Модель прогнозирования объемных показателей работы железнодорожного транспорта тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Модель прогнозирования объемных показателей работы железнодорожного транспорта"

На правах рукописи

ТИМОХИНА АЛЕКСАНДРА ВЛАДИМИРОВНА

МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ОБЪЕМНЫХ ПОКАЗАТЕЛЕЙ РАБОТЫ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

Специальность 08.00.13 - Математические и инструментальные методы экономики

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Москва, 2003

Работа выполнена в Московском государственном университете экономики, статистики и информатики (МЭСИ) на кафедре исследования операций.

Научные руководители кандидат физико-математических наук

Лисица Константин Валентинович

кандидат технических наук, доцент

Мастяева Ирина Николаевна

Официальные оппоненты доктор экономических наук,

профессор Кобелев Николай Борисович

кандидат экономических наук, доцент

Комлева Нина Викторовна

Ведущая организация Московский Государственный

Университет Путей Сообщения

Защита состоится »2003 года в_часов на

заседании диссертационного совета К 212.151.01 в Московском государственном университете экономики, статистики и информатики по адресу: 119501, Москва, ул. Нежинская, дом 7.

С диссертацией можно ознакомиться в библиотеке Московского государственного университета экономики, статистики и информатики.

Автореферат разослан » йеГ^р^ 2003 года

Ученый секретарь

диссертационного совета,

кандидат экономических наук^-^^"^

доцент Г. Е. Голкина

' 1724^ 3

Актуальность темы.

Федеральный железнодорожный транспорт России - основная составляющая транспортной системы и ключевая отрасль страны, напрямую влияющая на ее развитие и эффективное функционирование экономики.

Железные дороги России являются сложнейшей • экономической системой, в которой сочетаются черты, присущие

микроэкономическим системам, и макроэкономическая динамика, которая оказывает существенное воздействие на экономику России в целом.

Интенсивное развитие рыночных отношений обусловливает необходимость проведения грамотной политики оперативного и стратегического управления ресурсами отрасли. На одно из первых мест выходят задачи оценки эффективности принятия управленческих решений, которые наиболее целесообразно решать с использованием современных методов моделирования, прогнозирования и систем поддержки принятия решений.

Прогнозирование является основным инструментом предиктивного управления текущей ситуацией, создавая значительное преимущество перед политикой управления «по факту прошедшего периода».

Построение прогнозов основных объемных показателей железнодорожного транспорта позволяет создавать целостное представление о состоянии и динамике финансовых и материальных потоков, дает возможность эффективно планировать деятельность, осуществлять поддержку процессов принятия стратегических и оперативных решений руководством корпорации.

Выбор темы диссертационного исследования обусловлен актуальностью задачи максимально точного прогнозирования объемных показателей для расчета на их основе целевых ориентиров работы—железнодорожного транспорта и, в конечном итоге, формирования бюджетов на будущий период.

Цель и задачи исследования.

Целью диссертационного исследования является разработка аналитического инструментария для прогнозирования объемных показателей работы железных дорог. Разрабатываемая система относится к классу систем поддержки принятия решений.

В соответствии с указанной целью в диссертации поставлены и решены следующие основные задачи:

• сформулированы основные положения метода

прогнозирования временных рядов показателей экономических систем на примере системы «железнодорожный транспорт»;

• построена экономико-математическая модель прогнозирования на основе метода самосогласованных состояний;

• разработана методика предварительной оценки и обработки исходного временного ряда, предназначенная для проверки соответствия предъявляемого ряда классу прогнозируемых по 1 разработанной методике;

• создана методика оценки качества построенного прогноза;

• создано программное обеспечение (система «Прогнозирование 1 объемных показателей работы железных дорог» (ПОГ1Р)), реализующее методологию прогнозирования;

• проанализирована точность и практическая значимость использования ПОПР в системе управления отраслью.

Объект и предмет исследования.

Объектом исследования является деятельность федерального железнодорожного транспорта.

Предмет исследования - прогнозирование временных рядов объемных показателей работы железных дорог.

Теоретическая и методологическая основа исследования. Диссертационное исследование базируется на постулатах экономической теории и экономико-математического моделирования.

Теоретическую и методологическую основы исследования составили:

• работы отечественных и зарубежных ученых и специалистов в области экономики, исследования операций, математической статистики, системного анализа, автоматизированного организационного управления, а также работы в области построения систем поддержки принятия решений; >

• разработки Научного Информационно-аналитического Центра ГУП ВНИИЖТ МПС России (НИАЦ) и научных трудов Лисицы К.В.

Научная новизна.

В диссертационном исследовании применен новый подход к построению модели прогнозирования временных рядов объемных показателей работы железных дорог.

Элементы научной новизны содержат следующие положения исследования:

• Впервые применен метод самосогласованных состояний для построения модели прогнозирования объемных показателей работы железных дорог.

• Введены основные определения и построены методики прогнозирования по разработанной модели прогнозирования.

• Предложен новый метод декомпозиции временных рядов показателей экономических систем.

• Предложен алгоритм, позволяющий существенно повысить точность и скорость расчета компонент ряда.

• Разработана методика предварительного анализа исходных данных для корректного использования построенной модели.

• Разработан способ оценки качества построенного прогноза и самодиагностики алгоритма расчета.

Практическая значимость, ценность и апробация работы. Проведенные исследования выполнялись в составе 4 научно-исследовательских работ НИАЦ по договорам НИОКР с МПС РФ.

На основе построенной модели прогнозирования создана система «Прогнозирование объемных показателей работы железных дорог», которая является ключевым блоком в информационно-аналитических системах поддержки принятия решений, как на оперативном, так и на стратегическом уровне.

Результаты исследований были использованы в автоматизированных информационно-аналитических системах поддержки принятия решений, разработанных НИАЦ:

• Системе экономического мониторинга и прогнозирования состояния железных дорог России (ИАС ЭМиП);

• Центре Ситуационного Управления МПС России (ЦСУ МПС России), включающем более 30 комплексов задач (блок прогноза работает в следующих подсистемах: «Оперативная информация», «Производственно-экономические показатели», «Прогнозирование объемных показателей работы железных дорог», «Моделирование развития транспортного комплекса в многоотраслевой структуре развития экономики страны», «Экономико-математическая модель работы железных дорог»);

• Информационно-аналитической системе корпоративного управления и прогнозирования (ИАС КУП).

• Прогнозы, полученные по разработанной методологии, регулярно используются при подготовке еженедельных аналитических материалов «Экономическое обозрение.

Оперативный и стратегический анализ», подготавливаемых НИАЦ для руководства отрасли.

Информационной базой для построения прогнозов является информация, содержащаяся в корпоративном информационном хранилище. Система реализована на программных средствах БАБ-продуктов и \УеЬ-технологий с подключением ОЬЬ-модуля, содержащего расчетную часть системы. 1

Результаты исследования докладывались на пяти научных конференциях:

• конференции молодых ученых и аспирантов ВНИИЖТ, Москва, 2000;

• научно-практическом семинаре «Внедрение информационно-аналитической системы экономического мониторинга и прогнозирования на сети железных дорог», Москва, 2000;

• конференции молодых ученых и аспирантов ВНИИЖТ, Москва, 2001;

• международной конференции молодых ученых и аспирантов, г. Катовицы, Польша, 2002 (получен диплом о присуждении докладу второго места);

• научно-практическом семинаре «Опыт применения информационно-аналитических моделей для поддержки принятия оперативных и стратегических решений по управлению отраслью (регионом)», Российская Академия Государственной службы при Президенте РФ, Москва, 2003.

Основные положения, выводы и рекомендации диссертации могут быть использованы при построении систем прогнозирования временных рядов ключевых показателей различных экономических систем. В результате становится возможным определять варианты будущего развития, лучше понимать, отслеживать, анализировать тенденции деятельности железнодорожного транспорта. Созданная система прогнозирования достаточно универсальна и позволяет легко настраиваться на широкий круг прогнозируемых показателей.

Практическая реализация и внедрение системы ПОПР в составе информационно-аналитических систем позволила повысить точность прогнозирования показателей, увеличить оперативность процесса построения прогнозов и повысить эффективность принятия ,

управленческих решений на железнодорожном транспорте.

По материалам диссертационного исследования опубликовано 5 научных работ общим объемом: 1,3 п.л.

Объем и структура работы.

Диссертация состоит из введения, трех глав, выводов по каждой главе, заключения, списка литературы и приложений. Объем работы - /й? страниц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ.

Во введении обоснована актуальность темы диссертационного исследования, сформулированы цель и задачи, показана научная новизна и практическая значимость диссертационной работы.

В первой главе рассмотрено значение прогностических систем на уровне корпоративного управления в контексте заблаговременной оценки возможности достижения целевых ориентиров, а также ^ существующие модели прогнозирования объемных показателей

работы железнодорожного транспорта.

Достижение основных стратегических целей компании невозможно без комплексного решения множества проблем, связанных, в первую очередь, с современным эффективным корпоративным управлением и прогнозированием.

Основной задачей при разработке систем стратегического управления является создание и поддержка стратегического соответствия между целями отрасли, её потенциальными возможностями и шансами на успех в сфере перевозок. Они призваны координировать деятельность железных дорог с учетом внешних и внутренних факторов влияния, определять текущее положение отрасли и обеспечивать разработку будущих действий в соответствии с ее миссией. Основой подсистем стратегического управления должен быть набор структурно-динамических и математических моделей, предназначенных для поддержки принятия широкого спектра решений. В подсистему управления должны входить задачи оценки достижения цели, моделирования стратегических оценок, мониторинга и разработки модели прогнозирования.

В диссертации анализируются основные комплексные параметры, характеризующие железнодорожный транспорт в целом, ими являются объемные показатели работыг грузооборот, объем перевозок, отправление грузов, погрузка, выгрузка и др.

Для железнодорожного транспорта прогнозирование объемов перевозок представляет также особый интерес с точки зрения » определения потребности в материальных, денежных, трудовых и

прочих видах ресурсах. Показано, что прогнозы объемов перевозок являются базой для разработки прогнозов эксплуатационной деятельности железных дорог и их подразделений, они позволяют сконцентрировать ограниченные ресурсы на нужных направлениях, выявить необходимые резервы для развития железнодорожного транспорта.

В экономической литературе имеются работы, специально посвященные развитию железнодорожного транспорта, в которых рассматриваются основные пути, динамика показателей работы и намечаются перспективы его развития. Это-труды В.В. Фомина, С.К. Данилова, Б.П. Орлова, В.И. Петрова, А.Г. Захарова и др. Вопросы прогнозирования объемов перевозок на железнодорожном транспорте нашли отражение в работах Белова И.В., Галабурды В.Г., Хачатурова Т.С., Каплана А.Б. и др.

Результаты предыдущих исследований в области прогнозирования перевозок по-прежнему сохраняют свою теоретическую и практическую ценность. Но все большая неопределенность исходных условий разработки прогнозов, неизолированность системы железнодорожного транспорта, изменение объектов внешней среды требуют углубленного изучения законов функционирования экономических систем.

Тенденции развития объемных показателей часто меняются в условиях изменения внешней по отношению к железнодорожному транспорту среды. Поэтому для их анализа и прогнозирования требуется сложный математический аппарат.

При традиционном подходе к прогнозированию временных рядов из рассмотрения исследователя полностью исключается экономическая сущность истории анализируемого объекта, что существенно затрудняет интерпретацию поведения его параметров в условиях влияния факторов внешней среды.

В диссертационном исследовании применен принципиально новый подход к построению системы прогнозирования объемных показателей работы железных дорог - метод самосогласованных состояний. Метод относится к одному из активно развивающихся направлений современной науки - ситуационному анализу открытых экономических систем.

Во второй главе формулируются основные положения метода самосогласованных состояний, и строится экономико-математическая модель прогнозирования на основе этого метода.

В работе определены классы экономических систем и классы временных рядов, для которых применим метод самосогласованных состояний.

Метод самосогласованных состояний применим для прогнозирования основных показателей, характеризующих открытые экономические системы. К таким системам относится система железнодорожного транспорта.

Необходимо выделить следующие особенности временных рядов, пригодных для прогнозирования по разработанной модели:

• временной ряд не должен быть последовательностью случайных чисел, т. е. быть «белым шумом»;

• из рассмотрения исключаются детерминированные временные ряды, поведение которых предопределено принимаемыми управленческими решениями;

• во временном ряду не должно быть «выбросов», т. е. резких отклонений значения показателя в некоторый момент времени от значений этого же показателя в заданной окрестности этого момента времени.

Для исследования возможности прогноза объемных показателей в качестве исходных данных использовались временные ряды, содержащие ежемесячные данные о грузообороте по дорогам и сети железных дорог в целом.

Нормальное состояние любой открытой системы, которой является и железнодорожный транспорт, обычно характеризуется колебаниями ее параметров около некого равновесного положения. Значимое снижение или увеличение параметров можно интерпретировать как переход к новому устойчивому равновесному состоянию. В этом случае временной ряд можно аппроксимировать набором квазистационарных уровней и переходных процессов между ними.

Введем определения.

Квантовым уровнем будем называть фрагмент временного ряда, внутри которого значения ряда представлены в виде суммы константы и волновой компоненты, амплитуда которой меньше расстояний между соседними уровнями.

Соседними мы называем уровни, непосредственно примыкающие к рассматриваемому через интервал переходного процесса.

Константа называется высотой уровня (Н_1еуе1). Расстоянием между уровнями называется модуль

разности высот выбранных уровней. Исследования временных рядов показали, что расстояния между уровнями кратны минимальному расстоянию между уровнями.

Длина квантового уровня (И_1еуе1) равна числу значений временного ряда, которые составляют данный квантовый уровень.

Соответственно, длина переходного процесса (Ы_ргосезв) равна также числу значений временного ряда, которые составляют рассматриваемый переходный процесс.

Самосогласованным состоянием системы называется состояние нахождения ее (системы) на квантовом уровне.

Рассмотрим динамику грузооборота по сети железных дорог

(рис. 1).

на Значены 5000 004500 00 ■ 4000 Х-3500 003000 оо-2500 00 20000001» показателя, млн ткм 2 3 4 5 Конец

11' ^ъ* о

«И 01НОЯ94 01Сен95 ОМс 011*104 94 01Апр 95 01Фее 96 л 96 01Май97 01Ма( 01Дек96 010КТ97 90 01»« 99 01Ноя99 01АЭГ 9В 01ИОН99 ИДг Дата 01Сен00 01ИЮЛ01 01Маи02 рОО 01Фев01 01Двк01 01С 01Мар 03 КГ 02 01АВ г 03

[Зфьо | &ЫН!СМ»фС*>*

Рис. 1. Динамика грузооборота по сети железных дорог

Временной ряд грузооборота можно разделить на отдельные фрагменты, среди которых четко выделяются горизонтальные -квантовые уровни временного ряда, а также переходные процессы.

Назовем квантовой составляющей набор квантовых уровней и переходных процессов между ними.

Переход с одного квантового уровня на другой происходит под влиянием так называемых катастрофических изменений (факторов). Это политические, экономические потрясения, и прочие изменения различных (как внешних, так и внутренних) параметров, оказывающие существенное влияние на объемные показатели работы железнодорожного транспорта.

Внутри уровней происходит волнообразное изменение значений ряда вследствие различных динамически развивающихся процессов.

Поэтому любой временной ряд можно представить в виде следующих компонент:

• квантовая компонента;

• волновая компонента;

• случайная компонента.

Для построения прогноза развития временного ряда необходимо выявить из него квантовую и волновую компоненты. В этом случае получается прогноз с точностью до суммы случайных

флуктуаций временного ряда и разрешающей способности применяемых численных методов.

Методика прогнозирования состоит из следующих этапов:

Этап 1. Проверка временного ряда прогнозируемого показателя по разработанной методике предварительной оценки и обработки г исходного временного ряда, целью которой является проверка

принадлежности исходного временного ряда классу прогнозируемых временных рядов.

Этап 2. Расчет прогноза квантовой компоненты, которая включает в

себя прогнозирование квантовых уровней и переходных процессов.

Этап 3. Построение прогноза волновой компоненты.

Этап 4. Построение прогноза временного ряда и оценка точности

расчета.

Этап 5. Оценка качества построенного прогноза в целях диагностики функционирования разработанного алгоритма.

Этап 1.

В диссертационной работе описаны требования к исходным данным для прогнозирования показателей с помощью предлагаемого подхода, и разработана методика предварительной оценки и обработки исходного временного ряда. Выделены четыре основных критерия, по которым необходимо проверить входной временной ряд.

Критерий 1. Критерий соотношения длины ретроспективного интервала и числа точек прогноза.

Количество прогнозных точек и длина ретроспективного ряда должны как минимум удовлетворять соотношению 1:14 соответственно. Это связано с тем, что на ретроспективном участке ряда должно быть не менее двух квантовых уровней, минимальная длина каждого из которых не должна быть меньше 7 отсчетов. Критерий 2. Критерий «выбросов».

Одним из важных аспектов контроля исходных данных является диагностика и анализ «выбросов». «Выбросы» определяются алгоритмическим методом, который основан на применении » «медианного» фильтра.

, Критерий 3. Критерий детерминированных участков.

Под детерминированными участками в рассматриваемом ! временном ряду будем понимать последовательность отсчетов

временного ряда с равными значениями, которые отличаются друг от ! друга не больше, чем на 0.01%, что соответствует точности значений

исходных временных рядов. При наличии детерминированных участков временной ряд не прогнозируется.

Критерий 4. Критерий отсутствия «белого шума».

Рассматриваемый временной ряд не должен быть последовательностью случайных чисел, т. е. «белым шумом». Под «белым шумом» понимается равноамплитудный во всем рассматриваемом диапазоне частот спектр.

Этап 2.

Следующий этап прогнозирования - определение квантовой компоненты и прогнозирование стационарных уровней и переходных процессов.

В ходе диссертационного исследования разработан алгоритм расчета прогноза квантовой составляющей (рис. 2).

Введем следующие обозначения:

Л' - длина временного ряда;

N_рг - число точек прогнозирования;

Н_1еуе! - высота квантового уровня;

И_^е1- длина квантового уровня;

- длина последнего уровня;

М_1е\>е_зг - средняя длина квантовых уровней;

Н_1еуе1 - высота последнего квантового уровня;

N_ргосез$ - длина последнего переходного процесса;

а - тангенс угла наклона переходного процесса;

ОШ_тт - минимальное расстояние между уровнями;

к - число найденных квантовых уровней;

кг - коэффициент кратности;

Ргосезз(И) - последнее значение переходного процесса;

N_ргосг$5_тт - минимальная длина переходных процессов;

Рг_кл>аМ - значение прогноза квантовой компоненты.

На рис.3 - рис. 5 представлены варианты продолжения квантовых уровней и переходных процессов.

Таким образом, строится прогноз квантовой составляющей.

Построение га егашых уровней наргтроспегтиве, определение длин всех уровней и переходнш процессов, расчет миннмвпыых и средних значений

~ И'еМ+Мрг/

I

Нет

Н_1ех1(к+1)= Н_Ш(к)+кт*Ш_ттп, если ооО Н_М(к+1)= Н_кж1(к)-кг*если СКО

РгЪоЛ РюсшДО

РгЬкгЛ (I) = Ргккгг* (1-1)+ а

кг=кг+1

И Ы(кН]= Н_Ы(к^Ь*й!Г_1яп, а<0

Н_Ы(к+1)= Н_1е-к11к)+кг*й^_тп, срй

РгЬеЫ ру = Н_Ы(к+!) М7фМ+Ирг]

Рис.2. Алгоритм расчета прогноза квантовой составляющей

Исходный ряд

Последний квантовый уровень

t=l^JJ —""" 1=Н-ФГ_рг,

где N - длина ряда Тгк N_рг -

чшш точек _гшагнрзкроваиия

Рис.3. Построение прогноза квантового уровня

í

Этап 3.

Следующий этап прогнозирования - построение волновой компоненты. На данном этапе происходит построение набора квазипериодических функций при помощи оптимизационных алгоритмов.

Вычтем из исходных значений (F(t')) квантовую компоненту I (Kvant). В результате остается волновая компонента (Tend) и

случайная компонента (О). Обозначим их сумму Ost„

Ost„= Tend (i) + О = F (t)- Kvant {t) ( 1 )

i Tend(t) = F(t) - Kvant {t) - O (2)

t = 1 ,...,N - отсчеты времени Волновая компонента включает в себя от 1 до 10 функций

(Tend):

L

Tendit) =YJend,{t) (3)

L - вычисляемое оптимальное количество функций для данного временного ряда.

После вычитания первой функции (Tend¡) из Ost,, -ретроспективного участка для ее нахождения получаем:

Ost i = Osíq - Tendi - ретроспективный участок для нахождения второй функции.

Аналогично, получаем: Ostj = Ost\ - Tend2

......................................................(4)

Ost i = Ost ¡J.J- Tend i

Таким образом, случайная компонента имеет вид: L

О = Osíq - Y, Tend, = OstL_, - TendL (5)

,=1

Каждая функция представлена следующим образом: Tendit) = а0-ехрСд,-í)-cos((2^-(Ж + a3)-í + а2)-ехр(я4 •?)) (6)

* где

ап - амплитуда функции; a¡ - коэффициент затухания волны; а2 - коэффициент смещения функции; а3 -коэффициент смещения частоты волны; а4 - коэффициент, показывающий девиацию частоты волны. W - начальная частота волны, найденная по алгоритму быстрого преобразования Фурье (БПФ);

Построим функцию, характеризующую отклонение прогнозных значений от фактических, составляющих волновую компоненту.

в, = Z(0su(t)-Tendes))2 (7)

(=l

Чем меньше отклонение, тем более точно подобрана функция. Поэтому возникает следующая задача минимизации:

В, mjn (8)

а

â = (a0,a„a2,a3,a4)' i=l, ... , L

Для решения поставленной задачи были применены следующие методы:

• Методы нелинейной оптимизации без ограничений (метод поиска по деформированному многограннику Нелдера и Мида).

• Спектральный анализ для определения начальной частоты функций, составляющих волновую компоненту ряда (алгоритм быстрого преобразования Фурье).

• Численные методы интерполяции (интерполяция кубическим сплайном), необходимые для использования спектрального анализа. Требованием используемого алгоритма БПФ является определенная дискретизация. Ряд должен быть длиной N=2Z, где Z= 1, 2, 3...

Этап 4.

На данном этапе производится суммирование квантовой и волновой компонент, и определяется оценка точности расчета. В результате получаются прогнозные значения временного ряда.

Этап 5.

В диссертационном исследовании разработана интегральная характеристика качества прогноза (Intchar), которая учитывает возможные варианты отклонения расчетов от заложенного алгоритма. Контроль работы производится на каждом этапе прогнозирования.

Расчет интегральной характеристики производится с помощью следующей весовой функции:

1 2

Intchar = wc{ ■ cr\ + wc2 ■ (—cr2 +—сгЪ) (9)

где

cri - значение критерия 1;

cr2 - значение критерия 2;

сгЗ - значение критерия 3;

wC| - вес критерия 1 ;

wc2 - вес критериев 2 и 3.

Критерий 1. (сг\)

Первый критерий характеризует качество построения квантовых уровней. Если длина ряда /V, а минимальная длина уровня 7, то нормальное число уровней равняется N/1. Если для рассматриваемого временного ряда число квантовых уровней больше нормального, то будем считать, что достоверность прогноза снижается. То есть, если n_levels> N Л, то примем сг\ =0. В противном случае cr\ = 1.

Критерий 2. (сг2)

При определении волновой компоненты происходит построение набора квазипериодических компонент при помоши оптимизационных алгоритмов. Оптимизация параметров функции происходит до тех пор, пока не будет достигнут заданный уровень толерантности решения или пока не будет достигнуто заданное число шагов (¡2). Если в процессе оптимизации алгоритм хоть раз останавливался по критерию достижения заданного числа шагов, то существует вероятность того, что найденное решение неоптимальное. Таким образом, если процесс оптимизации i-ой функции (i=/, ... , L) остановлен по достижении Q шагов, то сг2,=0, в противном случае сг2, =1.

Критерий (сг2) проверяется для всех L функций: i

cri = w, ■ cr2l ; (Ю)

<=i

Вес для каждой функции:

w,

ПО

ы

Ь, - вклад спектральной плотности мощности каждой из построенных функций в спектральную плотность мощности остаточной компоненты 0)-

6 (12) ' Р№ о) где к,--¡-я квазипериодической функция;

Р(к1) - спектральная плотность мощности ¡-ой квазипериодической функции;

Р^^ - спектральная плотность мощности остаточной компоненты.

Критерий 3. (сг2) \

Критерий 3 характеризует расчет оптимального количества •

функций, входящих в волновую компоненту (Ь). В ходе исследования рядов выявлено, что максимально возможное число функций должно быть не больше 4-х. Поэтому если Ь = О или Ь > 5, то достоверность у

прогноза снижается. В этом случае сг3=0, иначе сгЪ=1. !

Определим веса для критериев. I

м> '

Вес критерия 1 ц>с, =--—; (13) |

Вес критериев 2 и 3 ^ = —м'"1 . (14) |

и'4) - максимальное расстояние между квантовыми уровнями. и'/</ - среднее интефальное значение по модулю для волновой компоненты.

где о^й) -у'-ый элемент остаточной компоненты.

Интегральная характеристика построена таким образом, что ее значения находятся в диапазоне от 0 до 1, и чем она ближе к 1, тем достовернее прогноз. Прогноз считаем не достоверным, если значение интегральной характеристики меньше 0,75. Данное число определено при исследовании модели прогнозирования на точность.

Таким образом, во второй главе рассмотрены основные этапы прогнозирования на основе метода самосогласованных состояний, построена экономико-математическая модель построения прогнозов, разработаны методика оценки «качества» прогноза и методика предварительной оценки и обработки исходного временного ряда.

В третьей главе описывается система прогнозирования объемных показателей, которая построена на основе предлагаемой в диссертационном исследовании модели прогнозирования.

Информационной базой для построения прогнозов является корпоративное информационное хранилище.

(15)

»

Описаны два режима функционирования системы автоматический и интерактивный. Автоматический режим работы может использоваться в автоматизированных системах и подключаться на уровне загрузки данных. Интерактивный режим предназначен для аналитиков и позволяет принимать участие в поэтапном построении прогнозов.

Система программно реализована на базе БАБ-продуктов и >\^еЬ-технологий с подключением ОЬЬ-модуля, содержащего расчетную часть системы.

В данной главе показана эффективность применения разработанной системы прогнозирования и описано ее практическое использование в автоматизированных информационно-аналитических системах поддержки принятия решений, разработанных НИАЦ.

Для тестирования разработанной системы прогнозирования создано специальное приложение на основе БАБ-технологий. Выборка тестовых рядов формировалась с привлечением отраслевых экспертов. Основным критерием выбора было стремление наиболее полным образом отразить в тестовой выборке разнородные ряды показателей, которые необходимо прогнозировать на практике.

Анализ результатов работы алгоритма состоял из проверки на точность и устойчивость. Было проведено сопоставление результатов прогнозирования системы ПОПР с результатами, полученными с помощью других методов прогнозирования, а также приведен анализ результатов использования системы ПОПР в режиме промышленной эксплуатации.

В качестве основной величины, характеризующей точность, выбрана средняя относительная ошибка прогноза по модулю:

где т - число построенных прогнозов; х - фактическое значение; X - прогнозное значение.

Средняя ошибка для метода самосогласованных состояний по всем прогнозным значениям равна 2,8%.

(16)

or 5 до 10% 100/.

больше 10% 1%

от 3 до 5 % 16%

меньше 3% 65%

<

Рис. 6. Ошибка прогнозирования

Анализ рис. б показывает, что для 65 процентов построенных прогнозов ошибка прогнозирования не выходила за границу 3%, что соответствует высокой точности. Для 81% прогнозов ошибка прогнозирования не пересекала границу в 5%. j

Анализ на устойчивость показал, что при слабых отклонениях |

исходных данных изменения прогнозов сопоставимы с изменением i

входных данных. При наложении случайного шума с амплитудой, I

равной 2% от среднего значения временного ряда, на исходные ряды, '

величины прогнозов в среднем по всем группам изменяются на 1,0 %. '

Особый интерес представляет сравнение результатов прогнозирования по нашей модели с результатами, полученными с применением других методов прогнозирования. Для j

сопоставительного анализа использовались современные |

статистические методы прогнозирования - адаптивные методы прогнозирования - методы экспоненциального сглаживания (Seasonal 1

Exponential Smoothing, Log Seasonal Exponential Smoothing), модель '

Уинтерса с аддитивной сезонной компонентой (Log Winters Method -Additive, Winters Method - Additive). Данные методы были выбраны с помощью современного программного обеспечения SAS/ETS ,

(прогнозирование временных рядов в системе SAS).

В системе ETS данной системе есть возможность выбора наиболее подходящего метода прогнозирования для конкретного i

временного ряда по заданному пользователем критерию. Обычно критерием выбора является величина среднеквадратической ошибки |

на ретроспективном интервале.

Таблица 1.

Сравнение результатов прогнозирования_

Метод самосогласованных состояний Статистические методы

Средняя относительная ошибка по модулю (%) Средняя относительная ошибка по модулю (%)

Все группы 2,8 3,6

1 группа 2,1 3,0

2 группа 2,6 3,2

3 группа 3,6 4.6

Результаты сравнительного анализа, проведенного на тестовом наборе временных рядов, который представлен рядами различной структуры (ряды с ярко выраженной волновой компонентой - 1 группа, со слабо выраженной волновой компонентой - 2 группа, с ярко выраженной сезонностью - 3 группа) показывают, что метод самосогласованных состояний точнее совокупности примененных статистических методов. Следует отметить, что для каждого временного ряда в БАБ/ЕТБ был выбран наилучший метод. Полученные по этому методу прогнозы сравнивались с прогнозами, сделанными по методу самосогласованных состояний (табл. 1).

Далее проиллюстрированы основные результаты практического использования системы прогнозирования. В процессе эксплуатации системы велись постоянные наблюдения за точностью построения прогнозов. Проводилось прогнозирование объемных показателей с разными уровнями дискретизации по данным различных информационных фондов на различные периоды времени.

Далее представлены основные результаты построения ежедневных прогнозов данных информационного фонда Оперативная информация.

Таблица 2.

Погрузка (ваг/сут) __

Статистика По всем точкам по 1 точке по 2 точке по 3 точке по 4 точке по 5 точке

Число значений 149 35 33 28 27 26

Средняя относительная ошибка по модулю (%) 2,68 2,84 2,62 2,58 2,65 2,66

Где

! точка - следующий (первый) день, на который строится прогноз

2 точка - второй день, на который строится прогноз 5 точка - пятый день, на который строится прогноз.

Таблица 3.

Выгрузка (ваг/сут) __

Статистика По всем точкам по 1 точке по 2 точке по 3 точке по 4 точке по 5 точке

Число значений 105 35 25 16 15 14

Средняя относительная ошибка по модулю (%) 2,01 2,13 2,03 1,63 1,95 2,18

Проведенный анализ результатов прогнозирования по методу самосогласованных состояний свидетельствует о высокой точности построения прогнозов.

Применение результатов диссертационного исследования в работе МПС России позволило:

• увеличить оперативность процесса построения прогнозов;

• улучшить точность прогнозирования показателей;

• расширить круг прогнозируемых показателей и встроить блок прогноза во многие информационно-аналитические системы;

• повысить эффективность принятия управленческих решений на железнодорожном транспорте.

В заключении изложены основные результаты проведенного исследования и его практическая значимость.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ.

В ходе диссертационного исследования были получены следующие основные научные и практические результаты.

1. Показана необходимость создания новых прогностических систем для корпоративного управления железнодорожным транспортом в контексте заблаговременной оценки возможности достижения целевых ориентиров.

2. Построена экономико-математическая модель прогнозирования на основе впервые примененного метода самосогласованных состояний для прогнозирования временных рядов объемных показателей работы железных дорог.

3. Разработаны отдельные положения метода самосогласованных состояний:

3.1. Методика построения прогнозов квантовых уровней и переходных процессов.

3.2. Методика предварительного анализа и обработки исходных данных, целью которой является проверка принадлежности исходного временного ряда классу прогнозируемых временных рядов.

3.3. Методика оценки качества построенного прогноза, предназначенная для диагностики функционирования разработанного алгоритма.

4. Создана и внедрена система «Прогнозирование объемных показателей работы железных дорог», которая является ключевым блоком в информационно-аналитических системах поддержки принятия решений, как на оперативном, так и на стратегическом уровне.

5. Показана практическая значимость и определена эффективность применения системы ПОПР в современных информационно-аналитических системах поддержки принятия решений на уровне корпоративного управления отраслью (железнодорожным транспортом).

По материалам диссертационного исследования автором написаны и опубликованы следующие работы:

1. Лисица К.В., Самбурский М.С., Баранова Т.Е., Тимохина А. В. и др. Информационно-аналитическая система экономического мониторинга и прогнозирования. //Железнодорожный транспорт. Серия «Информационные технологии на железнодорожном транспорте» Вып.2-3. М: ЭИ/ЦНИИТЭИ, 2001г. (авторских 0,1 п.л.)

2. Тимохина А. В. Прогнозирование объемных показателей работы железных дорог с применением адаптивных методов. // Вопросы работы железнодорожного транспорта в условиях реформирования: Сб. науч. тр. -М.: Интекст, 2001. (0,2 п.л.)

3. Тимохина A.B., Лисица К.В., Ольхов В.М. Экономико-математический анализ влияния макрофакторов на грузооборот железных дорог.// Экономика железных дорог, 2002, №6. (авторских 0,5 п.л.)

4. Тимохина А. В. Основные требования к исходной информации для задач моделирования и прогнозирования объемных показателей работы железнодорожного транспорта. // Развитие

железнодорожного транспорта в условиях реформ: Сб. науч. тр. -М.: Интекст, 2003. (0,3 п.л.)

5. Timokhina A. Analysing and forecasting of turnover using self-adapted system theory. //Materialy i technologie XXI wieku. Miedzynarodowa studencka sesja naukowa. Politechnika Slaska. Katowice, 2002. (0,2 пл.)

1

«

I

ü

1

Подписано к печати 24.10.2003 г. Формат бумаги 60x90. 1/16. Объем 1,5 Заказ 164 Тираж 100 экз. Типография ВНИИЖТ 3-я Мытищинская ул. д. 10

172.4é>

¿ ! 7 2 4 в

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Тимохина, Александра Владимировна

Введение.

Содержание.

1. Место моделей прогнозирования в автоматизированных системах организационного управления железнодорожным транспортом.

1.1. Роль прогнозирования в информационно-аналитических системах корпоративного управления железнодорожным транспортом.

1.2. Основные показатели работы железных дорог и особенности их прогнозирования. Анализ динамики.

1.3. Анализ существующих систем прогнозирования объемных показателей работы на железнодорожном транспорте.

Выводы по главе 1.

2. Разработка модели прогнозирования объемных показателей работы железнодорожного транспорта на основе метода самосогласованных состояний.

2.1. Основные положения метода самосогласованных состояний для решения задач прогнозирования основных показателей деятельности экономических систем.

2.2. Методика построения прогнозов квантовых уровней и переходных процессов.

2.3. Методика построения волновой компоненты.^

2.4. Требования к исходной информации. Методика предварительной обработки и оценки исходного временного ряда.

2.5. Методика оценки качества прогноза.

Выводы по главе 2.

3. Прогнозирование объемных показателей работы железных дорог.

3.1. Функции и структура системы ПОПР, основанной на методе самосогласованных состояний.

3.2. Структура решаемых задач и практическое применение системы ПОПР в информационно-аналитических системах МПС России.

3.3. Результаты практического использования модели прогнозирования.

Выводы по главе 3.

Диссертация: введение по экономике, на тему "Модель прогнозирования объемных показателей работы железнодорожного транспорта"

Актуальность темы.

Федеральный железнодорожный транспорт России - основная составляющая транспортной системы и ключевая отрасль страны, напрямую влияющая на ее развитие и эффективное функционирование экономики.

Железные дороги России являются сложнейшей экономической системой, в которой сочетаются черты, присущие микроэкономическим системам, и макроэкономическая динамика, которая оказывает существенное воздействие на экономику России в целом.

Интенсивное развитие рыночных отношений обусловливает необходимость проведения грамотной политики оперативного и стратегического управления ресурсами отрасли. На одно из первых мест выходят задачи оценки эффективности принятия управленческих решений, которые наиболее целесообразно решать с использованием современных методов моделирования, прогнозирования и систем поддержки принятия решений.

Прогнозирование является основным инструментом предиктивного управления текущей ситуацией, создавая значительное преимущество перед политикой управления «по факту прошедшего периода».

Построение прогнозов основных объемных показателей железнодорожного транспорта позволяет создавать целостное представление о состоянии и динамике финансовых и материальных потоков, дает возможность эффективно планировать деятельность, осуществлять поддержку процессов принятия стратегических и оперативных решений руководством корпорации.

Выбор темы диссертационного исследования обусловлен актуальностью задачи максимально точного прогнозирования объемных показателей для расчета на их основе целевых ориентиров работы железнодорожного транспорта и, в конечном итоге, формирования бюджетов на будущий период.

Цель и задачи исследования.

Целью диссертационного исследования является разработка аналитического инструментария для прогнозирования объемных показателей работы железных дорог. Разрабатываемая система относится к классу систем поддержки принятия решений.

В соответствии с указанной целью в диссертации поставлены и решены следующие основные задачи:

• сформулированы основные положения метода самосогласованных состояний для решения задач прогнозирования временных рядов показателей экономических систем на примере системы «железнодорожный транспорт»;

• построена экономико-математическая модель прогнозирования на основе метода самосогласованных состояний;

• разработана методика предварительной оценки и обработки исходного временного ряда, предназначенная для проверки соответствия предъявляемого ряда классу прогнозируемых по разработанной методике;

• создана методика оценки качества построенного прогноза;

• создано программное обеспечение (система «Прогнозирование объемных показателей работы железных дорог» (ПОПР)), реализующее методологию прогнозирования;

• проанализирована точность и практическая значимость использования ПОПР в системе управления отраслью.

Объект и предмет исследования.

Объектом исследования является деятельность федерального железнодорожного транспорта.

Предмет исследования - прогнозирование временных рядов объемных показателей работы железных дорог.

Теоретическая и методологическая основа исследования. Диссертационное исследование базируется на постулатах экономической теории и экономико-математического моделирования.

Теоретическую и методологическую основы исследования составили:

• работы отечественных и зарубежных ученых и специалистов в области экономики, исследования операций, математической статистики, системного анализа, автоматизированного организационного управления, а также работы в области построения систем поддержки принятия решений;

• разработки Научного Информационно-аналитического Центра ГУП ВНИИЖТ МПС России (НИАЦ) и научных трудов Лисицы К.В.

Научная новизна.

В диссертационном исследовании применен новый подход к построению модели прогнозирования временных рядов объемных показателей работы железных дорог.

Элементы научной новизны содержат следующие положения исследования:

• Впервые применен метод самосогласованных состояний для построения модели прогнозирования объемных показателей работы железных дорог.

• Введены основные определения и построены методики прогнозирования по разработанной модели прогнозирования.

• Предложен новый метод декомпозиции временных рядов показателей экономических систем.

• Предложен алгоритм, позволяющий существенно повысить точность и скорость расчета компонент ряда.

• Разработана методика предварительного анализа исходных данных для корректного использования построенной модели.

• Разработан способ оценки качества построенного прогноза и самодиагностики алгоритма расчета.

Практическая значимость, ценность и апробация работы. Проведенные исследования выполнялись в составе 4 научно-исследовательских работ НИАЦ по договорам НИОКР с МПС РФ.

На основе построенной модели прогнозирования создана система «Прогнозирование объемных показателей работы железных дорог», которая является ключевым блоком в информационно-аналитических системах поддержки принятия решений, как на оперативном, так и на стратегическом уровне.

Результаты исследований были использованы в автоматизированных информационно-аналитических системах поддержки принятия решений, разработанных НИАЦ:

• Системе экономического мониторинга и прогнозирования состояния железных дорог России (ИАС ЭМиП);

• Центре Ситуационного Управления МПС России (ЦСУ МПС России), включающем более 30 комплексов задач (блок прогноза работает в следующих подсистемах: «Оперативная информация», «Производственно-экономические показатели», «Прогнозирование объемных показателей работы железных дорог», «Моделирование развития транспортного комплекса в многоотраслевой структуре развития экономики страны», «Экономико-математическая модель работы железных дорог»);

• Информационно-аналитической системе корпоративного управления и прогнозирования (ИАС КУП).

• Прогнозы, полученные по разработанной методологии, регулярно используются при подготовке еженедельных аналитических материалов «Экономическое обозрение. Оперативный и стратегический анализ», подготавливаемых НИАЦ для руководства отрасли.

Информационной базой для построения прогнозов является информация, содержащаяся в корпоративном информационном хранилище. Система реализована на программных средствах SAS-продуктов и Web-технологий с подключением DLL-модуля, содержащего расчетную часть системы.

Результаты исследования докладывались на пяти научных конференциях:

• конференции молодых ученых и аспирантов ВНИИЖТ, Москва, 2000;

• научно-практическом семинаре «Внедрение информационно-аналитической системы экономического мониторинга и прогнозирования на сети железных дорог», Москва, 2000;

• конференции молодых ученых и аспирантов ВНИИЖТ, Москва, 2001;

• международной конференции молодых ученых и аспирантов, г. Катовицы, Польша, 2002 (получен диплом о присуждении докладу второго места);

• научно-практическом семинаре «Опыт применения информационно-аналитических моделей для поддержки принятия оперативных и стратегических решений по управлению отраслью (регионом)», Российская Академия Государственной службы при Президенте РФ, Москва, 2003.

Основные положения, выводы и рекомендации диссертации могут быть использованы при построении систем прогнозирования временных рядов ключевых показателей различных экономических систем. В результате становится возможным определять варианты будущего развития, лучше понимать, отслеживать, анализировать тенденции деятельности железнодорожного транспорта. Созданная система прогнозирования достаточно универсальна и позволяет легко настраиваться на широкий круг прогнозируемых показателей.

Практическая реализация и внедрение системы ПОПР в составе информационно-аналитических систем позволила повысить точность прогнозирования показателей, увеличить оперативность процесса построения прогнозов и повысить эффективность принятия управленческих решений на железнодорожном транспорте.

По материалам диссертационного исследования опубликовано 5 научных работ общим объемом: 1,3 п.л.

В первой главе рассмотрено значение прогностических систем на уровне корпоративного управления в контексте заблаговременной оценки возможности достижения целевых ориентиров, а также существующие модели прогнозирования объемных показателей работы железнодорожного транспорта.

Достижение основных стратегических целей компании невозможно без комплексного решения множества проблем, связанных, в первую очередь, с современным эффективным корпоративным управлением и прогнозированием.

Основной задачей при разработке систем стратегического управления является создание и поддержка стратегического соответствия между целями отрасли, её потенциальными возможностями и шансами на успех в сфере перевозок. Они призваны координировать деятельность железных дорог с учетом внешних и внутренних факторов влияния, определять текущее положение отрасли и обеспечивать разработку будущих действий в соответствии с ее миссией. Основой подсистем стратегического управления должен быть набор структурно-динамических и математических моделей, предназначенных для поддержки принятия широкого спектра решений. В подсистему управления должны входить задачи оценки достижения цели, моделирования стратегических оценок, мониторинга и разработки модели прогнозирования.

В диссертации анализируются основные комплексные параметры, характеризующие железнодорожный транспорт в целом, ими являются объемные показатели работы: грузооборот, объем перевозок, отправление грузов, погрузка, выгрузка и др.

Для железнодорожного транспорта прогнозирование объемов перевозок представляет также особый интерес с точки зрения определения потребности в материальных, денежных, трудовых и прочих видах ресурсах. Показано, что прогнозы объемов перевозок являются базой для разработки прогнозов эксплуатационной деятельности железных дорог и их подразделений, они позволяют сконцентрировать ограниченные ресурсы на нужных направлениях, выявить необходимые резервы для развития железнодорожного транспорта.

Все большая неопределенность исходных условий разработки прогнозов, неизолированность системы железнодорожного транспорта, изменение объектов внешней среды требуют углубленного изучения законов функционирования экономических систем.

Тенденции развития объемных показателей часто меняются в условиях изменения внешней по отношению к железнодорожному транспорту среды. Поэтому для их анализа и прогнозирования требуется сложный математический аппарат.

При традиционном подходе к прогнозированию временных рядов из рассмотрения исследователя полностью исключается экономическая сущность истории анализируемого объекта, что существенно затрудняет интерпретацию поведения его параметров в условиях влияния факторов внешней среды.

В диссертационном исследовании применен принципиально новый подход к построению системы прогнозирования объемных показателей работы железных дорог - метод самосогласованных состояний. Метод относится к одному из активно развивающихся направлений современной науки - ситуационному анализу открытых экономических систем.

Во второй главе формулируются основные положения системного анализа, метода самосогласованных состояний для решения задач прогнозирования показателей деятельности экономических систем, и строится экономико-математическая модель прогнозирования на основе метода самосогласованных состояний.

Нормальное состояние любой открытой системы, которой является и железнодорожный транспорт, обычно характеризуется колебаниями ее параметров около некого равновесного положения. Значимое снижение или увеличение параметров можно интерпретировать как переход к новому устойчивому равновесному состоянию. В этом случае временной ряд можно аппроксимировать набором квазистационарных уровней и переходных процессов между ними.

В работе даны понятия:

• квантового уровня и его определяющих характеристик;

• переходного процесса;

• самосогласованного состояния.

Выявлены экономические причины формирования квантовых уровней и перехода системы с одного уровня на другой. Переход с одного квантового уровня на другой происходит под влиянием так называемых катастрофических изменений (факторов). Это политические, экономические потрясения, и прочие изменения различных (как внешних, так и внутренних) параметров, оказывающие существенное влияние на объемные показатели работы железнодорожного транспорта.

Внутри уровней происходит волнообразное изменение значений ряда вследствие различных динамически развивающихся процессов.

В результате определено, что прогнозируемый временной ряд можно представить в виде следующих компонент: квантовая компонента; волновая компонента; случайная компонента.

В диссертационном исследовании описаны методики формирования каждой из компонент и всего прогноза в целом.

Для построения прогноза развития временного ряда необходимо выявить из него квантовую и волновую компоненты. В этом случае получается прогноз с точностью до суммы случайных флуктуаций временного ряда и разрешающей способности применяемых численных методов.

Во второй главе описаны требования к исходным данным для прогнозирования показателей с помощью предлагаемой методики, в основе которой лежат четыре основных критерия «качества», с помощью которых необходимо проверить входной временной ряд. Также описаны подходы к определению корректности введенного пользователем числа точек прогнозирования.

Разработана интегральная характеристика качества прогноза, которая учитывает возможные варианты отклонения расчетов от заложенного алгоритма.

В третьей главе описывается система "Прогнозирование объемных показателей работы железных дорог", которая построена на основе предлагаемой в диссертационном исследовании модели прогнозирования и предназначена для построения прогнозов широкого круга показателей, характеризующих работу организации.

Информационной базой для построения прогнозов является информация, содержащаяся в корпоративном информационном хранилище.

Описаны два режима функционирования системы - автоматический и интерактивный. Автоматический режим работы может использоваться в различных автоматизированных системах и подключаться на уровне загрузки данных. Интерактивный режим предназначен для аналитиков и позволяет принимать участие в поэтапном построении прогнозов.

Система программно реализована на базе SAS-продуктов и Web-технологий с подключением DLL-модуля, содержащего расчетную часть системы.

В данной главе показана эффективность применения разработанной системы прогнозирования, которая оценивается высокой точностью построения прогнозов и широтой использования системы в самых значимых и современных информационно-аналитических системах управления отраслью.

В диссертации проведен анализ результатов, включающий в себя анализ модели на точность, анализ на устойчивость, сопоставление результатов с результатами, полученными с помощью других методов прогнозирования. Также приведены результаты практического применения модели самосогласованных состояний. Анализ результатов свидетельствует о высокой точности построения прогнозов по разработанной методологии.

В работе описано практическое применение разработанной модели прогнозирования, которая используется в автоматизированных информационно-аналитических системах поддержки принятия решений, разработанных НИАЦ: системах ИАС ЭМиП, ЦСУ МПС России, НАС КУП, а также при подготовке еженедельных аналитических материалов для руководства отрасли.

При написании диссертационной работы использовались материалы, которые отражены в списке литературы, включающем 80 наименований.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Тимохина, Александра Владимировна

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ.

В ходе диссертационного исследования были получены следующие основные научные и практические результаты.

1. Показана необходимость создания новых прогностических систем для корпоративного управления железнодорожным транспортом в контексте заблаговременной оценки возможности достижения целевых ориентиров.

2. Построена экономико-математическая модель прогнозирования на основе впервые примененного метода самосогласованных состояний для прогнозирования временных рядов объемных показателей работы железных дорог.

3. Разработаны отдельные положения метода самосогласованных состояний:

Методика построения прогнозов квантовых уровней и переходных процессов.

Методика предварительного анализа и обработки исходных данных, целью которой является проверка принадлежности исходного временного ряда классу прогнозируемых временных рядов.

Методика оценки качества построенного прогноза, предназначенная для диагностики функционирования разработанного алгоритма.

4. Создана и внедрена система «Прогнозирование объемных показателей работы железных дорог», которая является ключевым блоком в информационно-аналитических системах поддержки принятия решений, как на оперативном, так и на стратегическом уровне. Показана практическая значимость и определена эффективность применения системы ПОПР в современных информационно-аналитических системах поддержки принятия решений на уровне корпоративного управления отраслью (железнодорожным транспортом).

Заключение.

Материал, изложенный в диссертации, позволяет сделать следующие выводы.

Прогнозирование было и остается одним из основных инструментов, используемых при выработке концептуальных решений как в области оперативного, так и стратегического управления ресурсами железнодорожного транспорта как сферы материального производства.

В основе подсистем стратегического управления лежит набор моделей, предназначенных для поддержки принятия широкого спектра решений. Это модели мониторинга, оценки достижения цели, моделирования стратегических оценок и прогнозирования.

В ходе работы построена модель прогнозирования, задачами которой является отслеживание динамики и прогнозирование ключевых показателей деятельности. С помощью модели прогнозирования также производится заблаговременная оценка возможности достижения цели за заданный плановый период с целью выработки своевременных управляющих воздействий.

Основными комплексными параметрами, характеризующими железнодорожный транспорт в целом, являются ключевые показатели работы по грузовым перевозкам - объемные показатели работы, такие как грузооборот, объем перевозок, отправление грузов, погрузка, выгрузка и др. Анализ динамики этих показателей показывает, что объемы грузовой работы железнодорожного транспорта, начиная с 1998 года, с каждым годом увеличиваются.

Для железнодорожного транспорта прогнозирование объемов перевозок представляет также особый интерес с точки зрения определения потребности в материальных, денежных, трудовых и прочих видах ресурсах. Показано, что прогнозы объемов перевозок являются базой для разработки прогнозов эксплуатационной деятельности железных дорог и их подразделений, они позволяют сконцентрировать ограниченные ресурсы на нужных направлениях, выявить необходимые резервы для развития железнодорожного транспорта.

Результаты предыдущих исследований в области прогнозирования перевозок по-прежнему сохраняют свою теоретическую и практическую ценность. Но все большая неопределенность исходных условий разработки прогнозов, неизолированность системы железнодорожного транспорта, изменение объектов внешней среды требуют углубленного изучения законов функционирования экономических систем.

Тенденции развития объемных показателей часто меняются в условиях изменения внешней по отношению к железнодорожному транспорту среды. Поэтому для их анализа и прогнозирования требуется сложный математический аппарат.

При традиционном подходе к прогнозированию временных рядов из рассмотрения исследователя полностью исключается экономическая сущность истории анализируемого объекта, что существенно затрудняет интерпретацию поведения его параметров в условиях влияния факторов внешней среды.

В диссертационном исследовании применен принципиально новый подход к построению системы прогнозирования объемных показателей работы железных дорог - метод самосогласованных состояний. Метод относится к одному из активно развивающихся направлений современной науки - ситуационному анализу открытых экономических систем.

В работе показано, что нормальное состояние любой открытой системы, которой является и железнодорожный транспорт, обычно характеризуется колебаниями ее параметров около некого равновесного положения. Значимое снижение или увеличение параметров можно интерпретировать как переход к новому устойчивому равновесному состоянию. В этом случае временной ряд можно аппроксимировать набором квазистационарных уровней и переходных процессов между ними.

Такое представление позволяет называть квантовым уровнем фрагмент временного ряда, внутри которого значения ряда представлены в виде суммы константы и волновой компоненты, амплитуда которой меньше расстояний между соседними уровнями.

Самосогласованным состоянием системы называется состояние нахождения ее (системы) на квантовом уровне.

Переход с одного квантового уровня на другой происходит под влиянием так называемых катастрофических изменений (факторов). Это политические, экономические потрясения, и прочие изменения различных (как внешних, так и внутренних) параметров, оказывающие существенное влияние на объемные показатели работы железнодорожного транспорта.

Внутри уровней происходит волнообразное изменение значений ряда вследствие различных динамически развивающихся процессов.

Временной ряд, принадлежащий классу прогнозируемых рядов по данной методологии, можно представить в виде следующих компонент квантовая компонента; волновая компонента; случайная компонента. Для построения прогноза развития временного ряда необходимо выявить из него квантовую и волновую компоненты. В этом случае получается прогноз с точностью до суммы случайных флуктуаций временного ряда и разрешающей способности применяемых численных методов.

Методика прогнозирования временных рядов в части выделения волновой компоненты включает в себя: методы нелинейной оптимизации без ограничений (метод поиска по деформированному многограннику Нелдера и Мида); модули спектрального анализа ряда для определения волновой компоненты (алгоритм быстрого преобразования Фурье); модули численных методов интерполяции (интерполяция сплайнами), необходимые для использования спектрального анализа.

В данной работе описаны требования к исходным данным для прогнозирования показателей с помощью предлагаемой методики, на основе которых выделены четыре основных критерия «качества», с помощью которых необходимо проверить входной временной ряд. Это критерий соотношения длины ретроспективного интервала и числа точек прогноза, критерий «выбросов», критерий детерминированных участков, критерий отсутствия «белого шума». Также описаны подходы к определению корректности введенного пользователем числа точек прогнозирования.

Разработана интегральная характеристика качества прогноза, которая учитывает возможные варианты отклонения расчетов от заложенного алгоритма. Проранжированы ошибки, полученные на каждом из этапов прогнозирования, так как они неравнозначно влияют на качество прогноза.

В результате построена экономико-математическая модель прогнозирования на основе метода самосогласованных состояний, на основе которой строится достаточно объективная система прогнозирования.

В рамках диссертационного исследования создано программное обеспечение (система «Прогнозирование объемных показателей работы железных дорог» (ПОПР)), реализующее методологию прогнозирования (метод самосогласованных состояний).

Информационной базой для построения прогнозов является корпоративное информационное хранилище.

Система реализована в двух режимах - автоматическом и интерактивном. Автоматический режим работы может использоваться в различных автоматизированных системах и подключаться на уровне загрузки данных. Автоматический режим высокоэффективен при необходимости регулярного построения большого числа прогнозов. Интерактивный режим позволяет аналитикам принимать участие в поэтапном построении прогнозов.

В качестве базовой среды разработки было выбрано программное обеспечение компании SAS Institute. Технологии SAS предназначены для создания единого информационного пространства и поддерживают работу с большими объемами данных с использованием клиент - серверной архитектуры на различных аппаратных платформах и в различных операционных системах. Помимо этого, интегрированная среда разработки

SAS System предоставляет широкие возможности для визуального отображения данных с помощью стандартных и специальных аналитических приложений. Система ПОПР реализована на базе SAS-продуктов и Web-технологий с подключением DLL-модуля, содержащего расчетную часть системы. Отображение входной информации и результатов расчетов представляется в удобном для пользователя виде - таблицах, графиках, диаграммах, с широким использованием цветовых средств визуализации.

Эффективность применения разработанной системы оценивается высокой точностью прогнозирования и широтой ее использования в самых значимых и современных информационно-аналитических системах управления отраслью.

Разработанная модель прогнозирования была использована в автоматизированных информационно-аналитических системах поддержки принятия решений, разработанных НИАЦ: системах ИАС ЭМиП, ЦСУ МПС России, ИАС КУП, а также при подготовке еженедельных аналитических материалов для руководства отрасли.

В ходе эксплуатации и всесторонней проверки работоспособности и тестирования комплекса ПОПР установлено, что комплекс работоспособен представляет существенные возможности и информационно-аналитическую поддержку при подготовке широко спектра материалов и документов для руководства отрасли по темам, интересующим ЛПР.

Проведенный анализ результатов прогнозирования по методу самосогласованных состояний в целом свидетельствует о высокой точности построения прогнозов по данной методологии.

Средняя ошибка для метода самосогласованных состояний по всем прогнозным значениям равна 2,8%. Анализ на устойчивость показал, что при слабых отклонениях исходных данных изменения прогнозов сопоставимы с изменением входных данных.

Результаты сравнительного анализа, проведенного на тестовом наборе временных рядов, показывают, что метод самосогласованных состояний точнее совокупности примененных статистических методов.

Метод самосогласованных состояний является универсальным для прогнозирования временных рядов различной структуры, и для этого метода имеется алгоритм выбора ретроспективного участка, наличие которого является серьезным преимуществом данного метода.

Созданная система прогнозирования основных показателей открытых экономических систем является мощным аналитическим инструментом.