Scientific journal
Advances in current natural sciences
ISSN 1681-7494
"Перечень" ВАК
ИФ РИНЦ = 0,775

RANK DISTRIBUTIONS AND RELATIONS BETWEEN THE PARAMETERS OF POPULATION LIFE IN THE URALS AND SIBERIA

Mazurkin P.M. 1
1 Volga State University of Technology
With respect to the northern latitude, east longitude and altitude of the centers of the capitals of 14 subjects of the federation (societies) from the Ural and Siberian federal districts above the level of the Baltic Sea, another 37 parameters were selected for 9 groups of population life. The identification method revealed nonlinear and wave patterns that make it possible to study the behavior of the population in each subject of the federation. The coefficient of correlative variation of a system of 40 influencing and dependent parameters is 0.5551, and this value refers to the average level of adequacy. By the diagonal cells of the matrix in the ranking of subjects by the sum of the ranks of the distributions of 40 parameters, the Tyumen region took the first place. Tomsk Oblast is in second place, and Sverdlovsk Oblast is in third place. Correlation coefficients of 1600 formulas are obtained from 0.0001 to 1. In the first place in the ranking of influencing variables is factor X19 – water use, in second place X01 – northern latitude and in third place X32 – the unemployment rate. In the ranking of indicators, the first place is X33 – the share of the population is below the subsistence level, the second is X26 – the life expectancy of women, and the third is X32 – the unemployment rate. The first term in both ratings is Mandelbrot’s law (in physics), so fluctuations are located as non-multiple fractals. It can be seen that the behavior of subjects as variables occurs according to the law of decline, however, as indicators, there is an increase. In both cases, a crisis (negative sign) occurs in the rating of 40 parameters for the second component in the form of a power function. This crisis is due to the fact that specialists do not realize paired connections. The rank method is applicable to compare the lives of the population of subjects.
40 parameters
rating of subjects
relations
wavelets
matrix
ratings of parameters
1. Mazurkin P.M. Land plots of the Siberian Federal District of Russia // Success of modern natural science. 2020. No. 6. P. 75–82. DOI: 10.17513/use.37414 (in Russian).
2. Popular ecology (useful tips in everyday life) / Ch. ed. Torsuev N.P. Kazan: Publishing house «Ecocenter», 1997. 236 p. (in Russian).
3. Liu J., Gao Z., Wang L., Li Y. & Gao C.Y. The impact of urbanization on wind speed and surface aerodynamic characteristics in Beijing during 1991–2011. Meteorol Atmos Phys, 2018. 130:311–324. DOI: 10.1007/s00703-017-0519-8.
4. Foster G.L., Royer D.L., Lunt D.J. Future climate forcing potentially without precedent in the last 420 million years // Nature communications. 2017. 8:14845. DOI: 10.1038/ncomms14845 |www.nature.com/naturecommunications.
5. Crowther T.W., Glick H.B., Covey K.R., Betticole C., Maynard D.S. Mapping tree density at a global scale. Nature.
2015. 525, 201–205. DOI: 10.1038/nature14967.
6. Saati T. Making decisions. Method for analyzing hierarchies. M.: Radio and communication, 1993. 274 p. (in Russian)

Мы выдвинули доктрину колебательной адаптации в природе, включая живое и косное вещества по В.И. Вернадскому [1]. Тогда получается, что закон Коммонера «всё связано со всем» [2] исходит из взаимных колебаний процессов адаптации, которые проявляются в виде суммы асимметричных вейвлет-сигналов (уединенных волн).

Урбанизация оказывает существенное влияние на климат и метеорологические условия. Данные были собраны на 15 уровнях на 325-метровой метеорологической башне в Пекине в 1991–2011 гг. Ежегодная и сезонная (весна, лето, осень и зима) средняя скорость ветра на 15 уровнях имеет тенденции снижения. Заметен феномен «излома» в профиле ветра, и средняя высота излома увеличилась примерно от 40 до почти 80 м [3].

Мы рассматриваем урбанизацию как географическое стягивание всех параметров жизни населения к центрам столиц субъектов Федераций России. Фактически всё население стремится к столицам, повышая численность городского населения.

Наземные растения вместе с океаном обеспечили обитаемость жизни на планете. Однако использование ископаемого топлива к середине XXI в. даст объемы CО2, сравнимые с ранним эоценом (примерно 50 млн лет назад). Если концентрация CО2 будет нарастать такими же темпами и в XXIII в., то уже планета Земля будет вести себя так же, как 1,5 млрд лет назад [4]. В итоге будущее программы снижения количества СО2 имеется в увеличении на поверхности суши лесов [5]. Тогда к центрам столиц субъектов также можно стягивать любые параметры окружающей и природной среды, включая климат и погоду.

Цель исследования – выявление ранговых распределений 40 параметров для рейтинга субъектов региона, вейвлет-анализ парных взаимодействий, суммирование коэффициентов корреляции по строкам и столбцам корреляционной матрицы и составление рейтингов влияющих переменных и зависимых показателей. Метод применим для сравнения жизни населения субъектов по множеству параметров, привязанных к центрам столиц субъектов.

Материалы и методы исследования

Нами составлены консолидированные данные относительно географических параметров (широта, долгота, высота) для центров столиц у субъектов федерации, 13 видов угодий из кадастра, экологических и экономических показателей [1] (табл. 1).

Таблица 1

Фрагмент данных по 40 параметрам у 14 субъектов Урала и Сибири

Код

Субъект федерации

Урала и Сибири

Столица

субъекта

Координаты

   

Х01

Х02

Х03

Х40

45

Курганская область

Курган

5.45

5.3333

75

262.2

66

Свердловская область

Екатеринбург

6.8519

0.6122

255

251.9

72

Тюменская область

Тюмень

7.1522

5.5272

81

174.1

74

Челябинская область

Челябинск

5.154

1.4291

218

251.0

4

Республика Алтай

Горно-Алтайск

1.9606

25.9189

285

222.3

17

Республика Тыва

Кызыл

1.7147

34.4534

624

378.1

19

Республика Хакасия

Абакан

3.7156

31.4292

247

249.9

22

Алтайский край

Барнаул

3.3606

23.7636

189

260.1

24

Красноярский край

Красноярск

6.0184

32.8672

139

262.1

38

Иркутская область

Иркутск

2.2978

44.296

427

320.1

42

Кемеровская обл. – Кузбасс

Кемерово

5.3333

26.0833

104

342.8

54

Новосибирская область

Новосибирск

5.0415

22.9346

164

232.1

55

Омская область

Омск

4.9924

13.3686

90

220.3

70

Томская область

Томск

6.4977

24.9744

117

201.3

Параметры распределились по следующим группам: 1) координаты центров столиц субъектов (Х01 – северная широта, missing image file, 0; Х02 – восточная долгота, missing image file, 0; Х03 – высота над Балтийским морем, м); 2) климатические (среднемесячные) параметры за период 1961–1990 гг. (Х04 – ночная температура, °С; Х05 – дневная температура, °С; Х06 – сумма осадков, мм; Х07 – число дней с осадками более 0,1 мм, шт.); 3) погода за 2018 г. (Х08 – январская средняя температура, °С; Х09 – июльская средняя температура, °С; Х10 – сумма осадков за январь, мм; Х11 – сумма осадков за июль, мм); 4) доли ( %) угодий к суше (Х12 – доля сельхозугодий; Х13 – доля лесов; Х14 – для пашни; Х15 – доля растительности «трава + кусты + деревья»; Х16 – антропогенные угодья; Х17 – экологический коэффициент, вычисляемый делением растительности к площади измененных угодьям); 5) удельные потребление воды, сброс и выброс загрязнений (Х18 – забор воды, м3/чел.; Х19 – использование воды, м3/чел.; Х20 – сброс загрязнений, м3/чел.; Х21 – выбросы в атмосферу, кг/чел.; Х22 – улавливание загрязняющих веществ из выбросов, кг/чел.); 6) параметры людей (Х23 – плотность населения, чел/км2; продолжительность жизни (ожидаемая), лет: Х24 – всех людей; Х25 – мужского населения; Х26 – женского населения); 7) демографические показатели (Х27 – коэффициент рождаемости (суммарный); Х28 – смертность младенцев на 1000 родившихся живыми; Х29 – коэффициент миграционного прироста на 10 тыс. населения; Х30 – естественный прирост на тысячу населения); 8) параметры труда (Х31 – занятость, %; Х32 – безработица, %; Х33 – доля населения, находящегося ниже прожиточного минимума, %; Х34 – городское население, %; Х35 – сельское население, %); 9) экономика производственных процессов (Х36 – ВРП за 2018 г. на душу населения, тыс. руб/чел.; Х37 – душевые доходы, руб/ мес.; умершие в трудоспособном возрасте на 105 населения, чел.: Х38 – обоих полов; Х39 – мужчин в возрасте 16–59 лет; Х40 – женщин в возрасте 16–54 года).

Вейвлет-сигналы как асимметричные колебания имеют вид формулы

missing image file,

missing image file,

missing image file, (1)

где y – зависимый показатель, i – номер члена модели (1), x – влияющая переменная, a1...a8 – параметры уравнения (1), идентифицируемые при идентификации в программной среде CurveExpert-1.40; Ai – амплитуда (половина) колебания, pi – полупериод колебания.

Ранжирование значений параметров субъектов федерации

Иерархия показывает в системе параметров упорядоченность, поэтому является некоторой абстракцией структуры системы, предназначенной для изучения функциональных взаимодействий между ее компонентами и их функциональных воздействий на систему в целом [6]. Метод анализа иерархий Саати получил в мировой науке широкое распространение.

Синтез иерархического распределения возможен двумя способами, причем для известной или составленной (в нашем примере данной статьи) системы параметров:

1) вначале необходимо упорядочение значений параметров по заранее установленному вектору предпорядка предпочтительности «лучше → хуже» по последовательности рангов R = 0, 1, 2,..., после этого суммирование рангов по всему ранжированному списку параметров; в итоге образуется рейтинг элементов системы (в нашем примере 14 субъектов Урала и Сибири), причем лучшим будет элемент (субъект Федерации) с наименьшей суммой рангов;

2) как и в методе Саати [6], выполняется парное сравнение параметров системы, методом идентификации выявляются закономерности бинарных отношений между всеми параметрами, затем коэффициенты корреляции по строкам и столбцам суммируются, после этого выявляются рейтинги параметров как влияющих переменных и зависимых показателей.

Приведем рейтинг системы факторов (табл. 2) по сумме рангов.

Таблица 2

Фрагмент ранжирования параметров субъектов Федерации

Код

Координаты

Климат

     

Рейтинг

Модель (2)

01

02

03

04

05

06

07

39

40

I

ΣR

ε

Δ, %

45

9

2

0

3

2

11

10

10

10

12

300

-7.87644

-2.63

66

12

0

10

0

4

2

4

7

7

3

220

4.66642

2.12

72

13

3

1

5

6

4

5

0

0

1

171

6.15217

3.60

74

7

1

8

2

1

7

8

4

6

9

289

5.41382

1.87

4

1

8

11

10

8

1

0

6

3

4

222

1.0128

0.46

17

0

12

13

12

11

12

13

11

13

11

297

-4.03939

-1.36

19

4

10

9

13

13

13

12

9

5

8

279

6.2439

2.24

22

3

6

7

4

0

8

6

7

8

13

312

-1.56

-0.50

24

10

11

5

7

9

3

3

5

9

6

243

-3.10485

-1.28

38

2

13

12

11

7

4

11

12

11

10

292

-0.97374

-0.33

42

8

9

3

9

10

6

2

13

12

14

324

5.84706

1.80

54

6

5

6

1

3

9

7

2

4

5

224

-7.1391

-3.19

55

5

4

2

6

5

10

8

3

2

7

266

5.67882

2.13

70

11

7

4

8

12

0

1

1

1

2

190

-9.95284

-5.24

Примечание. Максимальная относительная погрешность равна 5,24 %; полужирным выделены субъекты Ангаро-Енисейского макрорегиона.

Ранг 0 – если больше, то лучше (или знак ↑): Х04 – Х11, Х13, Х15, Х17, Х24 – Х27, Х29 – Х31, Х35 – Х37. Ранг 1 – если меньше, то лучше (или знак ↓): Х01 – Х03, Х12, Х14, Х16, Х18 – Х23, Х28, Х32 – Х34, Х38 – Х40. В функции Excel =РАНГ(C2;C$2:C$16;1) принимаются следующие условные обозначения: C – идентификатор (обозначение) ранжируемого столбца; С2, C$2 – первая строка ряда; C$16 – последняя строка ряда; 0missing image file1 – ранжирование происходит по убыванию (0) или возрастанию (1). Это дает место I, а ранг равен R = I – 1.

Из табл. 2 видно, что первое место с суммой рангов 171 занял субъект федерации с кодом 72 (Тюменская область). Сравнение показывает, что лучшее теоретическое первое место получится, если ΣR = 0. Тогда у Тюменской области имеются резервы повышения эффективности деятельности. На втором месте с суммой рангов 190 находится Томская область. А на третьем месте с суммой 220 – Свердловская область.

missing image file

Рис. 1. Графики влияния места на сумму рангов в рейтинге субъектов (в правом верхнем углу показано: S – стандартное отклонение; r – коэффициент корреляции)

После идентификации формулы (1) получена (рис. 1) закономерность

missing image file

missing image file, (2)

где ΣR – сумма рангов по 40 параметрам 14 субъектов федерации, I – место в рейтинге. Остатки ε получаются вычитанием из фактических значений уф суммы рангов расчетных значений y по (2). Относительная погрешность ошибки моделирования Δ = 100ε/уф, %.

Коэффициент корреляции является мерой адекватности формулы (2), и он равен 0,9926. Он выше уровня 0,95 «сверхсильная факторная связь».

Из точечного графика остатков на рис. 1 видно, что значения параметров (ордината) изменяются по местам (или рангам) абсциссы волнообразно. В связи с этим тренд (2) можно будет дополнять колебаниями. Причем амплитуда волн будет зависеть от количества субъектов федерации. Будем считать, что идентификация (1) потребуется только при превышении ошибки моделирования более 5 %. Поэтому у всех 40 параметров для всех субъектов России (82 шт.) тренды (2) нужно будет дополнять асимметричными волновыми уравнениями (1).

Корреляционная матрица, рейтинг факторов

Итоги процесса идентификации трендом (частный случай асимметричного вейвлета) распределений по рангам (в диагональных клетках) и парных отношений между 40 факторами приведены в табл. 3.

Таблица 3

Корреляционная матрица (по трендам) и рейтинг факторов (фрагмент)

Переменные x

Зависимые от переменных факторы (показатели y)

Сумма

Σr

Место

Ix

Х01

Х02

Х39

Х40

Х01

0,9954

0,6373

0,6875

0,5950

27,6456

2

Х02

0,6526

0,9755

0,5389

0,6407

22,4040

16

Х39

0,6176

0,4087

0,9808

0,8925

20,7444

24

Х40

0,5379

0,5005

0,9469

0,9870

24,6787

10

Сумма Σr

24,0392

21,6472

21,0033

22,8498

881,529

Место Iy

11

22

26

16

0,5551

Коэффициент коррелятивной вариации (определяется по Чарльзу Дарвину) по табл. 3 будет равным 881,529 / 402 = 0,5551, что дает средний уровень адекватности (0,5–0,7).

Как влияющая переменная на первом месте располагается фактор Х19 – использование извлеченной воды, на втором – Х01 – северная широта, на третьем – Х32 – уровень безработицы среди населения. Как зависимый показатель (то есть критерий оценки) на первом месте находится параметр Х33 – доля населения ниже прожиточного минимума, на втором – Х26 – ожидаемая продолжительность жизни женщин, на третьем – Х32 – уровень безработицы.

Закономерности распределений сумм коэффициентов корреляции по местам по модели (1) приведены в табл. 4 (рис. 2 и 3).

Таблица 4

Параметры модели (1) влияния мест на суммы рангов

Номер

i

Асимметричный вейвлет missing image file

Коэф.

корр.

r

Половина амплитуды колебания

Половина периода колебания

Сдвиг

a1i

a2i

a3i

a4i

a5i

a6i

a7i

a8i

Рейтинг 40 параметров субъектов СФО как влияющих переменных

1

573,635

0

0,0003284

1

0

0

0

0

0,9961

2

-485,0072

0,00232

0

0

0

0

0

0

3

0,0018445

0

-2,71813

0,22812

17,38416

-0,0002256

2,74656

0,98491

4

581,479

0

6,96526

0,05472

6,00598

-0,098248

0,77973

-0,7915

0,5219

5

-0,25716

1,15875

2,11273

0,22414

11,18558

-0,0012335

2,26572

-0,7370

0,3809

6

-1,8525e8

4,79888

20,80579

0,17713

-3,74001

5,21415

0,06832

5,35332

0,7243

Рейтинг 40 параметров субъектов СФО как зависимых показателей

1

29,60095

0

-0,0057240

1

0

0

0

0

0,9972

2

-1,81452

0,59914

0

0

0

0

0

0

3

-0,27012

0

-0,0003657

2,49704

1,27119

0,049148

1,31692

5,08767

4

-0,10900

0

0,016377

1

5,31115

0,35185

0,60081

-0,2597

0,2575

5

1,206e-14

9,95647

0,11670

1,01327

49,01669

-1,02649

1,00047

-1,3851

0,7683

6

-1,097e-16

17,5158

0,84714

1,00348

4,50414

-0,0032434

1,02041

4,91380

0,6119

missing image file

Рис. 2. Распределения сумм коэффициентов корреляции показателей

missing image file

Рис. 3. Графики распределения сумм коэффициентов корреляции показателей

Наиболее опасным становится третье колебание из рис. 2, который показывает рост амплитуды и частоты колебания.

Первый член у обоих рейтингов является законом Мандельброта (в физике), поэтому колебания располагаются как некратные фракталы. Это же выражение называется законом Лапласа (известно в математике), Перла – Ципфа (в науке биология) и Парето (применяется в эконометрике). Видно, что поведение субъектов происходит по экспоненциальному закону спада для всех 40 параметров как влияющих переменных. Однако по первому члену в виде экспоненциального роста происходит изменение 40 факторов как зависимых показателей.

В обоих случаях по второму члену в виде степенной функции происходит кризис (отрицательный знак) в рейтинге 40 параметров. Последующие кванты поведения для рейтинга показателей имеют кризисный характер и вейвлетов № 3, 4 и 6. Это происходит из-за слабого осознания людьми (специалистами) взаимных парных связей между факторами.

Наиболее опасным становится третье колебание из рис. 3, которое показывает рост амплитуды и частоты колебания.

Вейвлет по формуле (1) становится универсальной уединенной волной, поэтому он будет определять так называемый квант поведения. Поэтому, в отличие от квантовой механики микромира, где рассматриваются в основном кванты структуры, нами предлагаются для поведения природных и природно-антропогенных объектов кванты функционирования. Причем совокупность квантов поведения необходима в природе для колебательной адаптации.

Заключение

Составлены интегрированные данные по 40 параметрам для 14 субъектов из Уральского и Сибирского федеральных округов относительно географических координат (широты, долготы и высоты) центров их столиц, видов угодий из земельного кадастра, экологических и многих социально-экономических показателей.

Коэффициент коррелятивной вариации всей матрицы по столбцам и строкам из 40 параметров получился равным 0,5551, и это значение относится к среднему уровню адекватности. По этому критерию можно сравнивать разнородные объекты исследования. Сравнение объектов выполняется по функциональной связности между учтенными в системе параметрами.

В ранжировании субъектов первое место с суммой рангов 171 заняла Тюменская область. На втором месте с суммой рангов 190 находится Томская область. А на третьем месте с суммой 220 – Свердловская область.

Среди влияющих переменных на первом месте расположился фактор Х19 – использование извлеченной воды, на втором фактор Х01 – северная широта, на третьем – Х32 – уровень безработицы. Среди зависимых показателей на первом месте находится параметр Х33 – доля населения ниже прожиточного минимума, на втором – Х26 – ожидаемая продолжительность жизни женщин, на третьем – Х32 – уровень безработицы.

Результаты применимы для сравнения разных множеств субъектов (от федеральных округов до муниципалитетов) в целом по Российской Федерации. На первые места в рейтингах выходят жизненно важные показатели для людей.