Содержание к диссертации
Введение
Глава 1. Особенности планирования затрат и формирования себестоимости в инфраструктуре ВКХ. Задачи планирования себестоимости на основе моделирования 8
1.1. Автоматизация бизнес-процессов в инфраструктуре ВКХ 8
1.1.1. Инфраструктура предприятия ВКХ - ГУП «Водоканал Санкт-Петербурга» 8
1.1.2. Обзор методов анализа бизнес процессов (БП) 11
1.1.3. Методология функционального моделирования SADT 17
1.1.4. Моделирование потоков данных 20
1.2. Анализ финансово-хозяйственной деятельности ГУП «Водоканал Санкт-Петербурга» 25
1.2.1. Анализ фактической себестоимости 25
1.2.2. Анализ финансово-хозяйственной деятельности 28
1.3. Анализ процесса формирования себестоимости отрасли водопроводно-канализационного хозяйства 41
1.4. Выводы по главе 1 52
Глава 2. Разработка имитационных моделей планирования затрат и формирования себестоимости ВКХ 53
2.1. Структурный анализ процесса формирования себестоимости и планирования затрат 53
2.2. Построение моделей системной динамики 66
2.3. Построение интегрированной нейросетевой модели системной динамики для планирования затрат 74
2.4. Выводы по главе 2 89
Глава 3. Применение неиросетевых моделей для планирования затрат 90
3.1. Применение нейронных сетей в имитационном моделировании 90
3.2. Внедрение модели в процесс учета и планирования материалов 93
3.3. Экспериментальные расчеты и прогнозирование себестоимости98
3.4. Выводы по главе 3 114
Заключение 115
Список использованной литературы
- Инфраструктура предприятия ВКХ - ГУП «Водоканал Санкт-Петербурга»
- Анализ финансово-хозяйственной деятельности ГУП «Водоканал Санкт-Петербурга»
- Построение интегрированной нейросетевой модели системной динамики для планирования затрат
- Внедрение модели в процесс учета и планирования материалов
Введение к работе
Актуальность темы исследования
Водопроводно-канализационное хозяйство (ВКХ) является ключевым звеном жилищно-коммунального хозяйства (ЖКХ).
С переходом к рыночной экономике предприятия ВКХ столкнулись с серьезными проблемами: изношенностью основных фондов, отсутствием средств для модернизации и необходимостью обновления материально-технической базы. Доходная часть ВКХ является величиной относительно стабильной и напрямую зависит от объемов поставляемой потребителям воды. В то время как затратная часть является величиной переменной, имеющей динамический характер, который до сих пор не учитывался. В настоящее время большой объем научно-исследовательских работ направлен на совершенствование и реконструкции оборудования, технологий, используемых при водоснабжении, водоотведении и утилизации осадков сточных вод. До сих пор, расчет себестоимости затрат ВКХ основывался на анализе статических характеристик доходной и затратной частей. Однако, резко выраженная сезонность, например, расхода воды не позволяет адекватно оценивать себестоимость за весь расчетный период.
Таким образом, построение моделей управления затратами в зависимости от динамически изменяющихся доходной и затратной частей предприятий ВКХ в течении достаточно длительных промежутков времени (более года) является стратегическим направлением развития отрасли ЖКХ.
Недостаточно исследованными являются теоретические и методические вопросы применения математических методов и инструментальных средств при нормировании затрат и формировании себестоимости в условиях динамически изменяющейся величины затратной части, что требует дальнейшего развития исследований в области разработки методов моделирования процесса формирования затрат ВКХ. Внедрение разработанных методов позволит
сократить затраты предприятий ВКХ, автоматизировать процессы планирования затрат.
Таким образом, тема диссертационного исследования является актуальной и практически значимой.
Цель и задачи исследования: разработка моделей планирования себестоимости и нормирования затрат на предприятиях жилищно-коммунального хозяйства на примере ГУП «Водоканал Санкт-Петербурга».
Исходя из цели диссертационного исследования, поставлены следующие взаимосвязанные задачи:
Анализ и разработка средств и методов планирования себестоимости и нормирования затрат водопроводно-канализационного хозяйства;
Анализ структуры затрат предприятия ВКХ в рамках задач планирования себестоимости;
Применение методов имитационного моделирования для системы планирования себестоимости;
Создание системы моделей планирования затрат ВКХ;
Разработка модели формирования себестоимости ВКХ;
Построение имитационной модели формирования себестоимости и планирования затрат;
Формулирование правил построения моделей системной динамики на основе моделей структурного анализа;
- Разработка метода интеграции нейронных сетей в модели системной
динамики.
Объектом исследования являются результаты хозяйственной деятельности государственного унитарного предприятия «Водоканал Санкт-Петербурга».
Предметом исследования является система нормирования затрат и планирования себестоимости ВКХ.
Методы исследования
Для решения поставленных задач применялись методы структурного анализа и проектирования, методы и средства системной динамики, нейронные сети, математические методы оптимизации.
Научная новизна диссертационного исследования заключается в разработке методов построения моделей управления затратами предприятия ВКХ, соответствующих современным условиям хозяйствования.
Проведенное исследование позволило получить имеющие научную новизну результаты:
Применены структурные методы анализа и проектирования для описания процессов учета и планирования затрат предприятия ВКХ. Построены структурные модели процессов учета и планирования себестоимости ГУП «Водоканал СПб».
Выявлены факторы управления себестоимостью на предприятии ВКХ. В соответствии с методологией системной динамики выделены уровни -накопления внутри системы, темпы изменения уровней, запаздывания и переменные, влияющие на темпы изменения уровней.
Разработаны правила согласования структурных методов анализа и проектирования и методов и средств системной динамики. Приведены основные этапы построения моделей системной динамики. Выявлены правила построения моделей системной динамики на основе диаграмм потоков данных. Построены модели системной динамики материальных затрат.
Предложена модель применения методов системной динамики и нейронных сетей для построения имитационных моделей управления ВКХ. Предложена методика построения интегрированной неиросетевои модели системной динамики для планирования затрат.
Построена нейросетевая имитационная модель системной динамики для управления себестоимостью и планирования затрат ВКХ. Выделены этапы построения неиросетевои модели системной динамики для управления себестоимостью. Предложен алгоритм обучения и «дообучения»
нейронных сетей динамической модели. Представлены расчеты для прогнозирования материальных затрат и проведены экспериментальное прогнозирование материальных затрат ГУП «Водоканал СПб» на примере химического реагента «сернокислый алюминий». Практическая значимость
Практическая значимость состоит в том, что предлагаемые модели и методы позволяют предприятиям ВКХ с помощью нейросетевого программирования априорно оценить затраты, апостериорно вести мониторинг эффективности использования ресурсов.
Апробация и внедрение результатов исследования
Построенные модели и методы применены на ГУП «Водоканал Санкт-Петербурга».
Публикации
Основные положения диссертационного исследования отражены в пяти опубликованных научных работах. Структура работы
Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений.
Инфраструктура предприятия ВКХ - ГУП «Водоканал Санкт-Петербурга»
Под инфраструктурой предприятия ВКХ понимается совокупность централизованных водопроводных и канализационных сетей, механического и электрооборудования, линий связи, специальной и иной техники, зданий, сооружений, служб, необходимых для функционирования водопроводно-канализационной системы.
Для приёма, транспортировки и очистки, образующихся в Санкт-Петербурге и его пригородах сточных вод задействована сложная система, которая характеризуется следующими показателями [82]: Протяженность канализационной сети - 7576,1км; Протяженность тоннельных коллекторов - 197,6 км; Количество канализационных насосных станций - 114; Очистные сооружения различной производительности - 20; Суммарная проектная производительность очистных сооружений -3165,4 тыс.м /сут.; Полигоны и иловые площадки для складирования осадка - 172 га; Завод по сжиганию осадка - 1; Система канализации комбинированная: 70% - общесплавная, 30% -раздельная. Структура ГУП «Водоканал СПб» приведена на рис. 1.1.
Система водоснабжения Санкт-Петербурга и пригородов включает 4 водопроводных станции в городе, 5 водопроводных станций в пригородах, 177 повысительных насосных станций. Система объединяется сетью трубопроводов диаметром от 50 мм до 1400 мм протяженностью 6172 км., в том числе 228 дюкерных переходов через водные протоки города.
Значительная часть сетей и сооружений проектировалась и строилась в 30-50-ые годы 20 века и удовлетворяла действовавшим в то время нормативам. В последние годы требования к качеству подготовки питьевой воды и очистки сточных вод многократно возросли.
С целью совершенствования очистки и обеззараживания воды в последние годы на части сооружений внедрены прогрессивные методы обеззараживания раствором гипохлорита и обработки воды ультрафиолетом.
Благодаря существующей системе эксплуатации водопроводных сетей, выбору оптимальных режимов работы, установке вариаторов и частотных преобразователей на насосных станциях города, уменьшающих вероятность гидравлических ударов на сетях, повреждаемость за 5 лет удалось снизить на 18%, до уровня 0,36 повреждений на км, что почти в 2 раза ниже среднего российского показателя.
В области водоотведения начинает внедряться метод биологического удаления биогенных элементов (азота и фосфора) из очищенных сточных вод; освоена технология сжигания осадков сточных вод, работает завод по сжиганию на Центральной станции аэрации, что позволяет утилизировать почти половину образующегося осадка [1].
В то же время надо отметить наличие серьезных технологических проблем водопроводно-канализационного хозяйства Санкт-Петербурга:
Основными проблемами в области водоснабжения являются: 1. Дефицит мощности производства питьевой воды. 2. Необходимость совершенствования технологии очистки и обеззараживания воды. 3. Недостаточная надежность водопроводных сетей, вызывающая увеличение аварийности, загрязнение питьевой воды продуктами коррозии в процессе длительной транспортировки, потери воды из водопроводных сетей. 4. Необходимость приоритетного строительства и реконструкции водопроводных сетей для обеспечения развития жилого комплекса.
Основными проблемами в области водоотведения являются: 1. Наличие сброса сточных вод без очистки в водные объекты. 2. Обеспечение надежности эксплуатации тоннельных коллекторов и канализационных сетей для предотвращения аварийных ситуаций. 3. Несовершенство существующих технологических процессов очистки сточных вод, не обеспечивающих выполнение рекомендаций ХЕЛКОМА (Хельсинкская Комиссия по охране морской природной среды Балтийского моря -руководящий орган Конвенции по защите морской среды района Балтийского моря (1992г.). ХЕЛКОМ - яркий пример международного сотрудничества в исследованиях, в объединении возможностей и партнерстве для решения общих природоохранных проблем. В настоящий момент членами ХЕЛКОМ являются: Германия, Дания, Европейское Сообщество, Латвия, Литва, Польша, Россия, Финляндия, Швеция и Эстония. [83]) Штаб-квартира ХЕЛКОМ находится в Хельсинки, Финляндия.) 4. Недостаточная мощность сооружений по обработке и утилизации осадка. 5. Отсутствие возможности реализации общегородской программы жилищного строительства. Ситуация осложняется высоким износом основных фондов ГУП «Водоканал Санкт-Петербурга». В настоящее время износ передаточных устройств (в том числе - принятых от других ведомств) превышает средний уровень изношенности и составляет 65,8 % и неуклонно возрастает.
С целью решения вышеперечисленных проблем, Постановлением Правительства Санкт-Петербурга от 28.04.04. №642 принята Программа «Реконструкция и развитие систем водоснабжения и водоотведения Санкт-Петербурга на 2004-2011 годы»[1], которая предусматривает значительное увеличение объемов работ по реконструкции и строительству основных объектов водопроводно-канализационного хозяйства Санкт-Петербурга, что требует крупных капиталовложений, источником которых являются, в том числе, и собственные средства ГУП «Водоканал Санкт-Петербурга». В связи с этим, актуальной является задача обеспечения устанавливаемыми тарифами расходов предприятия, связанных с необходимостью реализации указанной Программы.
Анализ финансово-хозяйственной деятельности ГУП «Водоканал Санкт-Петербурга»
Наибольший удельный вес в структуре себестоимости составляют: ? амортизация основных средств; ? ремонтный фонд; ? оплата труда и социальное страхование и обеспечение; ? прочие расходы
Динамика изменения себестоимости за период с 2002 по 2005 г. Для осуществления производственного процесса предприятие должно быть обеспечено в необходимом объеме материалами, топливом, электроэнергией, финансовыми средствами для выплаты заработной платы работникам предприятия, оплаты работ по капитальному ремонту.
На увеличение расходов по этим статьям оказывают влияние следующие факторы: ? инфляционные процессы; ? ужесточение требований к качеству питьевой воды и сбрасываемых сточных вод; ? рост цен на основные виды промышленной продукции; ? рост стоимости подрядных работ; ? увеличение цен на топливо и электроэнергию.
Динамика наиболее существенных статей расходов 2003 - 2005 г. Изменения указанных статей расходов по состоянию на 01.0 і .05 г. объясняются следующими основными факторами: 1. Изменение статьи расходов «Оплата труда и социальное страхование и обеспечение». Причиной роста служит увеличение заработной платы сотрудникам предприятия в связи с инфляционными тенденциями в экономике, а также с увеличением числа видов деятельности предприятия. 2. Изменение статьи расходов «Амортизация». Основной причиной изменения значения показателя амортизационных отчислений являются проведенные переоценки основных средств. 3. Изменение статьи расходов «Ремонтный фонд»
Снижение показателей по статье ремонтный фонд в 2004 году объясняется отсутствием финансовых ресурсов в необходимом объеме. До повышения тарифов на 01.07.04 г. планировалось снижение объемов ремонтных работ. Повышение тарифов 01.07.04 г. позволило запланировать увеличение ремонтного фонда в 2004 году до 10% в структуре расходов. После повышения тарифов с 01.01.05 г. расходы по ремонтным работам увеличены до 19% в общей себестоимости. Увеличение расходов по данной статье обусловлено необходимостью поддержания основных средств на достаточном уровне, необходимом для функционирования работы предприятия.
4. Изменение статьи расходов «Прочие»
Планируемый рост прочих расходов в 2005 году обусловлен инфляционными ожиданиями и, соответственно, ростом плановых показателей по существенным статьям, таких как: «Услуги сторонних организаций по техническому обслуживанию и контролю», «Охрана».
С учетом увеличения тарифов и получения дополнительных источников финансирования предприятие планирует увеличение финансирования следующих основных видов расходов за счет увеличения тарифов (по отношению к плановым показателям 2004 г.): ? материалы (включая хим. реагенты) на 76 млн.руб.; ? расходы по капитальному ремонту на 1 081 млн.руб.; ? прочих расходов на 178 тыс. руб. Анализ финансово-хозяйственной деятельности Анализ был проведен за период 1998 г. - 1 полугодие 2004 г по следующим группам показателей для оценки (табл. 1.2): ? Ликвидности; ? Рентабельности; ? Финансовой устойчивости; ? Деловой активности.
Начиная с 2001 года показатели рентабельности продаж и рентабельности основной деятельности выросли и имеют положительное значение. Это объясняется тем, что предприятие получило прибыль по итогам работы за 2001 год. При этой тенденции показатель рентабельности собственного капитала в 2001 году имеет положительное значение, однако продолжает оставаться на достаточно низком уровне.
В 2002 году наблюдается незначительное уменьшение показателей рентабельности продаж и рентабельности основной деятельности, что вызвано увеличением расходов предприятия на 1 519 млн. руб. в 2002 году по сравнению с 2001 годом.
В 2003 году наблюдается снижение показателей рентабельности продаж и рентабельность основной деятельности, что вызвано увеличением расходов предприятия на 1 403 тыс. руб. в 2003 году по сравнению с 2002 годом.
Рентабельность собственного капитала в 2003 году снизилась по причине уменьшения прибыли за счет увеличения расходов предприятия.
В 1 полугодии 2004 года по сравнению с 2003 годом наблюдается положительная тенденция увеличения коэффициентов рентабельности продаж и рентабельности основной деятельности, связанная с повышением доходности предприятия. При этом наблюдается снижение коэффициента рентабельности собственного капитала в отчетном периоде.
Оценка ликвидности (позволяет оценить и сравнить способность предприятия своевременно и в полном объеме производить расчеты по краткосрочным обязательствам).
Построение интегрированной нейросетевой модели системной динамики для планирования затрат
В главе 2.2 приводятся основные этапы динамически-моделируемого подхода к проектированию имитационной модели. Рассмотрим 4, 5, 6, 7, 8 этапы [95]: ? Формулировка приемлемых общих правил, объясняющих, каким образом на основе имеющихся потоков информации возникают те или иные решения; ? Построение математической модели, включающей правила принятия решений, источники информации и взаимодействие компонентов системы; ? Приведение в действие системы, описываемой моделью. ? Сравнение полученных результатов со всеми имеющимися сведениями о реальной системе; ? Корректировка модели с тем, чтобы сделать ее достаточно адекватной реальной системе;
По отношению к моделям системной динамики данные этапы сводятся к нахождению уравнений темпов и уравнений уровней. С вычислением уравнений уровней не возникает сложностей, обычно уравнение уровня имеет следующий вид [94]: Y Y,_l + l(z-k)dt, (8) о где: Yt - значение уровня в момент времени t; Yt-1 - значение уровня в момент времени t-І или 0; t - интервал времени между решениями Yt и Yt-І; z - темп увеличения уровня за время t; к - темп уменьшения уровня за время t;
Для правильного нахождения уравнений темпов от разработчика требуется детальное изучение предметной области, статистические данные, доступ к финансовой отчетности, возможность анкетирования и интервьюирования руководителей всех уровней. Учитывая закрытость подавляющего большинства предприятий в РФ, это становится зачастую неразрешимой проблемой.
Решением может служить создание интегрированной информационной системы, на основе базы данных с возможностями автономного (без участия человека) анализа данных, самообучения и самоорганизации. Создание такой системы не возможно без использования нейронных сетей.
Таким образом, основной проблемой построения моделей является закрытость необходимой информации, и как следствие, невозможность построения уравнений темпов.
Базовая модель интеграции имитационной модели и нейронных сетей Структурными элементами моделей системной динамки являются уровни и темпы. Расчет уравнения темпов возможен без участия человека. Для этого необходимо построить и обучить нейронную сеть решению данных задач. Рассмотрим простейший элемент имитационной модели СД(рис. 2.3) [31]:
На модели представлены 2 уровня и поток, перемещающий содержимое уровня 1 в уровень 2. Как отмечалось выше, найти значения уровней не представляет особого труда.
Темп потока в данном случае устанавливается на основе уровня 1 и еще двух уровней (пунктирными линиями изображены информационные каналы, передающие состояние других уровней).
Согласно методологии системной динамики темпы потока определяются функциями решений. Функции решений представляют собой формулировку линии поведения, определяющую, каким образом имеющаяся информация об уровнях приводит к выбору решений, связанных с величинами текущих темпов.
Таким образом, нахождение данной функции представляется собой задачу использования регрессионных моделей. Если по оси абсцисс отложить время, а по оси ординат единицы ресурсов, получим размытые области на графике (рис. 2.4).
Размытые области на графике При решении таких задач вначале выбирается гипотеза о характере функции (линейная, степенная, логарифмическая и т. д.), после этого строится линия регрессии, имеющая минимальное отклонение от экспериментальных данных, обычно, по критерию минимальной суммы квадратов отклонений гипотетической кривой от данных наблюдений (рис. 2.5).
Задачи нахождения параметров линии регрессии и проверка достоверности гипотезы (суммы наименьших квадратов) обычно автоматизируется, но выбор гипотезы для проверки остается за человеком. Кроме того, аппроксимирующая функция не может быть сложной, иначе задача нахождения параметров этой функции станет неразрешимой.
Нейронные сети как раз и представляют собой реализацию полностью автоматической идентификации наблюдаемых процессов, причем при отсутствии необходимости программирования и понимания сущности наблюдаемых процессов.
Пусть нейронная сеть имеет структуру трехслойного персептрона с п входами. На начальном этапе в первом и втором слое по 3 нейрона, в третьем -1. Нейроны каждого слоя соединяются с нейронами предыдущего и последующего слоев по принципу каждый с каждым.
В системной динамике для упрощения вычислений, уравнения рассчитываются только в пределах Зх временных промежутков J, К и L (рис. 2.7). Момент К используется для обозначения «данного момента времени». Интервал JK только что истек, и информация о нем, как и о предыдущий периодах, может быть использована при решении уравнений. При рассмотрении какого-либо интервала времени в первую очередь решаются уравнения уровней, а затем полученные результаты используются в уравнениях темпов, после определения уровней в момент К и темпов для интервала KL время «индексируется», т.е. положение точек JKL сдвигается на один интервал времени вправо. Уровни, только что вычисленные для момента времени К считаются теперь уровнями в момент времени J. Темпы для интервала KL становятся темпами для интервала Ж [95].
Внедрение модели в процесс учета и планирования материалов
В разделе 1.3 приведены факторы, которые необходимо учитывать при прогнозировании материальных затрат. Проведем расчеты для уровня материалов на производстве на один период прогноза.
Введем обозначения: t - текущее время, тогда t+1 - їй период прогноза, t-І - период, предшествующий t Каждому виду материалов также присваиваем соответствующую переменную: 1. Аммиачная вода - AV; 2. Хлор жидкий - HG; 3. Натрия гипохлорит - NG; 4. Хлорная известь - XI; 5. Алюминий сернокислый технический (водный раствор) - ASV; 6. Алюминий сернокислый технический очищенный - ASO; 7. Флокулянт «Балтфлок FL28P3» - В; 8. ECO Chemical (Швейцария) -Е; 9. Флокулянт "Магнафлок LT-31» - М; 10. Allied colloids GMBH (Германия) - AC; 11 .Флокулянт «Суперфлок С-577» Производитель Cytec Indaustries - S; 12.Флокулянт «Праестол 650 TR» - Р; 13.Флокулянт «Перколь плюс» - РР; И.Флокулянт «Зетаг-89» - Z; 15.Сода кальцинированная техническая - SC; 16.Известковое молочко - ЇМ; П.Поваренная соль - PS; 18.Поваренная соль на промывку котлов - PSK; 19.Едкий натр - EN; 20.Песок кварцевый - РК;
Тогда PKt - значение уровня «Песок кварцевый» в момент времени t или количество кварцевого песка, отправленного в производство с начала периода расчетов на момент времени
Введем обозначения для показателей качества поступающей в производство воды: 1. Температура воды - TV; 2. Мутность воды - MV; 3. Цветность воды - CV; 4. Перманганатная окисляемость воды - POV; 5. Щелочность воды - SV; 6. Общее микробное число - МС; 7. Бихроматная окисляемость - ВО; Соответственно TVt - температура воды в момент времени t.
Таким образом, для прогнозирования значений доз реагентов будем использовать значения за предыдущие периоды и значения показателей качества воды за предыдущие периоды.
Прогнозирование будем осуществлять на предстоящий год. Интервалом расчетов возьмем месяц. Фактические значения возьмем за два предыдущих года. На вход нейронной сети будем подавать следующие значения: ? Значения интервала t; ? Значения интервала t-11; ? Значения интервала t-23; т.е. если, например, прогнозировать значения на февраль 2007 года, на вход необходимо подать значения за январь 2007 года, февраль 2006 года и февраль 2005 года. В итоге, на вход подается: (показатель дозы реагента + 7 показателей качества поступающей воды) 3 = 24 показателя, т.е. нейронная сеть должна иметь 24 входа.
Проведем расчеты для реагента аммиачная вода (AV): 1 слой Комбинированный входной сигнал S S„ = W,„ AVl.23+ W211 AVt.„ +W3„ AVt + W411 TVt.23 + W5„ TVt.„ + W6M TVl+W7ii MVt.23+W8„ MVH, + W9U MVt +W.oi CVt.za + W,,,! CV„, + WI2,, CVt+ W13 n POV,23 + W,4 и POVt.,, + W,5 її POVt+ w,6 ii SVt.23 + WI711 SVt.,, + WI81, SVl+W,9,i MCt.23 + W2o,, MC1.1i + W2ni MQ + W22,, ВО,.2з + W23,, BO,,, + W 2411 BOt; (48) S21 = W,2, AV,23 + W22, AV,,, + W32i AVt + W421 TVt.23 + W52, TV,,, + W621 TVt+ W721 MV,23 + W821 MVt.„ + W921 MVt + WI02, CV,23 + W„ 21 CVt.1, + W,221 CVt+W132. POVt.23 + W,421 POVt.„ + W1521 POVt+W16 2, SV,23+W,721 SVi.„ +W,82i SVt+W,92, MC,23 +W202, MC,„ + W2121 MQ+ W222i BOl.23+W232i BO„, + W242, BOt; (49) S3,=W,3, AV,23+W23,:i:AV„, + W331 AVt + W431 TV,23+W531 TV,ll + W63, TVt+ W73i MVl.23+ W83, MV„, + W93l MVt + Wl03i CV,23 + W„ 31 CVm + W.aai CVt+W133i POV,23+W,43, POV,,, +W,53, POVt+W16 3i SVt.23+W,73i SV,„ +W183! SVt+W,93I MC,23+W203I MC„, +W3131 MCt+W223i BO,23 + W233i BO„, + W243, BOt; (50) Выходной сигнал Y l y2i=/(52i)=y— -;(52) Гз. = /№.) = 1 1 + е- я (53) Расчеты для второго и третьего слоя приведены в п. 2.3. Выход третьего слоя Y3i является прогнозным значением дозы аммиачной воды на t+І период.
Но прежде чем прогнозировать значения, необходимо обучить сеть, т.е. найти веса Wjjk. Также необходимо постоянно проводить обучение сети, корректируя веса при поступлении в систему новых фактических данных. Первоначально веса имеют значение 1.
Проведем соответствующие расчеты для обучения.
Пусть в систему поступило фактическое значение дозы аммиачной воды Dl+1. Тогда ошибка будет: El+1 = (Y3i)i+i - Dt+1;
Далее необходимо учесть данное значение при расчете суммы квадратов ошибок Е. Но прежде чем проводить расчет, необходимо определиться с обучающим множеством. Учитывая, что качество воды напрямую зависит от сезона, обучающая выборка должна включать в себя показатели как минимум за один год. А при предложенном выше порядке расчета для обучения необходимы данные как минимум за 3 полных года. Таким образом, обучающее множество должно состоять из 36 значений.
