Содержание к диссертации
Введение
1. Современные экономико-математические методы и инструментальные средства анализа экономической конъюнктуры промышленного предприятия 11
1.1. Содержательная постановка задачи анализа и прогнозирования показателей экономической конъюнктуры для промышленных предприятий 11
1.2. Анализ и классификация современных экономико-математических методов и инструментальных средств прогнозирования экономических процессов 16
1.3. Условия и предпосылки использования методов калмановской фильтрации для прогнозирования показателей экономической конъюнктуры промышленных предприятий в условиях неопределенности 42
1.4. Цели и задачи диссертации 46
2. Организационно-экономический анализ состояния и определение тенденций развития нефтехимической промышленности Российской Федерации в условиях международной экономической интеграции 48
2.1. Организационно-экономический анализ современного состояния и тенденций развития нефтехимической отрасли Российской Федерации 48
2.2. Организационно-экономический анализ деятельности предприятий химического и нефтехимического комплекса республики Башкортостан 58
2.3. Предпосылки использования инструментальных методов прогнозирования показателей экономической конъюнктуры для повышения эффективности управления химическими и нефтехимическими предприятиями в современных условиях хозяйствования 66
2.4. Выводы 74
3. Рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры для нефтехимических предприятий в условиях неопределенности 76
3.1. Рекуррентно-статистическии метод прогнозирования показателей экономической конъюнктуры на основе калмановской фильтрации 76
3.2. Алгоритмы прогнозирования показателей экономической конъюнктуры с использованием модифицированной процедуры калмановской фильтрации 86
3.3. Вычислительные эксперименты по анализу эффективности разработанного метода и алгоритмов прогнозирования показателей экономической конъюнктуры в условиях неопределенности 96
3.4. Выводы 103
4. Методика разработки и практическое применение информационной системы поддержки принятия решений по прогнозированию показателей экономической конъюнктуры для нефтехимических предприятий 105
4.1. Архитектура информационной системы поддержки принятия решений по прогнозированию показателей экономической конъюнктуры для нефтехимических предприятий 105
4.2. Методика проектирования и использования информационной системы поддержки принятия решений по прогнозированию 106 показателей экономической конъюнктуры для нефтехимических предприятий 113
4.3. Практическое использование разработанных математических методов и инструментальных средств прогнозирования экономической конъюнктуры для повышения эффективности управления ОАО «Салаватнефтеоргсинтез» 117
4.4. Выводы 123
Заключение 125
Литература 128
Приложения 136
- Анализ и классификация современных экономико-математических методов и инструментальных средств прогнозирования экономических процессов
- Организационно-экономический анализ деятельности предприятий химического и нефтехимического комплекса республики Башкортостан
- Алгоритмы прогнозирования показателей экономической конъюнктуры с использованием модифицированной процедуры калмановской фильтрации
- Методика проектирования и использования информационной системы поддержки принятия решений по прогнозированию 106 показателей экономической конъюнктуры для нефтехимических предприятий
Введение к работе
В современных условиях хозяйствования, которые характеризуются быстрым развитием мировых интеграционных процессов и обострением конкурентной борьбы, задача анализа и прогнозирования экономической конъюнктуры для предприятий является важнейшей составляющей процесса управления деятельностью отечественных нефтехимических предприятий. Очевидно, что точность прогноза рыночной конъюнктуры в значительной мере влияет на обоснованность и рациональность принимаемых управленческих решений и, соответственно, на экономическую эффективность нефтехимических предприятий. Для прогнозирования экономической конъюнктуры предприятий необходимо применять информационные системы поддержки принятия решений (СППР) по ситуационному анализу и прогнозированию внешней среды промышленного предприятия.
В настоящее время для прогнозирования показателей экономической конъюнктуры для предприятий используются различные экономико-математические методы и инструменты эконометрики, входящие в состав программно-математического обеспечения информационных СППР по управлению предприятиями. Проблеме прогнозирования экономической конъюнктуры посвящены работы таких отечественных и зарубежных ученых как С.А. Айвазян, Т.Андерсон, В.Н. Афанасьев, Дж. Бокс, Д.Е. Бэстенс, Г. Дженкинс, И.Н. Драгобытский, А.А.Емельянов, И.В. Зайцевский, А.Н. Колмогоров, М.Кэндэл, Ю.П. Лукашин, В.Л. Макаров, В.П. Мешалкин, B.C. Мхитарян, И.М. Петрушко, B.C. Пугачев, Р.Л. Раяцкас, А.Ф.Тельнов, Е.М. Четыркин и др.
Одним из подходов к прогнозированию экономической конъюнктуры для промышленного предприятия является использование математического аппарата теории фильтрации случайных процессов, в которой наиболее широкими возможностями обладают калмановские
фильтры. Применение фильтров Калмана для прогнозирования экономической конъюнктуры, рассмотрены в работах К. Браммера, Р. Бьюси, С.Я. Виленкина, Д.Гропа, Г. Зиффлинга, Р. Калмана, В.В. Круглова, А.Н. Перова, Э. Сейджа, Е.П. Чуракова.
В тоже время, прогнозирование экономической конъюнктуры для нефтехимических предприятий на практике осложняется рядом факторов, среди которых можно выделить сложность исследуемых экономических процессов, неопределенность и неравномерность информации о состоянии внешней социально-экономической среды. Указанная неопределенность информации чаще всего проявляется в пропуске отдельных показателей или их несвоевременном поступлении, вызванных, например, задержкой информации об объёмах продаж торговых представительств, непостоянством доступа к информации о деятельности конкурентов, календарными эффектами, нерегулярностью проведения маркетинговых исследований и т.д. Указанные обстоятельства в значительной степени снижают эффективность применения для решения данной задачи известных методов прогнозирования сложных экономических процессов на основе метода калмановской фильтрации, так как существующие варианты данного метода предполагают равномерное поступление информации об исследуемом процессе.
В связи этим решаемая в диссертации задача разработки рекуррентно-статистического метода и инструментальных средств прогнозирования экономической конъюнктуры для нефтехимических предприятий с применением метода калмановской фильтрации, позволяющих повысить качество принимаемых решений по управлению промышленными предприятиями в условиях рыночной экономики, является актуальной научной задачей, имеющей существенное значение для теории и практики экономико-математического моделирования в условиях неопределенности.
Основные разделы диссертации выполнялись в соответствии с заданиями ряда комплексных программ социально-экономического развития Республики Башкортостан на 2002-2005 г.г. Тема диссертации соответствует перечню критических технологий, определяемых политикой РФ в области науки и технологии на период до 2010 г. - «Компьютерное моделирование».
Цель диссертационного исследования. Разработать рекуррентно-статистический метод и инструментальные средства прогнозирования экономической конъюнктуры для нефтехимических предприятий, основанные на использовании метода калмановской фильтрации, которые позволяют повысить точность прогноза в условиях неопределенности и неравномерности информации о состоянии внешней социально-экономической среды.
Практически применить разработанные рекуррентно-статистический
метод и инструментальные средства прогнозирования экономической
конъюнктуры для выработки научно-обоснованных рекомендаций по
совершенствованию стратегического управления ОАО
"Салаватнефтеоргсинтез" для повышения экономической эффективности и конкурентоспособности предприятия.
Цель исследования обусловила необходимость постановки и решения следующих задач:
Анализ экономико-математических методов и инструментальных средств прогнозирования показателей экономической конъюнктуры для промышленных предприятий.
Организационно-экономический анализ современного состояния и тенденций развития нефтехимической промышленности Российской Федерации и республики Башкортостан.
Обоснование предпосылок использования математических методов и инструментальных средств прогнозирования экономической
конъюнктуры для нефтехимических предприятий для повышения эффективности управления промышленными предприятиями.
Разработка рекуррентно-статистического метода и алгоритмов для прогнозирования показателей экономической конъюнктуры для предприятий на основе процедуры калмановской фильтрации.
Разработка архитектуры и основных компонентов программного обеспечения информационной системы поддержки принятия решений по прогнозированию экономической конъюнктуры для управления нефтехимическими предприятиями.
Практическое применение разработанных математического метода и инструментальных средств для повышения эффективности ОАО «Салаватнефтеорсинтез» Республики Башкортостан.
Методы исследования в диссертации.
При выполнении данной работы использовались методы экономического анализа, эконометрики и экономико-математического моделирования, теории случайных процессов и методы вычислительного эксперимента.
Достоверность научных результатов, выводов и рекомендаций, сформулированных в диссертации, определяется корректным применением методов эконометрики и экономико-математического анализа, теории случайных процессов и имитационного моделирования.
Обоснованность теоретических разработок подтверждена вычислительными экспериментами на персональных компьютерах, результаты которых позволяют сделать вывод об адекватности разработанных методов и моделей прогнозирования экономических явлений.
Основные положения, выносимые на защиту.
1. Результаты организационно-экономического анализа
современного состояния и тенденций развития нефтехимической отрасли
Российской Федерации, нефтехимического комплекса республики Башкортостан.
Рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры для нефтехимических предприятий с использованием аппарата калмановской фильтрации.
Методика проектирования и применения информационной системы поддержки принятия решений по прогнозированию экономической конъюнктуры для управления нефтехимическими предприятиями.
Архитектура и программное обеспечение информационной системы поддержки принятия решений по прогнозированию экономической конъюнктуры для управления нефтехимическими предприятиями.
Научная новизна.
К наиболее существенным научным результатам, полученным лично соискателем, относятся следующие.
Результаты организационно-экономического анализа состояния и тенденций развития нефтехимической отрасли Российской Федерации, показавшие наличие объективных предпосылок использования математических методов и инструментальных средств прогнозирования экономической конъюнктуры для нефтехимических предприятий в условиях неопределенности для повышения эффективности их деятельности.
Рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры для предприятий, отличающийся использованием аппарата калмановской фильтрации, что позволяет повысить точность прогноза в условии неопределенности и неравномерного поступления информации о внешней среде организации.
Алгоритмы прогнозирования показателей экономической конъюнктуры нефтехимических предприятий на основе
модифицированной процедуры калмановской фильтрации, позволяющие создавать инструментальные средства с учетом возможности их интеграции в общую структуру автоматизированной системы управления предприятием.
4. Методика по проектированию архитектуры и программного обеспечения информационной системы поддержки принятия решений по прогнозированию показателей экономической конъюнктуры, которая характеризуются высокой степенью универсальности и дает возможность повысить точность прогнозирования в условиях неопределенности и неравномерности информации о состоянии внешней среды в произвольные моменты времени.
Практическая значимость результатов исследования.
Разработанный в диссертации рекуррентно-статистический метод прогнозирования экономической конъюнктуры на основе модифицированной процедуры калмановской фильтрации может практически использоваться при создании программно-математического обеспечения информационных СППР по управлению нефтехимическими предприятиями.
На основе предложенных метода и алгоритмов прогнозирования экономической конъюнктуры с использованием среды визуального программирования Borland Delphi 7.0 разработано программное обеспечение информационной ССПР по прогнозированию экономической конъюнктуры «Химпрогноз 1.0», который может применяться либо самостоятельно, либо в составе автоматизированных систем управления предприятием для повышения эффективности принятия решений по управлению предприятиями нефтехимической промышленности в условиях рыночной экономики.
Реализация результатов работы.
Разработанная информационная система поддержки принятия решений по прогнозированию экономической конъюнктуры практически
используется на предприятии ОАО "Салаватнефтеоргсинтез" для прогнозирования показателей экономической конъюнктуры, что позволяет повысить качество принимаемых решений по оперативному планированию производственно-хозяйственной деятельности предприятия.
Основные методические и теоретические результаты работы используются при обучении студентов на кафедре логистики и экономической информатики РХТУ им. Д.И. Менделеева, в филиале Московского энергетического института в г. Смоленске и Уфимском государственном нефтяном университете.
Апробация работы.
Основные результаты диссертационной работы докладывались и обсуждались на Международной научной конференции «Математические методы в интеллектуальных информационных системах» (Смоленск, 2002), Всероссийской научной конференции «Современные информационные технологии в медицине и экологии» (Смоленск, 2003), Всероссийской научной конференции с международным участием «Информация, инновации, инвестиции» (Пермь, 2004), а также на научных семинарах в РХТУ им. Д.И. Менделеева, филиале Московского энергетического института в г. Смоленске и Уфимском государственном нефтяном университете.
Публикации.
По теме диссертации опубликовано 6 печатных работ, общим объемом 1,7 п.л.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 121 наименование и приложений. Диссертация содержит 146 стр. машинописного текста, 17 рисунков и 7 таблиц.
Анализ и классификация современных экономико-математических методов и инструментальных средств прогнозирования экономических процессов
Прежде всего, следует отметить, что сами по себе математические методы, которые будут рассмотрены ниже, носят универсальный характер и применимы для обработки экспериментальных данных практически любой природы.
Адаптация же данных методов к экономическим приложени ям, рассмотренная в большинстве анализируемых литературных источников, сопровождается чаще всего определенными терминологическими построениями и специфической расстановкой акцентов, связанных с особенностями экономических систем. Проведенный обзор позволяет выделить три основных подхода к построению экономико-математических прогнозов, это: 1) экстраполяция; 2) моделирование; 3) комбинированный подход. Под экстраполяцией понимается продолжение функции за пределы ее области определения, при котором продолженная функция (как правило, аналитическая) принадлежит заданному классу [2]. Экстраполяция функции обычно проводится с помощью формул, в которых использована информация о поведении функции в некотором конечном наборе точек, принадлежащих ее области определения. Отметим, что это соответствует постановке задачи прогнозирования, иллюстрируемой рис. 1.1, (при этом область определения — отрезок [0,/д,]) за тем уточнением, что для получения прогноза используется конечный набор значений функции для t є [0, ]. Под моделированием в широком смысле понимается исследование каких-либо явлений, процессов или систем объектов путем построения и изучения их моделей; использование моделей для определения или уточнения характеристик и рационализации способов построения вновь конструируемых объектов [1]. В более узком смысле, моделирование - это поиск и математическое описание зависимостей между различными величинами, тем или иным образом взаимодействующими между собой и определяющими состояние изучаемого объекта [3]. Указанное математическое описание носит название математической модели исследуемого объекта.
В соответствии с [4], под математической моделью объекта будем понимать правило преобразования входных переменных в выходные в виде функциональной зависимости где rj(x) - некоторая вектор-функция, є - вектор неконтролируемых воздействий, при условии, что априорная информация о сигналах х и є (область их изменения и т.п.) задана элементами множества S = {SX,S}. Другими словами, в рамках данного подхода для прогноза процесса y(t), т.е. выхода объекта, используется информация о предыстории контролируемых входов x(t). В соответствии с модельным подходом процедура построения прогноза может быть представлена в виде следующих этапов [5]: 1) выбор модели, т.е. установление каким-то образом вида зависимо сти т] с точностью до вектора параметров с, т.е. 2) нахождение с (этап оценивания); 3) прогноз выхода объекта и оценка адекватности модели Второй и третий этапы описанной процедуры в достаточной степени формализованы, и наибольшее затруднение при моделировании обычно вызывает первый этап, на котором применяются две группы методов - аналитические и аппроксимационные [5]. В комбинированном подходе для прогнозирования параметров процесса используется информация, как о значениях контролируемых входов, так и о предыстории самого процесса. Различия между рассматриваемыми подходами к построению экономико-математических прогнозов удобно пояснить на следующем примере. Не снимая общности, будем полагать, что прогнозируемый процесс y{t) является скалярным. При этом известна как предыстория данного процесса в виде значений y(t,),y(t2),...,y(tN), так, возможно, предыстория и некоторых других процессов і(0 хи(05 связанных с y{t) причинно-следственными связями (вид данных связей, вообще говоря, неизвестен). Полагая, что моменты времени tk являются равноотстающими, так, что tk=k, Т = const, где Т - интервал дискретизации, и вводя обозначение: представим имеющиеся экспериментальные данные в виде табл. 1.1 (данные к -ой строки этой таблицы соответствуют моменту tk). Прогнозируемое значение экономического показателя, изменение которого по времени описывается процессом y{t), в момент времени tu+l в соответствии с различными подходами можно представить в виде: где / - некоторое отображение, существование которого предполагается известным. Таким образом, главное различие между рассматриваемыми подходами заключается в исходных данных, используемых для построения прогнозов. При экстраполяции прогноз показателя, изменение которого во времени описывается процессом y(t), осуществляется на основе анализа и обработки данных о предыстории самого процесса. При моделировании для решения этой задачи используются данные, характеризующие предысторию взаимосвязанных процессов. Комбинированный подход предполагает наличие данных о ретроспективных значениях параметров, характеризующих как исследуемый, так и взаимосвязанные процессы.
Организационно-экономический анализ деятельности предприятий химического и нефтехимического комплекса республики Башкортостан
Особое место в российской химии и нефтехимии занимают предприятия Башкортостана. Для этого региона характерно значительное влияние местных властей на развитие химического и нефтехимического комплекса, являющегося одной из наиболее развитых отраслей промышленности в республике.
Республика Башкортостан принадлежит к числу наиболее благополучных субъектов Российской Федерации. По объемам производства и уровню бюджетных доходов Башкортостан входит в лидирующую десятку регионов России. Особенность экономического курса республики состоит в ориентации на ее целостное развитие при одновременной интеграции в систему общероссийских и международных экономических связей.
Экономика республики имеет многоотраслевую структуру с высоким уровнем комплексного развития. Промышленность создает почти половину объема валового регионального продукта республики и обеспечивает около 65 процентов налоговых поступлений в бюджеты всех уровней [83].
В промышленном производстве Башкортостана насчитывается более 6000 предприятий и организаций, в том числе 870 крупных и средних, объем производства продукции которых, составляет более 90 % от объема по промышленности Республики в целом [84].
Основой промышленного потенциала Башкортостана является топливно-энергетический комплекс, на долю которого приходится около 40 процентов производства (рис.2.3). Вместе с тем, хотя на территории республики добывается более 12 млн. тонн нефти в год, экономическое благополучие Башкортостана основывается не на «проедании» природных богатств, а на комплексном развитии высокотехнологичных отраслей промышленности [85].
За шесть лет экономического роста объем промышленного производства в республике увеличился на 40 % [86]. По данным комитета статистики РБ, в 2004 году объем промышленного производства Башкортостана оценивается в 354 миллиарда рублей, что превышает как аналогичные показатели 2003 года (на 3,3%), так и общероссийские показатели. В минувшем году объемы производства увеличили предприятия большинства отраслей промышленности республики. Высокие темпы прироста обеспечили предприятия черной металлургии (14,5%), химии и нефтехимии (9%).
Нефтепереработка, химия и нефтехимия являются приоритетными отраслями экономики Башкортостана. Республиканский нефтеперерабатывающий и нефтехимический комплекс является одним из крупнейших в Европе по мощности. В Республике перерабатывается ежегодно около 22 млн тонн углеводородного сырья, т.е. каждая седьмая тонна российской нефти, и производится каждая шестая тонна автомобильного бензина, дизельного топлива, каждая седьмая тонна топочного мазута, более половины общероссийского производства бутиловых и изобутиловых спиртов, половина кальцинированной соды и химических средств защиты растений, большая часть каустической соды, полиэтилена, синтетических смол и пластмасс [83].
За первое полугодие 2004 года предприятиями химического и нефтехимического комплекса республики Башкортостан произведено продукции на 13,8 миллиарда рублей. Индекс физического объема в целом по отрасли составил 115%, в том числе в химии - 98,1%, в нефтехимии - 143,1% [86].
На результаты работы химической и нефтехимической промышленности повлияло несколько факторов: рост цен производителей, которые увеличились в среднем на 21,6% [87], повышение спроса на данную продукцию и более полная загрузка мощностей на ряде предприятий.
На формирование динамики объемов производства химической и нефтехимической продукции существенное влияние оказала деятельность таких крупных предприятий отрасли, как ОАО «Уфаоргсинтез», ОАО «Са-лаватнефтеоргсинтез», ЗАО «Каучук», ОАО «Сода», ЗАО «Каустик», ЗАО «Стерлитамакский нефтехимический завод», ОАО «Уфанефтехим» на долю которых приходится более 80% объема производства [86].
Ниже приведем краткую характеристику и анализ деятельности перечисленных предприятий.
Как отмечалось выше, региональные власти контролируют деятельность большинства крупных нефтеперерабатывающих, химических и нефтехимических предприятий республики, поскольку эти отрасли принадлежат к числу стратегически важных для республики отраслей. Часть предприятий контролируются правительством Башкортостана через холдинг «Башнефтехим», в состав которого входят два нефтеперерабатывающих завода - Уфимский НИХ и Ново - Уфимский НПЗ, и 2 предприятия нефтехимии - ОАО «Уфаоргсинтез» и ОАО «Уфанефтехим» [88]. Холдинг в большей степени ориентирован на первичную переработку нефти, но, тем не менее, ОАО «Уфанефтехим» и в особенности ОАО «Уфаоргсинтез» производят широкий спектр нефтехимической продукции. ОАО «Уфаоргсинтез» специализируется на выпуске полиэтилена (около 10 % российского рынка), пропилена и продуктов органического синтеза: фенола (40% российского рынка) [86], этилена, изопроплбензола, этилового спирта, ацетона. Кроме того, предприятие выпускает изделия из пластмасс, синтетический каучук и другие виды химической и нефтехимической продукции, в том числе товары бытовой химии. Основную часть сырья на предприятие поставляют нефтеперерабатывающие заводы, входящие в холдинг «Башнефтехим».
По итогам 2004 года индекс физического объема производства по предприятию составил 119,1 % [86], что выше среднего по отрасли в республике Башкортостан.
Для расширения производства полиэтилена и модернизации производства «Уфаоргсинтез» нуждается в инвестициях, которые оцениваются в 150 млн. долларов США до 2006 г. [88]. Кроме того, постепенно будут нарастать проблемы, связанные с обеспечением сырьем. Поскольку ОАО «Башнефть» в состоянии в лучшем случае обеспечить только поддержание поставок нефти для нужд нефтехимического комплекса на текущем уровне, потребуются новые поставщики.
Алгоритмы прогнозирования показателей экономической конъюнктуры с использованием модифицированной процедуры калмановской фильтрации
Разработанные алгоритмы численного исследования предназначены для использования в тех случаях, когда изложенные в 3.1 аналитические методы применить невозможно. Обычно это характерно для задач большой размерности и для большинства моделей процессов дискретизации, приводящих к выкладкам, не допускающих получения решения в аналитической форме.
Приводимые ниже алгоритмы численного определения параметров оптимальных фильтров реализуют два варианта фильтрации — непрерывный и дискретный для стационарного случая (при / - ад). Здесь возможны, вообще говоря, различные подходы.
Принятая в диссертации основная идея алгоритмов заключается в параметризации задачи: используя известную структуру фильтров, имитировать процесс фильтрации и так подбирать их параметры, чтобы значение критерия фильтрации (3.5) стремилось к минимуму.
В настоящее время существует целый ряд рекуррентных методов решения поставленной задачи. К ним относятся метод наименьших квадратов, обобщенный метод наименьших квадратов, метод максимального правдоподобия, метод стохастической аппроксимации (МСА) [112-115].
Отметим, что рекуррентные процедуры обобщенного метода наименьших квадратов и метода максимального правдоподобия требуют большого количества априорной информации и отличаются сложностью реализации.
Рекуррентный метод наименьших квадратов хотя и проще, но достаточно сложен. Кроме того, он предъявляет жесткие требования к предельному соотношению "сигнал/шум" и в большинстве случаев приводит к смещенным оценкам [107]. В этом аспекте более предпочтительным является МСА [115], который и будет применен для решения поставленной задачи оптимизации параметров фильтра. В поддержку выбранного метода следует отнести следующие отличительные черты МСА: - для МСА характерно то, что на каждом шаге получают новую реализацию случайной последовательности, в отличии от градиентах методов, использующих на всех итерациях одну и ту же реализацию случайных компонент. Используя каждый раз новую реализацию, предполагают, что смещение оценок искомых параметров будет, по всей видимости, меньше, чем в случае, когда используется одна реализация, т. к. увеличивается объем информации о системе; - при выборе направления движения к оптимуму используется не сама величина математического ожидания ошибки фильтрации (3.5), точное значение которой неизвестно, а ее оценка. Поэтому, при каждом имитационном эксперименте значение функционала (1.54) будет случайной величиной и применение обычных градиентных алгоритмов становится затруднительным; МСА не предъявляет жесткие требования к предельному соотношению "сигнал/шум" и приводит к несмещенным оценкам. Алгоритм реализован с помощью системы MatLAB - 6.0 для персональных ЭВМ класса IBM-PC. Предлагаемый алгоритм предназначен для определения параметров оптимального стационарного непрерывного фильтра Калмана методом стохастической аппроксимации. Требуемая входная информация: - матрица А из дифференциального уравнения (3.1) описывающего процесс g(t); - матрицы G, С, Q из формул (3.2 -3.4); - закон и параметры распределения интервала дискретизации из набора заданных; - начальное приближение матричного коэффициента усиления фильтра Основная идея алгоритма состоит в следующем. После ввода в процессе диалога требуемой входной информации осуществляется численное решение дифференциального уравнения (3.1), которое представляет собой, по сути, систему дифференциальных уравнений первого порядка. Решение этой системы при заданных начальных условиях является задачей Коши, сравнительный анализ методов интегрирования которого приведен в [116, 117]. Отмечается, что в пакетах прикладных программ для решения подобных задач наиболее предпочтительным является метод Милна с модификацией Хемминга, т. к. в нем предусмотрен автоматический контроль точности получаемых результатов интегрирования. Однако для небольших систем, даже метод Эйлера показывает достаточную точность. В данном случае применяется усовершенствованный метод Эйлера [117]: где / - номер текущего шага расчета случайного процесса, At - шаг расчета случайного процесса, много меньший математического ожидания интервала дискретизации mr, I - единичная матрица размера п п, в течении времени tmax: где L - достаточно большое целое число. Используя полученные отсчеты gi формируется дискретный процесс
Методика проектирования и использования информационной системы поддержки принятия решений по прогнозированию 106 показателей экономической конъюнктуры для нефтехимических предприятий
Разработанная в диссертации методика создания и использования информационно-аналитической системы (ИАС) поддержки принятия решений по управлению химическим или нефтехимическим предприятием, использующей предложенный метод для прогнозирования показателей экономической конъюнктуры, включает следующие этапы. 1. Формулировка задач, которые предполагается решать с помощью данной ИАС.
На этом этапе требуется определить показатели экономической конъюнктуры, прогнозирование которых необходимо для повышения эффективности управления предприятием, и выделить конкретные задачи управления, где принимаемые решения могут основываться на результатах данных прогнозов. 2. Определение состава и свойств информационных объектов ИАС, в т.ч. входных и выходных переменных для всех возможных прогнозов, построение которых планируется с помощью рассмотренного метода. 3. Выбор и описание источников получения необходимой информации.
Если планируется использовать внутренние источники, то следующим шагом будет определение состава нормативно-справочной и оперативной информации, а также алгоритмов получения требуемых переменных на основании оперативных данных. Если используются внешние источники, то следует ознакомиться с форматами представления данных в этих источниках. 4. Проектирование структуры базы данных, которая должна адекватно отражать состав и свойства выбранных информационных объектов, а также учитывать форматы данных, получаемых из внешних источников. 5. Проектирование программного обеспечения ПАС, в том числе модуля, реализующего выбранный алгоритм прогнозирования.
На данном этапе возможно использование уже готовых модулей, обладающих требуемой функциональностью и совместимостью со структурой базы данных. В случае если готовые модули требуют иной структуры представления данных, чем та, которая предусмотрена (см. этап 3), возможен вариант пересмотра структуры. Однако этот путь, на наш взгляд, является не эффективным. Более предпочтительным вариантом в данной ситуации является разработка новых программных модулей. 6. Сбор данных, служащих базой для принятия тех или иных управ ленческих решений.
В зависимости от выбранной структуры информационного обеспечения алгоритмы сбора данных будут различны. Задачей данного этапа является накопление нужного объема статистической информации, обладающей высокой степенью достоверности. В противном случае, результаты обработки данных, в том числе построенные прогнозы, нельзя достаточно обоснованно использовать для принятия каких-либо решений. 7. Использование ПАС для анализа имеющихся данных, в том числе прогнозирование показателей экономической конъюнктуры химического и/или нефтехимического предприятия. 8. Использование результатов анализа и прогноза для расчета планируемых показателей деятельности предприятия в рамках решаемой задачи управления.
Следует отметить, что первые пять пунктов описанной методики относятся к стадии внедрения ИАС. Все работы на этой стадии должны выполняться специалистами информационно-аналитического отдела, в том числе и системными аналитиками. Функции системного аналитика могут выполнять руководители различного уровня, хорошо знакомые со спецификой предметной области, способные сформулировать задачи управления и прогноза.
На стадии эксплуатации ИАС можно рекомендовать такое распределение функций между специалистами разных подразделений, работающих с данной системой. Задачей сотрудников информационно-аналитического отдела является поддержка работоспособности системы, обслуживание запросов клиентов, построение тестирование и проверка точности получаемых прогнозов. Сотрудники отдела маркетинга, должны поддерживать данные в актуальном состоянии, путем их ввода или загрузки из внешних приложений вскоре после момента поступления. Лица принимающие решения, т.е. менеджеры различных уровней работают с системой в режиме анализа обработанной информации. Для обеспечения более удобной работы с аналитической информацией в системе должны быть предусмотрены средства визуализации и интерпретации результатов.
Еще раз хотелось бы отметить, что эффективность работы информационно- аналитических систем поддержки принятия управленческих решений зависит от используемого математического аппарата. Поэтому в качестве дополнительно пункта методики можно предложить анализ и выбор математических и инструментальных методов, которые будут использоваться для обработки данных.
Таким образом, алгоритм действий по внедрению и эксплуатации информационно-аналитических систем поддержки принятия решений по управлению химическими и нефтехимическими предприятиями можно представить в следующем виде (рис.4.5.)
Похожие диссертации на Рекуррентно-статистический метод и информационная система прогнозирования экономической конъюнктуры для нефтехимических предприятий
