], ExtendSim Power Tools [43], VisSim [44]. В широко
96
известном пакете Matlab [45] реализован модуль Simulink для имитационного
моделирования системной динамики. В качестве иллюстрации нотации
(компьютерного описания) системной динамики, на рис. 13-15 представлена блок-
схема компьютерной имитационной модели World-3 (Donella Meadows, Dennis
Meadows), реализованная в пакете Vensim [32].
Рис. 13
Population
birth rate normal
birth rate normal 1
population initial
births crowding
multiplier
births food multiplier
births deaths
births material multiplier
births pollution multiplier
switch time 1
<Time>
death rate normal
death rate normal 1
deaths
crowding
mu ltiplier
deaths food multiplier
d eat h s mat e ria l mu lt ip lie r
deaths pollution mult iplier
switch time 3
crowding
land area
population
density normal
Populat
i
on
&
Foo
d
births
crowding
mu lt t ab
deaths
crowding
mu lt t ab
food ratio
food coefficient
food coefficient 1
food crowding multiplier
food per
capita normal
food per capita potential
food pollution
multiplier
switch time 7
<Time>
food
pollu tion
mu lt t a b
<pollution ratio>
<capital ratio agriculture>
food per capita
potential tab
<food
crowding
mu lt t ab >
<Time>
capital agriculture fraction indicated
births food
mu lt t ab
deaths food
mu lt t ab
capital agriculture
fraction indicated tab
<material standard of
living >
deaths
mat eria l
mu lt t ab
births
pollu tion
mu lt t a b
births material
mu lt t ab
<material
standard of
living>
deaths pollution
mu lt t ab
<pollution ratio>
97
Рис. 14
Capital
capital initial
capital ratio
capital depreciation
capital
investment
rate normal 1
capital depreciation
normal
capital depreciation
normal 1
switch time 5
capital ratio
agriculture
capital
agriculture
fraction normal
capital
inves tment
multiplier
effective capital ratio
capital
investment
mu lt t a b
capital inves tment
capital
inves tment
rate normal
<Population>
switch time 4
<Time>
Capital & Quality of Life
Capital
Agriculture
Fraction
capital agriculture
fraction adjustment
time
<capital
agriculture fraction
ind icated>
capital
agriculture
fraction initial
capital inves tment
from quality ratio
<natural resource extraction multiplier>
quality material multiplier
quality
materia l
mu lt tab
material standard of living
effective
capital ratio
normal
capital
investment
quality ratio tab
<quality food
multiplier>
<natural resource
extraction
multiplier>
quality of life
quality
crowding
multiplier
quality food
multiplier
quality of life
normal
quality pollution
multiplier
<crowding>
quality
crowding
mu lt t ab
<food ratio>
quality
food
mu lt t a b
<pollution ratio>
quality
pollution
mu lt t ab
<Time>
98
Рис. 15
Natural
Resources
pollution
absorption
time tab
natural
resources
initial
pollution ratio
pollution standard
nat res matl multiplier
natural resource
utilization normal
natural res ource
utilization normal 1
<capital ratio>
switch time 2
pollution
capital
mu lt t a b
natural resource
utilization
Pollution & Natural Resources
Pollution
pollution
initial
pollution capital
multiplier
pollution per
capita normal
pollution per
capita normal 1
<Population>
switch time 6
<Time>
pollution
absorption time
pollution
absorption
pollution
generation
<material standard of living> natural res ource material mult tab
natural resource
extraction
multiplier
natural res ource
extraction mult tab
natural resource
fraction remaining
<Time>
На рис. 16 также представлена блок-схема компьютерной имитационной
модели взаимодействия потребления природных ресурсов и динамики
численности мирового народонаселения для социума в целом, реализованная в
пакете STELLA [31].
99
Рис.16
Population
Natural
Resources
being born dy ing
~
death rate
regenerating consuming
~
regeneration rate
resources\
person
conserv ation
decision
process
resources
consumed
per person
Population
birth rate
birth
control
decisions
step increase
normal birth rate
Более сложные компьютерные экологические имитационные модели
реализуют большие исследовательские коллективы, состоящие из специалистов
по системной экологии, в частности, социальной экологии, программистов,
специалистов по компьютерному имитационному моделированию, компьютерным
информационным технологиям, анализу данных и т.д. Моделирование
осуществляется с помощью суперкомпьютеров на основе Grid-технологии [19] в
крупных международных и национальных Институтах и Центрах, например, в
International Institute for Applied Systems Analysis (Австрия) [46], Институтe
комплексных систем Санта Фе (США) [47], Институте системного анализа РАН
(Россия)[48], International Environmental Technology Centre (Япония) [49], National
Center for Ecological Analysis and Synthesis (США) [50], San Diego Supercomputer
Center (США) [51], суперкомпьютерном Центре в Барселоне (Испания) [52] и т.д.
На рис. 17 представлены сценарные компьютерные прогнозы до 2100 года для
социума в целом, выполненные в рамках Intergovernmental Panel on Climate
Change UN [53].
100
Рис.17
Сценарные прогнозы до 2100 года для социума в целом
[Цит. по 53, с.10]
Группа прогнозных сценариев А1 описывает будущий социум,
характеризующийся быстрыми темпами экономического роста, ростом
численности мирового народонаселения, пик которого приходится примерно на
середину столетия и которое затем постепенно сокращается, быстрыми темпами
внедрения новых и более эффективных технологий. Основными управленческими
усилиями являются сокращение различий между регионами мира, создание
потенциала и активизации культурных и социальных взаимосвязей. Сценарий А1
подразделяется на три группы, а именно, А1FI, A1T и A1B, которые описывают
альтернативные направления технологических изменений в системе энергетики.
Группа прогнозных сценариев А2 описывает стратегию опоры на
собственные силы и сохранение местной самобытности. Коэффициенты
рождаемости по регионам выравниваются очень медленно, экономическое