автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Разработка моделей прогнозирования для информационно-аналитической системы оценки рентабельности региональной транспортной компании

На правах рукописи

—г_

и-----

Селезнев Павел Владимирович

0030528Э1

РАЗРАБОТКА МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ДЛЯ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ СИСТЕМЫ ОЦЕНКИ РЕНТАБЕЛЬНОСТИ РЕГИОНАЛЬНОЙ ТРАНСПОРТНОЙ

КОМПАНИИ

Специальность 05.13.10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Воронеж 2007

003052891

Работа выполнена в государственном образовательном учреждении высшего профессионального образования Воронежский государственный архитектурно-строительный университет

Научный руководитель -Научный консультант -

Официальные оппоненты:

Ведущая организация -

кандидат технических наук Половинкина Алла Ивановна кандидат технических наук, доцент Морозов Владимир Петрович

доктор технических наук, профессор Новосельцев Виктор Иванович; кандидат технических наук Марлов Александр Владимирович

Московский инженерно-физический институт (Технический университет)

Защита состоится « 29 » марта 2007 г. в 12 00 часов на заседании диссертационного совета К 212.033.01 при Воронежском государственном архитектурно-строительном университете по адресу:

394006, г. Воронеж, ул. 20-летия Октября, 84, ауд. 20, корп. 3.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного архитектурно-строительного университета.

Автореферат разослан «26» февраля 2007 г.

Ученый секретарь диссертационного совета

Чертов В.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы. Одним из условий преодоления сложившегося кризиса в отечественной авиационной отрасли, является модификация существующей системы управления с целью повышения ее точности, гибкости, мобильности и оперативности. Данные показатели значительно влияют на качество принимаемых решений и соответственно эффективность управляющих воздействий. Особая роль при этом возлагается на регионы и их соответствующие воздушно-транспортные системы.

Воздушно-транспортная система (ВТС) региона представляет собой совокупность сложных разнородных подсистем (подразделений), объединённых между собой различными информационными связями в интересах достижения единой цели - обеспечения полного количественного и качественного удовлетворения, постоянно изменяющегося в объёме, во времени и в пространстве спроса населения и хозяйства региона на авиационные перевозки.

Успешное функционирование современной ВТС региона зависит от степени использования её коммерческими и планово-экономическими подразделениями информационно-аналитических систем (ИАС), решающих комплекс задач анализа рынка авиаперевозок и мониторинга их важнейших показателей, в интересах последующего принятия управленческих решений.

Среди комплекса решаемых задач особую значимость имеет прогнозирование рентабельности авиаперевозок. Адекватность получаемых в результате её решения исходных данных существенным образом влияет на доходы и расходы ВТС региона, т.е ее эффективность.

Анализ опыта внедрения и эксплуатации ИАС позволил выявить их следующие особенности:

до настоящего времени внедрение данных систем осуществлялось по принципу создания локальных систем в различных подразделениях на основе разнородных технических и программно-алгоритмических средств, как правило, не стыкующихся друг с другом;

нестыковка по параметрам локальных информационных систем является причиной многих сбоев и ошибок в процессе функционирования, приводящих к резкому снижению эффективности систем данного класса;

отсутствие сопряжения, вновь внедряемых систем, с уже действующими ИАС, не позволяет в полной мере учитывать положительный опыт в данной сфере, что приводит к дублированию имеющихся наработок;

существующее специальное математическое и программное обеспечение, а также используемые технические средства не позволяют в полном объеме реализовать управление пассажирскими перевозками в реальном масштабе времени.

Таким образом, актуальность темы диссертационной работы продиктована, с одной стороны, необходимостью повышения

эффективности разработки и внедрения ИАС в ВТС региона и, с другой стороны, отсутствием в настоящее время математического и программного обеспечения, позволяющего их реализовать в пределах заданного времени с приемлемым качеством.

Диссертационная работа выполнена в рамках федеральной комплексной программы «Исследования и разработки по приоритетным направлениям науки и техники гражданского назначения».

Цель и постановка задач исследования. Целью диссертационной работы является разработка математического и программного обеспечения прогнозирования рентабельности авиаперевозок в интересах повышения эффективности принятия управленческих решений в планово — экономических подразделениях воздушной транспортной системы региона.

Для достижения поставленной цели необходимо решить следующие основные задачи:

1. Проанализировать существующие модели и методы прогнозирования с целью выбора среди них наиболее перспективных для последующей модификации в интересах минимизации времени проведения расчетов и ошибок определения прогнозных значений рентабельности авиаперевозок для ВТС региона;

2 Разработать модель прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона;

3. Разработать специальное математическое обеспечение прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона;

4. Разработать автоматизированное рабочее место аналитика воздушно - транспортной системы региона и оценить эффективность его функционирования.

Методы исследования. В работе использованы методы теорий математического моделирования, системного анализа, распознавания образов, графов, многоуровневых иерархических систем, а также теории проектирования и разработки автоматизированных информационных систем.

Научная новизна. В диссертационной работе получены следующие результаты, характеризующиеся научной новизной:

1. Интегральная модель прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона, отличающаяся сценарным построением временных рядов воздействия основных факторов на экономические показатели с учетом сезонности с последующей их обработкой (рядов) методом перспективной экстраполяции, реализующая универсальную процедуру выбора вида прогноза и обеспечивающая повышение точности результатов прогноза.

2. Модифицированный алгоритм индексирования данных, содержащихся в базе данных, основанный на функции «деления узла», дополненной процедурами поиска непересекающихся множеств и

«деления узла» без пересечений, позволяющий повысить время выборки искомых данных при значительном количестве записей (больше 1000000) более чем на 50% по сравнению с не модифицированным алгоритмом.

3. Комплекс взаимосвязанных моделей и алгоритмов, реализующих различные виды прогнозов, позволяющий повысить достоверность и точность прогнозных значений рентабельности авиаперевозок для воздушно-транспортной системы региона.

4. Элементы специального программного обеспечения, реализующего комплекс моделей и алгоритмов расчета значений прогноза рентабельности авиаперевозок для воздушно-транспортной системы региона, обеспечивающие повышение оперативности проведения расчетов и работу системы в реальном масштабе времени.

Достоверность научных результатов. Научные положения, теоретические выводы и практические рекомендации обоснованы корректным использованием математического аппарата, подтверждены вычислительными экспериментами на ЭВМ и внедрением полученных результатов в практическую деятельность.

Практическая значимость и результаты внедрения. В рамках диссертационного исследования разработано математическое, алгоритмическое и программное обеспечение автоматизированного рабочего места аналитика воздушно-транспортной системы региона, показавшее высокую эффективность на конкретных примерах, что подтверждено результатами численного исследования и актами внедрения.

Использование разработанных в диссертации моделей и алгоритмов позволяет многократно применять разработки, тиражировать их и осуществлять их массовое внедрение с существенным сокращением продолжительности трудозатрат и средств.

Результаты проведенных исследований были использованы в интересах автоматизации деятельности ЗАО «Ресурс-Авиа» и ООО «Деловая Авиация»

Разработанные модели и алгоритмы включены в состав учебных курсов «Информационный менеджмент», «Сетевая экономика» и «Информационные системы в производственном менеджменте», читаемых в AHO МОК «Воронежский экономико-правовой институт».

На защиту выносятся:

1. Интегральная модель прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона.

2. Модифицированный алгоритм индексирования данных, содержащихся в базе данных.

3. Комплекс взаимосвязанных моделей и алгоритмов, реализующих различные виды прогнозов рентабельности авиаперевозок для воздушно-транспортной системы региона.

4. Элементы специального программного обеспечения, реализующего комплекс моделей и алгоритмов расчета значений прогноза рентабельности авиаперевозок для воздушно-транспортной системы

региона.

Апробация работы. Материалы диссертационной работы, её основные положения и результаты доложены и обсуждены на международных и всероссийских конференциях: VII научной сессии МИФИ ( Москва - 2004); «Актуальные проблемы науки в студенческих исследованиях» (Воронеж-2005, 2006).

Публикации. По теме диссертации опубликовано 9 печатных работ, в том числе 3 работы, опубликованы в изданиях, рекомендованных ВАК РФ. Одна работа выполнена самостоятельно.

Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем: в работе [2] автором получены расчетные соотношения для определения коэффициентов эластичности спроса, а также подготовлен пример прогноза пассажирооборота для авиакомпании «Аэрофлот-Российские авиалинии»; в работе [3] автору принадлежит модель среднесрочного прогноза рентабельности рейсов, основанная на методе гармонических весов; в работе [4] автору принадлежит алгоритм элиминирования тренда сезонной волны с использованием итеративного метода Четверикова Н.С; в работах [5,6,7] автору принадлежат алгоритмы расчета рентабельности с различными видами сглаживаний, используемых при подборе уравнений тренда; в работе [8] автору принадлежит модифицированная модель прогнозирования значений рентабельности авиаперевозок для ВТС региона; в работе [9] автору принадлежит алгоритм расчета ковариационных моментов.

Объём и структура работы. Диссертация состоит из введения, четырёх глав, заключения, списка литературы и 2 приложений. Работа содержит 131 страницу: 113 страниц машинописного текста, 30 рисунков и 5 таблиц, список используемой литературы включает 169 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационного исследования, формулируются цель и задачи исследования, определяется научная новизна и практическая значимость полученных результатов.

В первой главе приведены результаты анализа ВТС региона как многоуровневой иерархической системы, а также процесса ее управления как совокупности типовых информационно-расчетных задач (прогнозирование рентабельности авиаперевозок; выявление факторов, формирующих спрос на воздушные пассажирские перевозки; оптимизация маршрутов полета; формирование схемы воздушных линий; расстановка самолетного парка по воздушным линиям; составление расписания движения самолетов; и др.), решаемых в определенной последовательности. Показано, что ВТС региона является подсистемой единой транспортной системы региона под которой подразумевается экономически сбалансированная совокупность транспорта общего пользования (воздушного, водного, морского, автомобильного,

железнодорожного и трубопроводного), структура которой представляется в виде множества управляющих и управляемых подсистем. Приведена стратифицированная схема ВТС региона в виде совокупности вертикально расположенных страт (рис. 1). Подъём по стратам соответствует агрегированию информации, а снижение по стратам -дезагрегированию.

Страты

Ранги Наименование системы (уровни)

Рис.1 -Стратифицированное описание ВТС региона

Стрелки, направленные вниз, указывают на вмешательство верхней страты в нижнюю для передачи ей распорядительной информации. Стрелки снизу вверх указывают на сигналы обратной связи - информацию об исполнении команд и состоянии нижней страты. Стрелки I вх и I вых отображают информацию о взаимодействующих системах одной страты для различных регионов. На каждой страте может находиться несколько однородных (подобных) подсистем. Для каждой страты характерна своя сложность принятия решений, свои полномочия, своя власть и ответственность. Поэтому, каждой страте (уровню) соответствует свой ранг власти и ответственности. Страты (уровни) нумеруются снизу вверх: к=0,1,..„ т-1, а ранги - сверху вниз: i=0,l, ,.,m-l(i=m-l-k), где m- число, вертикально расположенных систем. Каждая управляющая система К-о\\ страты представляет орган управления во главе с руководителем ранга i-(m-l-k).

Представлена двухуровневая модель процесса управления ВТС региона в виде выполнения определенной последовательности действий (рис.2).

На первом («тактическом») уровне осуществляется оперативное управление, удовлетворяющее краткосрочным требованиям, связанным с воздушными перевозками пассажиров. Второй («стратегический») уровень реализует средне и долгосрочные планы развития ВТС региона (например, развитие сети маршрутов полетов или парка самолетов).

Рис 2 - Представление процесса управления ВТС региона на «тактическом» и «стратегическом» уровнях

При этом решается типовой комплекс информационно-расчетных задач (рис. 3).

Рис. 3 - Комплекс типовых основных задач, решаемых в интересах управления ВТС региона Центральное место в данном комплексе задач занимает прогнозирование рентабельности авиарейсов. Адекватность получаемых в результате ее решения исходных данных существенным образом влияет на точность решения остальных задач и тем самым на эффективность ВТС региона в целом. Поэтому данной задаче в диссертации уделено основное внимание.

Математическая постановка основной задачи формулируется следующим образом:

повысить достоверность принимаемых управленческих решений в ВТС региона путём минимизации ошибки определения прогнозных значений рентабельности авиарейсов, основанной на оптимизации параметров математического Mat = {M„,A„}, информационного Inf = >}Лр}

и специального программного обеспечения РГ!, при заданном комплексе технических средств автоматизации Тех = Техг и общем программном обеспечении РГш = . При этом время решения данной задачи Тр (оперативность) не должно превышать заданное время Т.

е¥М„,Ап,Мг,Рп,Рп,Тех,Тр-> шш (1)

= Тех = Тех,, Тр<Т,. (2)

Во второй главе представлены результаты обоснования прогнозных моделей и методов, целесообразных для планирования и оптимизации управления воздушно-транспортной системой региона. Процесс прогноза включает в себя решение следующих задач: описание исходной информации, методов и моделей ее обработки; анализ тенденций и закономерностей развития объекта прогнозирования в прошлом; оценку достигнутого уровня, обоснования гипотез, принимаемых для прогнозируемого периода; оценку путей и возможных уровней развития в исследуемой области; результаты определения достоверности полученных прогнозов; выводы и предложения относительно наиболее эффективных путей развития прогнозируемого объекта. Приведена классификационная схема прогнозов применительно к перевозочным процессам ВТС региона (рис.4).

Рис. 4 — Классификационная схема прогнозов применительно к перевозочным процессам ВТС региона

С учетом уровня, прогноз объемов пассажирских перевозок может осуществляться по отдельной воздушной линии, направлению перевозок (несколько воздушных линий), отдельному аэропорту, региональной сети аэропортов и в целом по отрасли. Между прогнозами всех уровней должно

наблюдаться определенное соответствие. Например, сумма прогнозируемых объемов пассажирских перевозок по всем воздушным линиям из какого-то аэропорта должна быть равной общему прогнозируемому объему пассажирских перевозок из этого аэропорта.

По степени обобщения результатов, прогнозы разделяются на индивидуальные и групповые. Индивидуальные прогнозы основаны на рассмотрении каждого объекта прогнозирования (воздушной линии, направления, аэропорта и т.д.). Групповой прогноз базируется на рассмотрении всех объектов некоторой совокупности (одного уровня) одновременно. Поэтому при перспективном планировании групповой прогноз предпочтительнее.

По продолжительности, прогнозы можно разделить на долгосрочные (10—15 лет), среднесрочные (5-7 лет) и краткосрочные (от месяца до 2-3 лет). При этом каждый прогноз имеет свое целевое назначение.

Сравнительный анализ существующих моделей (сценарной, «Зи^од-СаГе», «Тренд-Сезонность», регрессионной, имитационной) показал, что наиболее перспективной для краткосрочного прогнозирования объёмов воздушных перевозок, с точки зрения простоты, приемлемой точности и отсутствия ряда существенных ограничений, характерных для других моделей, является модель «Тренд-Сезонность». Она базируется на обработке временных рядов с использованием метода перспективной экстраполяции. Данная модель, при условии её доработки, может использоваться также для среднесрочного и долгосрочного прогнозирования.

Реализация данной модели заключается в последовательном выполнении ряда этапов, в частности: графическом представлении и описании поведения ряда (определении тренда); выделении и исключении регулярных составляющих ряда, зависящих от времени (учёт сезонности); подборе математической модели для описания регулярной составляющей и проверке её адекватности (модели); прогнозировании будущих значений ряда.

Методами, целесообразными для использования в интересах краткосрочного, среднесрочного и долгосрочного прогнозирования являются бутстреп, гармонических весов и стационарных процессов, соответственно.

Установлено, что на объёмы перевозок существенное влияние оказывает сезонность. На основании проведенного анализа литературы приведена классификационная схема используемых методов моделирования сезонной неравномерности объёмов пассажирских воздушных перевозок (рис.5).

Сравнительный анализ данных методов показал, что наиболее перспективными в плане практического использования являются методы моделирования сезонных волн с предварительным элиминированием тренда. Данные методы учитывают как линейный, так и нелинейный характер развития спроса и объёмов пассажирских перевозок.

Рис. 5 - Методы моделирования сезонной неравномерности объёмов пассажирских воздушных перевозок

В третьей главе описано разработанное специальное математическое обеспечение информационно-аналитической системы прогнозирования рентабельности рейсов для ВТС региона, представляющее собой систему взаимосвязанных по "входу-выходу" моделей и алгоритмов, реализующих различные виды прогнозов (рис. 6). В блок определения рейсовых расходов включены следующие алгоритмы расчёта затрат: на горюче-смазочные материалы (ГСМ); на бортпитание; на содержание эстафет; на сборы в аэропортах; на аэронавигацию.

Особенностью алгоритма расчета затрат на ГСМ является тот факт, что объем израсходованного топлива на каждом /'-м участке маршрута определяется в соответствии со следующим выражением:

(3)

где v0,.! - остаток топлива после пролета (/-/)-го участка; v0, - остаток топлива после пролета /-го участка; объем технологического слива

после пролета (/-/)-го участка; v3, - объем заправляемого на /-м участке топлива; < = /,«- индекс участка пролета данным бортом

безотносительно к конкретному рейсу. При заданных значениях объемов, входящих в выражение (3), и цен на заправляемое топливо С3, (эти величины могут рассматриваться как детерминированные).

Рис. 6 - Структурная схема взаимосвязанной по "входу-выходу" системы моделей и алгоритмов прогнозирования рентабельности рейсов ВТС региона

Поэтому задача расчета стоимости израсходованного на /-м участке топлива была сведена к стохастической задаче определения средневзвешенных значений цен остатков топлива после каждого участка, которая решается на основе рекуррентных алгоритмов вида (4):

С, =[(У°1-г-Усл,-1)* с,_1+У3,.1*с,и/[^,.г-Г,.1+У31.1^е, □

с,_, * С,_2 + У\-2]+ е_, , (4)

где с,, с,_,,..., с,- значения средневзвешенной цены остатков топлива

после пролета /-го, (г-У)-го,___, (¡-к)-го участков соответственно; е,, е„,,

, □ е,.к- значения случайных ошибок расчета средневзвешенных цен остатков топлива после пролета ¿-го, (г-У)-го, . . . , (;-£)-го участков соответственно; к - индекс количества учитываемых предшествующих участков пролета, выбираемых из условия получения необходимой точности (индекс количества итераций). Затраты на топливо по каждому многоплечевому рейсу определяются в соответствии с полученным выражением (5):

г. = ± {У° - )*1К%- К-2) * с,_ • + у;_2 * си ]у - К" + К, К

(5)

+ £ ■к' *•с; - £ - г) * - у,") * С,., + кд * С, - у," + у,I, > /=1 1-'

Как показали результаты численных исследований (рис.7) методические погрешности алгоритма (5) уже на 5-м шаге итераций становятся пренебрежимо малыми. При этом результирующая точность расчета стоимости затрат на топливо будет определяться только точностью

12

измерения объемов, входящих в выражение (3).

0Ш

Рис. 7- Иллюстрация сходимости

рекуррентных алгоритмов

Алгоритм расчёта доходов рейсов обеспечивает определение соответствующих денежных средств в интересах вычисления рентабельности. Доходы складываются из 4 составляющих: перевозки пассажиров, грузов, почты и сверхнормативного багажа,

С помощью алгоритма расчёта рентабельности определяется эффективность каждого рейса как, соотношение между доходами и расходами. Обобщенной характеристикой рентабельности рейса является функционал вида:

М0 = Р.т-МШШг (6)

где 0(0 -вектор-функция, состоящая из п составляющих дохода; Z(/)-функция, состоящая из т составляющих затрат; / - время.

Строгий (точный) подход к оценке финансовых результатов каждого рейса требует рассмотрения Значений доходов и расходов как случайных функций времени, т.е. и виде их математических ожиданий (7) и (8):

\[)ШГ(0), (7)

О

, (8)

о

где Г(О) и - законы распределения вероятности значений доходов и расходов соответственно.

Реализация данного подхода, требует наличия достаточно представительных объемов априорной статистики, как по доходам, гак и по расходам рейса, что выполнить практически не представляется яозмеяшым. С учетом допущения, что переменные, входящие в выражение (6), а также их составляющие в течение времени выполнения рейса остаются неизменными, решение данной задачи было сведено к детерминированному случаю, ГТрй этом, были использованы стандартные методы вычисления доходов О и затрат Z при заданной струил1 ре их

составляющих, имеющейся в соответствующей нормативно-справочной базе и оперативных данных по каждому выполненному рейсу, а функция рентабельности (6) преобразована к виду (9):

д^Ф-г) _к(с-г) _(с~5)_ с

г га 5 5-1' '

где v — объем выполненной за рейс транспортной работы (тонно-километраж), С - средняя доходная ставка на единицу транспортной работы (на один тоннокилометр); 5 - себестоимость единицы транспортной работы (одного тоннокилометра).

Модели краткосрочного, среднесрочного и долгосрочного прогнозов обеспечивают расчёт прогнозных значений рентабельности рейсов на различные промежутки времени.

Построение краткосрочных прогнозов базировалось на модели «Тренд-Сезонность». Её суть заключается в построении и обработке временных рядов с использованием метода перспективной экстраполяции. В структуре временного ряда выделялись две составляющие, регулярная и случайная. Регулярная составляющая в свою очередь включала в себя тренд и сезонную компоненты. Учитывалось, что взаимосвязь между регулярными составляющими может быть аддитивной и мультипликативной. При подборе уравнения тренда использовались следующие виды сглаживаний: по линейной функции; по показательной функции; по квадратичной функции.

Модель среднесрочного прогноза рентабельности рейсов базировалась на модифицированном методе гармонических весов 3. Хелвига. Модификация состояла в замене классического метода построения скользящего тренда методом двух точек, что позволило увеличить быстродействие проведения расчетов (до 50%) без потери точности. Кроме того, в результате проведенных численных экспериментов был получен поправочный коэффициент, позволивший заменить трудоемкий расчет средней гармонической составляющей сглаженных уровней исходного временного ряда ее оценкой.

Непосредственное построение долгосрочного прогноза заключалось в определении оценки /(Я) спектральной плотности /(Я) рассматриваемого процесса. Оценка /(Я) представлялась в соответствии с выражением (10):

/№ - —у Е г„ соз (/ - 5)А . (10)

Для решения данной задачи использовались многочлены, ортогональные на единичной окружности относительно весовой функции /(Я). Их построение осуществлялось по классической схеме. Затем, на основе фундаментального результата о существовании изометрического отображения между пространством функций, интегрируемых с квадратом модуля по мере /°(Я )<И , и пространством измеримых случайных величин на исходном вероятностном пространстве, задача прогнозирования

случайной величины была переформулирована в задачу из теории теплицевых форм об отыскании некоторого экстремального полинома

Модель сезонных волн с предварительным элиминированием тренда используется в интересах учета одной из важных особенностей воздушного транспорта - сезонности спроса на перевозки При моделировании сезонных волн использовался итеративный метод Четверикова Н.С., обеспечивший наиболее точное исключение сезонной волны с учетом эволюции её изменения из исходного временного ряда.

Алгоритм расчёта ковариационных моментов предназначен для повышения точности получаемых прогнозных значений рентабельности рейсов в случае использования неполной первичной информации об объёмах и доходах авиаперевозок. Задача учета первичных данных об объёмах и доходах пассажирских перевозок с учётом различных классов бронирования была сведена к векторной задаче измерений (наблюдений), которая в символьном виде представляется следующим образом (11):

где X - вектор входных сигналов размерности (тх1); У- вектор выходных сигналов размерности (лх1); 5 - вектор аддитивных помех размерности

В общем случае пит заданы заранее, причём пфш.

Требуется найти оценку вектора выходных сигналов х,0 = 1"), зная

значения вектора выходных сигналов |у|о = 1, л), а также определить оценку

матрицы коэффициентов А. В интересах решения данной задачи использован модифицированный метод Хука-Дживса, учитывающий при поиске минимума ограничения. Суть данного метода заключалась в проверке принадлежности каждой точки, полученной в процессе поиска, области ограничений. В случае принадлежности точки, целевая функция вычислялась обычным путём. В противном случае, целевой функции присваивалась очень большое значение и поиск снова осуществлялся в допустимой области в направлении к минимальной точке внутри этой области.

В четвёртой главе приведены результаты разработки автоматизированного рабочего места аналитика воздушно-транспортной системы региона (далее для сокращения - автоматизированное рабочее место (АРМ), основанного на разработанной системе моделей и алгоритмов, и его апробации на конкретных примерах. Логическая структура АРМ приведена на рис. 8, а экранная форма результирующего окна-меню «Прогноз пассажиропотока» на рис. 9.

В демонстрационном варианте АРМ использована СУБД Microsoft Access 2000 в совокупности с языком запросов QBE (Query-by-Example — язык запросов по образцу). Для ускорения работы запросов, сущности БД, хранящие информацию об объектах, индексировались специальным образом. При этом исследовались наиболее распространенные методы

(И)

(п х 1); \л\ - матрица постоянных.

индексирования пространственных объектов, в частности: классический; обобщенного индексного дерева; модифицированного обобщенного индексного дерева.

Подсистема управления ;;сх: ту пом

Подсистема ввода исходных данных

Подсистема аутентификации и автор танин

I [оцсистема прогнозирования доходов н татрат

Подсистема прогнозированин пассажиропотока

Подсистема формирования выходных отчетов

Подсистема проведений расчетов

Рис. 8 Логическая структура АРМ

рев

Прогни ^«и^тда |

I___ __ |мрвгя«и ]

2В41Р» г? (ДО гзям

зе**»

М14ЕЗ »2490

гетзео Я««

ггоч

26115?

гмгп гшг

надо

«7Э43 »4/02

гэеол

&1241

г?я*ь 1

1 1} 1й 19 33 зг ЯЛ эв

>>? г^та вз в» т *

Рис. 9 Форма «Прогноз пассажиропотока» с активизированной закладкой «Результат» В результате проведенных экспериментов установлено, что реализация классических Р-деревьев уступает реализациям обобщенных Р-деревьев достаточно весомо (более 26%). Поэтому в дальнейшем сравнивались методы обобщенного индексного дерева и

модифицированного обобщенного индексного дерева.

Суть модифицированного алгоритма заключалась в дополнении основной функции «деления узла» поиском непересекающихся множеств и процедурой деления узла без пересечений. Для просмотра всех записей находящихся в узле строились списки разбиения ребер охватывающего прямоугольника без пересечений. После чего, в главном цикле функции «деления узла», проводился анализ возможных разбиений, что обеспечило алгоритмическую сходимость метода. В случае нескольких вариантов разбиения узла без пересечений выбирался тот, при котором площадь охватывающих прямоугольников была минимальной. Если деление без пересечений было невозможным, выполнялся уже существующий алгоритм. В результате, к существующей реализации Р*-дерева было добавлено несколько дополнительных структур, реализованных с использованием стандартной библиотеки языка С.

В ходе, проведенных экспериментов, были получены зависимости производительности различных алгоритмов (см. табл. 1).

Таблица 1 - Экспериментальные значения длительностей (тС) реализаций запросов, для различных алгоритмов их формирования и протяженности объектов

Количество Алгоритм Алгоритм % временного

записей в таблице обобщенного модифицированного выигрыша

индексного обобщенного

дерева индексного дерева

5 4,34 4,12 5,3

10 35,16 33,08 6,3

100 201,53 175,2 15

1000 408,51 317,14 28,8

10000 3152,33 2178,21 44,7

1000000 8677,12 5405,59 60,5

Анализ полученных результатов показал, что модифицированный алгоритм обобщенного индексного дерева превосходит по быстродействию существующий в среднем более чем на 25%. В случае увеличения количества записей в таблице, производительность предложенного алгоритма возрастает в среднем более чем на 50%, что актуально для БД данной предметной области.

Результаты апробации разработанного АРМ применительно к сценарному долгосрочному прогнозированию позволили оценить влияние различных ситуаций на изменение доходов и затрат авиакомпании, что необходимо при стратегическом планировании ее развития. Возможность рассмотрения затрат не в целом, а по каждому типу, позволяет оценить воздействие изменения различных факторов на изменения уровня статей затрат непосредственно с ним связанных, что актуально для среднесрочного и краткосрочного прогнозирования развития авиакомпании.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработана интегральная модель , прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона.

2. Разработан модифицированный алгоритм индексирования данных, содержащихся в базе данных.

3. Предложен комплекс взаимосвязанных моделей и алгоритмов, реализующих различные виды прогнозов рентабельности авиаперевозок для воздушно-транспортной системы региона, позволяющий повысить их точность и достоверность.

4. Разработано и апробировано на практике автоматизированное рабочее место аналитика воздушно-транспортной системы региона, реализующее интегральную модель и комплекс взаимосвязанных алгоритмов прогнозирования рентабельности авиаперевозок, обеспечивающее повышение оперативности подготовки исходных данных, проведения расчетов и анализа полученных результатов прогноза. Программные средства зарегистрированы в Государственном фонде алгоритмов и программ.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи, опубликованные в изданиях, определённых ВАК РФ

1. Дубинина В. Г., Селезнев П.В. Математические модели долгосрочного прогнозирования пассажирского спроса // Информационные технологии в проектировании и производстве. -2004. -№ З.-С. 23-32. (Лично автором выполнено 6 е.).

2. Морозов В.П., Лютиков Б.Г., Морозов Д.В., Селезнев П.В. Программный комплекс «Автоматизированное прогнозирование объемов авиаперевозок воздушно-транспортной системы региона с учетом сезонных волн». -М.: Гос. фонд алгор. и прогр. Per. № 50200700047 от 12.01.2007.

3. Морозов В.П., Лютиков Б.Г., Морозов Д.В., Селезнев П.В., Скрипник А.Ю. Программный комплекс «Логико-лингвистический аннотатор русскоязычных текстов». - М.: Гос. фонд алгор. и прогр. Per. № 50200700048 от 12.01.2007.

Статьи, материалы конференций

4. Селезнев П.В Моделирование прогноза пассажирского спроса // Тр. VII науч. сессии / Моск. инж.-физич. ин-т. -М., 2004. -С. 43-45.

5. Морозов В.П. Селезнев П.В., Лютиков Б.Г. Модель среднесрочного прогноза рентабельности авиационных рейсов для воздушно-транспортной системы региона // Актуальные проблемы науки в студенческих исследованиях: Сб. науч. тр. междунар. конф./ Воронеж, эконом.-прав. ин-т. -Воронеж, 2005. - С. 21-26. (Лично автором выполнено 2 с.).

6. Морозов В.П., Лютиков Б.Г., Селезнев П.В. Методы моделирования сезонных волн с предварительным элиминированием тренда // Актуальные проблемы науки в студенческих исследованиях: Сб. науч. тр. междунар. конф. / Воронеж, эконом.-прав. ин-т. -Воронеж, 2006. - С. 6-11. (Лично автором выполнено 2 е.).

7. Морозов В.П., Селезнев П.В., Скрипник А.Ю. Информационный менеджмент. Учебное пособие / Воронеж, эконом.-прав. ин-т. -Воронеж, 2006. -68 с. (Лично автором выполнено 15 е.).

8. Морозов В.П., Селезнев П.В., Скрипник А.Ю. Сетевая экономика. Теория и практика. Учебное пособие / Воронеж, эконом.-прав. ин-т.-Воронеж, 2006. -120 с. (Лично автором выполнено 30 е.).

9. Морозов В.П., Селезнев П.В., Скрипник А.Ю. Информационные системы в производственном менеджменте. Учебное пособие / Воронеж, эконом.-прав. ин-т.-Воронеж, 2006. -132 с. (Лично автором выполнено 30 е.).

ПЛД № 37-49 от 3 ноября 1998 г. Л.Р. 020450 от 4 марта 1997 г. Подписано в печать 21.02.2007. Формат 60x84 1/16. Уч. - изд. л. 1,0 Усл.-печ. 1,1 л. Бумага для множительных аппаратов. Тираж 100 экз. Заказ № 87

Отпечатано в отделе оперативной полиграфии Воронежского государственного архитектурно-строительного университета 394006, Воронеж, ул. 20-летия Октября, 84

ВВЕДЕНИЕ.

1 ХАРАКТЕРИСТИКА ВОЗДУШНО-ТРАНСПОРТНОЙ СИСТЕМЫ РЕГИОНА И ОСОБЕННОСТИ ЕЁ УПРАВЛЕНИЯ. ПОСТАНОВКА ОБЩЕЙ НАУЧНОЙ ЗАДАЧИ.

1.1 Характеристика воздушно-транспортной системы региона.

1.1.1 Особенности воздушно-транспортной системы региона.

1.1.2 Особенности управления воздушно-транспортной системой региона.

1.2 Анализ информационного обеспечения для воздушно-транспортной системы региона.

1.3 Требования, предъявляемые к информационно-аналитической системе прогнозирования объёма авиаперевозок воздушно-транспортной системы региона.

1.4 Выбор показателей эффективности функционирования информационно-аналитической системы прогнозирования объёмов воздушных пассажирских перевозок. Постановка научной задачи.

1.5 Общая схема решения задачи. Частные задачи исследований.

Выводы.

2 ОБОСНОВАНИЕ ПРОГНОЗНЫХ МОДЕЛЕЙ И МЕТОДОВ, ЦЕЛЕСООБРАЗНЫХ ДЛЯ ПЛАНИРОВАНИЯ И ОПТИМИЗАЦИИ УПРАВЛЕНИЯ ВОЗДУШНО - ТРАНСПОРТНОЙ СИСТЕМОЙ РЕГИОНА.

2.1 Классификация прогнозов для перевозочных процессов воздушно-транспортной системы региона.

2.2 Обоснование модели (моделей) прогнозирования объёмов перевозок для воздушно-транспортной системы региона.

2.3 Обоснование методов прогнозирования объемов перевозок в воздушно-транспортной системе региона.

Выводы.

3 РАЗРАБОТКА СПЕЦИАЛЬНОГО МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ИНФОРМАЦИОННО - АНАЛИТИЧЕСКОЙ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ РЕНТАБЕЛЬНОСТИ РЕЙСОВ ДЛЯ ВОЗДУШНО - ТРАНСПОРТНОЙ СИСТЕМЫ РЕГИОНА.

3.1 Алгоритмы расчета затрат рейсов.

3.1.1 Алгоритм расчета затрат на ГСМ.

3.1.2 Алгоритм расчета затрат на бортпитание.

3.1.3 Алгоритм расчета стоимости эстафет.

3.1.4 Алгоритм расчета затрат на сборы в аэропортах.

3.1.5 Алгоритм расчета затрат на аэронавигацию.

3.2 Алгоритм расчета доходов рейсов.

3.3 Алгоритм расчёта рентабельности.

3.4 Модели краткосрочного, среднесрочного и долгосрочного прогнозов.

3.4.1 Модель краткосрочного прогноза.

3.4.1.1 Сглаживание по линейной функции.

3.4.1.2 Сглаживание по показательной функции.

3.4.1.3 Сглаживание по квадратичной функции.

3.4.2 Модель среднесрочного прогноза рентабельности рейсов.

3.4.3 Модель долгосрочного прогноза рентабельности рейсов.

3.5 Модель учёта сезонных волн с предварительным элиминированием тренда.

3.6 Алгоритм расчёта ковариационных моментов.

Выводы.

4 РАЗРАБОТКА АВТОМАТИЗИРОВАННОГО РАБОЧЕГО МЕСТА АНАЛИТИКА ВОЗДУШНО-ТРАНСПОРТНОЙ СИСТЕМЫ

РЕГИОНА.

4.1 Основные результаты разработки математического обеспечения автоматизированного рабочего места.

4.2 Логическая структура и особенности функционирования автоматизированного рабочего места.

4.3 Характеристика общего программного обеспечения.

4.3.1 Особенности разработки базы данных автоматизированного рабочего места.

4.3.3.1 Индексирование данных БД автоматизированного рабочего места.

4.4 Порядок работы на автоматизированном рабочем месте.

4.5 Результаты апробации автоматизированного рабочего места.

Выводы.

Актуальность темы. Эффективность функционирования региональной транспортной компании существенным образом зависит от оперативности, точности и достоверности управленческих решений, принимаемых её подразделениями. В свою очередь, оперативность зависит от степени автоматизации процесса принятия решений, а точность и достоверность от качества, используемого соответствующего специального математического и программного обеспечения.

В интересах усиления прикладного аспекта диссертации, процесс принятия решений рассмотрен на примере одной из наиболее проблемных на сегодняшний день разновидностей региональной транспортной компании - воздушно-транспортной системы региона.

Воздушно-транспортная система (ВТС) региона представляет собой совокупность сложных разнородных подсистем (подразделений), объединённых между собой различными информационными связями в интересах достижения единой цели - обеспечения полного количественного и качественного удовлетворения, постоянно изменяющегося в объёме, во времени и в пространстве спроса населения и хозяйства региона на авиационные перевозки.

Успешное функционирование современной ВТС региона зависит от степени использования её коммерческими и планово-экономическими подразделениями информационно-аналитических систем (ИАС), решающих комплекс задач анализа рынка авиаперевозок и мониторинга их важнейших показателей, в интересах последующего принятия управленческих решений. Среди комплекса задач выделяется задача прогнозирования рентабельности авиаперевозок.

Адекватность получаемых в результате ее решения исходных данных существенным образом влияет на доходы и расходы ВТС региона, т.е ее эффективность.

Анализ опыта внедрения и эксплуатации ИАС позволил выявить их следующие особенности: внедрение данных систем осуществляется по принципу создания локальных систем в различных подразделениях на основе разнородных технических и программно-алгоритмических средств, как правило, не стыкующихся друг с другом; разнородность состава используемых технических и программно-алгоритмических средств приводит к возникновению в процессе эксплуатации трудностей технологического характера (различные форматы данных, взаимно исключающие условия реализации различных алгоритмов и т.п.); отсутствие сопряжения, вновь внедряемых систем, с уже существующими ИАС, не позволяет в полной мере учитывать положительный опыт в данной сфере, что приводит к дублированию существующих наработок; нестыковка по параметрам локальных информационных систем является причиной многих сбоев и ошибок в процессе функционирования, приводящих к резкому снижению эффективности систем данного класса; отсутствие стандартизованной системы нормативной информации в виде справочников, классификаторов и т. п. создает трудности быстрого создания единой ИАС; существующее специальное математическое и программное обеспечение, а также используемые технические средства не позволяют в полном объеме реализовать управление пассажирскими перевозками в реальном масштабе времени.

Наличие данных особенностей приводит к тому, что при существующих методах регионального планирования и управления в системе сбора, передачи и обработки поступающих данных, затруднена своевременная оценка информации и выработка оптимальных управленческих решений.

Кроме того, основными недостатками существующих ИАС, являются: трудности сбора и оперативной обработки необходимой информации для принятия решений; отсутствие четкой постановки задач управления и однозначных алгоритмов их решения, что приводит к реализации «волевых» решений; большой объем рутинных операций по обработке и подготовке документов; недостаточная упорядоченность документооборота, приводящая к дублированию информации с одной стороны, и старению информации, необходимой для принятия решений с другой; несоответствие существующей системы показателей требованиям объективности при оценке по этим показателям состояния управляемой системы.

Отмеченные особенности и недостатки являются существенным тормозом развития Аэрофлота, вследствие чего в последнее время отмечается его отставание от ведущих зарубежных авиакомпаний и утрата своих позиций на мировом рынке авиаперевозок.

Таким образом, актуальность темы диссертационной работы продиктована, с одной стороны, необходимостью повышения эффективности разработки и внедрения ИАС в ВТС региона и, с другой стороны, отсутствием в настоящее время математического и программного обеспечения их реализующих.

Диссертационная работа выполнена в рамках федеральной комплексной программы «Исследования и разработки по приоритетным направлениям науки и техники гражданского назначения».

Цель и задачи исследования. Целью диссертационной работы является разработка математического и программного обеспечения прогнозирования рентабельности авиаперевозок в интересах повышения эффективности принятия управленческих решений в планово - экономических подразделениях воздушной транспортной системы региона.

Для достижения поставленной цели необходимо решить следующие основные задачи:

1. Проанализировать существующие модели и методы прогнозирования с целью выбора среди них наиболее перспективных для последующей модификации в интересах минимизации времени проведения расчетов и ошибок определения прогнозных значений рентабельности авиаперевозок для ВТС региона;

2. Разработать модель прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона;

3. Разработать специальное математическое обеспечение прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона;

4. Разработать автоматизированное рабочее место аналитика воздушно -транспортной системы региона и оценить эффективность его функционирования.

Методы исследования в данной работе основаны на теории математического моделирования, системного анализа, теориях распознавания образов, графов, многоуровневых иерархических систем, а также теории проектирования и разработки автоматизированных информационных систем.

Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной:

- интегральная модель прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона, отличающаяся сценарным построением временных рядов воздействия основных факторов на экономические показатели с учетом сезонности с последующей их обработкой (рядов) методом перспективной экстраполяции, реализующая универсальную процедуру выбора вида прогноза и обеспечивающая повышение точности результатов прогноза;

- модифицированный алгоритм индексирования данных, содержащихся в базе данных, основанный на функции «деления узла», дополненной процедурами поиска непересекающихся множеств и «деления узла» без пересечений, позволяющий повысить время выборки искомых данных при значительном количестве записей (больше 1000000) более чем на 50% по сравнению с не модифицированным алгоритмом;

- комплекс взаимосвязанных моделей и алгоритмов, реализующих различные виды прогнозов, позволяющий повысить достоверность и точность прогнозных значений рентабельности авиаперевозок для воздушно-транспортной системы региона;

- элементы специального программного обеспечения, реализующего комплекс моделей и алгоритмов расчета значений прогноза рентабельности авиаперевозок для воздушно-транспортной системы региона, обеспечивающие повышение оперативности проведения расчетов и работу системы в реальном масштабе времени.

Практическая ценность работы. Предложенные в диссертационной работе модели и алгоритмы могут быть включены в состав специального математического и программного обеспечения существующих и разрабатываемых соответствующих специальных информационно-аналитических систем для ВТС различных регионов, различающихся как степенью сложности, так и характером решаемых задач.

Разработанное автоматизированное рабочее место аналитика ВТС региона, на конкретных примерах, показало высокую эффективность (погрешность прогнозных значений не превышает 8%), что подтверждено результатами проведенных численных экспериментов и актами внедрения.

Реализация и внедрение результатов работы. Результаты проведенных исследований были использованы в интересах автоматизации деятельности ЗАО «Ресурс-Авиа» (г. Москва) и ЗАО «Деловая Авиация» (г. Москва).

Апробация работы. Основные результаты исследований докладывались и обсуждались на следующих конференциях и семинарах: VII научной сессии МИФИ (г. Москва) в 2004 г;

VI и VII межвузовских студенческих научных конференциях «Актуальные проблемы науки в студенческих исследованиях» в АНО МОК «Воронежский экономико-правовой институт» (г. Воронеж) в 2005, 2006 г.

Публикации. Основные результаты диссертации опубликованы в 9 печатных работах, из них 1 работа выполнена без соавторов. В работах, опубликованных в соавторстве, лично соискателем предложены: в [44] автором получены расчетные соотношения для определения коэффициентов эластичности спроса, а также подготовлен пример прогноза пассажирооборота для авиакомпании «Аэрофлот-Российские авиалинии» (лично автором выполнено 6 е.); в [90] автор предложил модель среднесрочного прогноза рентабельности рейсов, основанную на методе гармонических весов (лично автором выполнено 2 е.); в [89] автором предложено элиминирование тренда сезонной волны итеративным методом Четверикова Н.С (лично автором выполнено 2 е.); в [106-108] автором предложены алгоритмы расчета рентабельности и различные виды сглаживаний, используемых при подборе уравнений тренда (лично автором выполнено 75 е.); в [88] автором описан комплекс взаимосвязанных моделей и алгоритмов подготовки исходных данных, проведения расчетов и обработки прогнозных значений рентабельности авиаперевозок для ВТС региона (лично автором выполнено 5 е.); в [87] автором предложен алгоритм расчета ковариационных моментов (лично автором выполнено 3 е.).

Структура и объём работы. Диссертация состоит из введения, четырёх глав, заключения, списка литературы из 169 наименований и 2 приложений. Работа содержит 131 страницу: 113 страниц машинописного текста, 30 рисунков и 5 таблиц.

выводы

1. Автоматизированное рабочее место аналитика воздушно-транспортной системы региона (в дальнейшем с целью сокращения АРМ), является комплексом программно-технических средств, предназначенным для автоматизации обработки специальной информации в интересах её использования для прогнозирования рентабельности ВТС региона. Оно обеспечивает решение следующей последовательности задач: выбор модели прогнозирования; подготовку и загрузку исходных данных для модели прогнозирования объемов воздушных перевозок (расчет доходов рейсов, расчет затрат рейсов, расчет затрат на горюче-смазочные материалы, расчет на бортпитание, расчет стоимости эстафет, расчет затрат на сборы в аэропортах, расчет затрат на аэронавигацию, расчет ковариационных моментов); прогнозирование объемов воздушных пассажирских перевозок.

2. АРМ реализовано на IBM-PC совместимой ПЭВМ класса Pentium-IV (тактовая частота процессора 2400 МГц) с установленной операционной системой Microsoft Windows-XP. В качестве интегрированной среды разработчика для большей части программ АРМ (модулей) использована система визуального объектно-ориентированного программирования Delphi.

3. При разработке базы данных автоматизированного рабочего места аналитика воздушно-транспортной системы региона, в интересах стандартизации интерфейсов словарей данных для достижения большей доступности и упрощения их совместного функционирования в рамках АРМ была применена специальная служба словаря информационных ресурсов (Information Resource Dictionary System — IRDS), сертифицированная Международной организацией стандартизации (International Organization for Standardization — ISO). Она включает определение таблиц, содержащих словарь данных и операций, которые могут быть использованы для доступа к этим таблицам. Данные операции обеспечивают непротиворечивый метод доступа к словарю данных и способ преобразования определений данных из словаря одного типа в определения другого типа, что обеспечивает сопряжение различных видов СУБД.

4. В интересах повышения оперативности функционирования АРМ воздушно-транспортной системы региона в части обработки запросов к базе данных, был разработан модифицированный алгоритм индексирования, хранящихся в ней данных. Суть модифицированного алгоритма заключалась в дополнении основной функции «деления узла» поиском непересекающихся множеств и процедурой деления узла без пересечений. Для просмотра всех записей находящихся в узле строились списки разбиения ребер охватывающего прямоугольника без пересечений. После чего, в главном цикле функции «деления узла», проводился анализ возможных разбиений, что обеспечило алгоритмическую сходимость метода. В случае нескольких вариантов разбиения узла без пересечений выбирался тот, при котором площадь охватывающих прямоугольников была минимальной. Если деление без пересечений было невозможным, выполнялся уже существующий алгоритм. В результате, к существующей реализации Р*-дерева было добавлено несколько дополнительных структур, реализованных с использованием стандартной библиотеки языка С. Модифицированный алгоритм обобщенного индексного дерева превосходит по быстродействию существующий в среднем более чем на 25%. В случае увеличения количества записей в таблице, производительность предложенного алгоритма возрастает в среднем боле чем на 50%, что актуально для БД данной предметной области.

5. Результаты апробации разработанного АРМ приведены применительно к сценарному долгосрочному прогнозированию. Сценарный подход позволил оценить влияние различных ситуаций на изменение доходов и затрат, а также смоделировать различные воздействия и оценить, как они отразятся на экономическом состоянии авиакомпании, что необходимо при стратегическом планировании ее развития. Анализ затрат не в целом, а по каждому типу, позволил оценить влияние различных факторов на изменения уровня статей затрат непосредственно с ним связанных.

ЗАКЛЮЧЕНИЕ

В ходе решения задач, поставленных в диссертационной работе, получены следующие основные результаты:

1. Проведен анализ существующих моделей и методов прогнозирования, показавший, что для краткосрочного прогнозирования рентабельности рейсов предпочтительна модель «Тренд-сезонность» как более простая, обладающая приемлемой точностью и не имеющая ряда ограничений характерных для других моделей. Для долгосрочного прогнозирования рентабельности рейсов целесообразно использовать сценарную модель. Среди широкого спектра методов анализа временных рядов в интересах краткосрочного, среднесрочного и долгосрочного прогнозирований были выбраны бутстреп, метод гармонических весов и метод стационарных процессов соответственно. Установлено, что одной из важных особенностей воздушного транспорта, влияющей на точность прогнозирования объемов воздушных перевозок является сезонность спроса на перевозки. Для ее моделирования использован метод сезонных волн с предварительным элиминированием тренда, учитывающий различные тенденции (линейные и нелинейные) развития спроса и объемов пассажирских перевозок.

2. Разработана интегральная модель прогнозирования рентабельности авиарейсов ВТС региона, объединяющая в себе сценарную и «Тренд-сезонность» модели, что позволило ее использовать для любых видов прогноза (краткосрочного, среднесрочного, долгосрочного) при приемлемой точности (погрешность менее 8%) и быстродействии.

3. Разработано специальное математическое обеспечение прогнозирования рентабельности авиаперевозок для воздушно-транспортной системы региона, представляющее собой систему взаимосвязанных по «входу-выходу» моделей и алгоритмов, реализующих различные виды прогнозов, позволяющее повысить достоверность и точность получаемых результатов.

4. Разработано и апробировано на практике автоматизированное рабочее место аналитика воздушно-транспортной системы региона, обеспечивающее повышение оперативности подготовки исходных данных, проведения расчетов и анализа полученных результатов прогноза. Программные средства зарегистрированы в Государственном фонде алгоритмов и программ.

1. Абовский Н.П. Творчество: системный подход, законы развития, принятие решений. Серия «Информатизация России на пороге XX1.века». - М: СИНТЕГ, 1998, 312 с.

2. Аванесов Ю.А. Прогнозирование спроса в розничной торговле. М: Экономика, 1978. - 103 с.

3. Автоматизация управления войсками /Под ред. В.М. Бондаренко и А.Ф. Волкова. М.: Воениздат, 1989. - 31 с.

4. Айвазян С.А., Бухштабер В.М., Енюков И.С. и др. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. - 270 с.

5. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. - 472 с.

6. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики: Учебник. М: ЮНИТИ, 1998. - 390 с.

7. Альянах И.Н. Моделирование вычислительных систем. Д.: Машиностроение. Ленингр. отд-ние, 1988. - 248 с.

8. Андерсон Т. Статистический анализ временных рядов. М: Мир, 1978.-102 с.

9. Аржакова Н.В., Новосельцев В.И., Редкозубое С.А. Управление динамикой рынка: системный подход.-Воронеж: ВГУ, 2004. 148 с.

10. Архангельский А.Я. Delphi версии 5-7. Приёмы программирования. -М.: Бином, 2003.-836 с.

11. Архангельский А.Я. Программирование в Delphi 5. М.: Бином, 2000. -1072 с.

12. Бан-Ари М. Языки программирования: Практический сравнительный анализ: Учебник/ Пер. с англ. B.C. Штаркман, М.Н. Яковлева. М.: Мир, 2000.-366 с.

13. Банди Б. Методы оптимизации. Вводный курс: Пер. с англ. М.: Радио и связь, 1988. - 128 с.

14. Бар калов П.С., Буркова И.В., Колпачев В.Н. Модель распределения ресурсов при переменном их уровне на проекте. // В кн. Современные сложные системы управления. Сборник научных трудов международной конференции, Воронеж, 2003. Т. 1. - С. 204- 207.

15. Баркалов С.А., Буркова И.В., В.Н. Колпачев, Потапенко A.M. Модели и методы распределения ресурсов в управлении проектами. Институт проблем управления им. В.А. Трапезникова РАН. М.: 2004. 87 с.

16. Беляевский И. К. Маркетинговое исследование: информация, анализ, прогноз. М.: Финансы и статистика, 2001. - 206 с.

17. Бигель Д. Управление производством. Количественный подход. М.: Мир, 1973.-304 с.

18. Блауберг И. В., Юдин Э.Г. Становление и сущность системного подхода.-М., 1973.-216 с.

19. Болотов Б.Н. Прогнозирование пассажирских перевозок на воздушном транспорте. Л.: Труды ОЛАГА. Вып. 54. - 1973. С. 116 -122.

20. Боровиков В.П. STATISTICA. Статистический анализ и обработка данных в среде Windows/ В.П.Боровиков, И.П.Боровиков. -М.: Ин-форм.-издат.Дом "Филинъ", Ч. I. 1997. -592 с.

21. Боровиков В.П. Statistica. Статистический анализ и обработка данных в среде Windows/ В.П.Боровиков, И.П.Боровиков. -2 изд., стер. -М.: Информ.-издат.Дом "Филинь", Ч. И. 1998. -592 с.

22. Боровиков В.П. Популярное введение в программу STATISTICA/ В.П.Боровиков. -М.: Компьютер-Пресс, 1998. -266 с.

23. Боярский А .Я., Громыко Г.Л. Общая теория статистики. М.: Издательство МГУ, 1977. - 327 с.

24. Бриллинджер Д.Р. Временные ряды: Обработка данных и теория. -М.: Мир, 1980.-536 с.

25. Бровиков И.П., Боровиков В.П. STATISTIKA. Статистический анализ и обработка данных в среде Windows. M.: Информационно-издательский дом «Филинъ». 2004. - 608 с.

26. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся вузов. М.: Наука, 1986. - 534 с.

27. Брусакова И.А. Проектирование баз знаний и экспертные системы: Учеб.пособие/ И.А.Брусакова, Д.Д.Недосекин, С.В.Прокопчина. -СПб., 1993. -59 с.

28. Буч Г. Объектно-ориентированное проектирование с примерами применения/ Г. Буч. Киев: Диалектика, 1993.-312 с.

29. Васкевич Д. Стратеги клиент/сервер. Руководство по выживанию для специалистов по реорганизации бизнеса. К.: «Диалектика», 1996. -384 с.

30. Васютин C.B., Гореев А.Ф., Корнеев В.В. Базы данных. Интеллектуальная обработка информации- 2-е изд-М.: Издатель Молгачёва C.B., Нолидж, 2001.-496 с.

31. Вендоров A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. М.: Финансы и статистика, 2000. - 352 с.

32. Вентцель Е.С. Теория вероятностей: Учеб. для вузов. 6-е изд. стер. -М.: Высш. шк., 1999.

33. Вирт Н. Алгоритмы и структуры данных. М.: Мир, 1989. - 360 с.

34. Воронов A.A. Исследование операций и управление. М.: Наука, 1970. -128 с.

35. Гендин А. М. «Эффект Эдипа» и методологические проблемысоциального прогнозирования. Вопросы философии, 1970, №15. -96 с.

36. Гмурман В.Е. Теория вероятностей и математическая статистика. Учеб. пособие для вузов, изд. 7-е, стер. М.: Высш. шк., 1999. -479 с.

37. Голубев И.С., Сакач Р.В., Логинов Е.Л. Исследование операций в гражданской авиации. М.: Транспорт, 1980. - 256 с.

38. Голубов Б.И. и др. Ряды и преобразования Уолша: Теория и применения. / Голубов Б.И., Ефимов A.B., Скворцов В.А. М: Наука, 1987. -344 с.

39. Гренандер У., Сеге Г. Теплицевы формы и их приложения. М.: Изд-во иностр. лит. 1961. - 329 с.

40. Дармоян П.А., Кучевский Н.Г. Методы прогнозирования пассажирских перевозок. Минск.: Наука и техника. 1975. - 88 с.

41. Дражек 3. Применение методов искусственного интеллекта для выбора и интерпретации данных с целью поддержки принятия решений //Труды 2-й международной конференции «Новые информационные технологии в образовании». Т.2. Минск, 1996. С 112-118.

42. Дружинин В.В., Конторов Д.С. Проблемы системотологии (проблемы теории сложных систем). М.: Сов, радио, 1976. - 237 с.

43. Дубинина В. Г, Селезнев П.В. Математические модели долгосрочного прогнозирования пассажирского спроса // Информационные технологии в проектировании и производстве // Науч.- тех. журнал №3, 2004 Г.-С.23-32.

44. Дубров A.M., Мхитарян B.C., Трошин А.И. Многомерные статистические методы для экономистов и менеджеров. М.: Финансы и статистика. 2000.- 352 с.

45. Дынкин Е.Б., Юшкевич A.A. Теоремы и задачи о процессах Маркова. -М.: Наука, 1967.-308 с.

46. Евстигнеев В.А. Теория графов: алгоритмы обработки деревьев/ В.А.Евстигнеев, В.Н.Касьянов. Новосибирск: Наука, 1994. -361 с.

47. Завгородний И.А. Михайлов А.Г. Литвинчук A.M. К вопросу о прогнозировании и оптимизации показателей плана авиатранспортных предприятий. В кн.: Экономика, организация, планирование и управление гражданской авиацией. Рига: РКИИ ТА, 1980, с. 66-67.

48. Завьялов Е.Е. Моделирование на ЭВМ. М.: МИФИ, 1980. - 63 с.

49. Завьялов Ф.Н. Актуальные проблемы теории и истории статистики и анализа: Сб. науч. тр/Ф.Н. Завьялов. Ярославль, 1991. -120 с.

50. Замков О.О., Толстопятенко A.B., Черемных Ю.Н. Математические методы в экономике: Учебник. 2-е изд. М.: МГУ им. Ломоносова, Издательство «Дело и сервис», 1999. - 368 с.

51. Иванилов Ю.П., Лотов A.B. Математические модели в экономике. М.: Наука, 1979.-304 с.

52. Иванов А.И., Малявина A.B. Разработка управленческих решений: Учебное пособие. М.: МАЭП, ИИК «Калита», 2000. - 112 с.

53. Ивахненко А.Г. Моделирование сложных систем: Информационный подход. Киев: Вища школа, 1987. - 63 с.

54. Информационная технология. Комплекс стандартов и руководящих документов на автоматизированные системы. М.: Комитет стандартизации и метрологии СССР, 1991. - 120 с.

55. Информационные технологии управления: Учебное пособие / Под ред. Ю.М.Черкасова. М.: ИНФРА-М, 2001. - 216 с.

56. Калянов Г.Н. CASE-технологии. Консалтинг при автоматизации бизнес- процессов. 2-е изд. Перераб. и доп. М.: Горячая линия - Телеком, 2000.-320 с.

57. Калянов Г.Н. Теория и практика организации бизнес-процессов. Серия «Реинжиниринг бизнес-процесса». М.: СИНТЕГ, 2000. - 212 с.59,60