автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Система прогнозирования с многократно адаптивным идентификатором экономических показателей

Введение.

Глава I. Анализ существующих решений прогнозирования экономических показателей.

1.1. Обзор средств прогнозирования.

1.2. Методы прогнозной экстраполяции.

1.3. Проблема идентификации и прогнозирования.

1.4. Обобщенный прогноз.

1.5. Классификация методов идентификации по степени адаптивности.

1.6. Критерии качества прогнозирования.

1.6.1. Критерии комбинированной селективной модели Лукашина.

1.6.2. Критерии селекции алгоритмов МГУА.

1.6.3. Критерии случайности.

1.6.4. Критерии селекции регрессионных уравнений.

1.7. Методы балансировки прогнозных иерархических структур.

1.8. Выводы.

Глава 2. Исследование прогнозных моделей.

2.1. Модели многократного сглаживания.

2.2. Сезонная адаптивная модель мультипликативного типа (модель Уинтерса).

2.3. Модель адаптивного сглаживания.

2.3.1. Взвешенный МНК.

2.3.2. Обобщенный МНК.

2.3.3. Взвешенный метод прогноза корреляций

2.3.4. Взвешенный смещенный МНК.

2.3.5. Метод однократного деления.

2.3.6. Метод многократного коррелирования.

2.3.7. Выбор алгоритма оценивания параметров сглаживания.

Глава 3. Разработка подсистемы многократно адаптивной идентификации для системы прогнозирования экономических показателей.

3.1. Структура и принцип действия системы прогнозирования экономических показателей.

3.2. Проблема выбора показателя качества адаптивных прогнозных моделей.

3.2.1. Оценивание точности прогнозирования.

3.2.2. Показатель стабильности.

3.2.3. Критерий регулярности.

3.2.4. Критерий Бокса-Пирса.

3.2.5. Применение показателей качества моделей в МАСИ экономических показателей.

3.3. Сравнение прогнозов моделей МАСИ экономических показателей.

3.4. Выбор модели прогнозирования.

3.5. Идентификация колебательных процессов по сильно зашумленным выборкам.

3.6. Общая схема алгоритма МАСИ экономических показателей

3.7. Выводы.

Глава 4. Комплексная система прогнозирования экономических показателей.

4.1. Назначение и состав системы ГОНГ.

4.2. Особенности программной реализации системы

ГОНГ.

4.4. Применение системы ГОНГ в комплексах задач управления,изучения и прогнозирования спроса.

4.4.1. Состав и назначение комплексов задач

4.4.2. Решение задач квартального прогнозирования объёма и структуры розничного товарооборота по УССР и в областном разрезе.

4.5. Реализация структурной схемы саморрганизую-щихся систем идентификации с помощью системы

ГОНГ.

4.6. Выводы.

Проникновение тенденций автоматизации и оптимизации практически во все сферы деятельности человека является характерной чертой научно-технической революции и объясняется постоянной необходимостью повышения производительности труда и экономичности с одной стороны и возрастающими возможностями общества (развитие наук,растущий материальный уровень) с другой.

Создание мощных ЭВМ привело к появлению качественно новых возможностей у методов исследования.Эти возможности основаны на использовании вычислительной и прикладной математики.Наука,разрабатывающая общие принципы срздания систем управления и систем для автоматизации умственного труда,получила название кибернетики.

Общей задачей таких направлений технической кибернетики как прогнозирование,распознавание образов,оптимальное управление и других является построение математической модели объекта или процесса.Теория идентификации,как средство построения математической модели на основе априорной и апостериорной информации,получила наибольшее развитие в шестидесятые-семидесятые годы. Значительно расширилось множество алгоритмов идентификации,широкое практическое применение которых связано с созданием автоматизированных систем обработки данных (АСОД).

Одним из важных приложений теории идентификации является прогнозирование временных рядов.Для экономики,как науки,стал характерным прогнозирующий характер.Необходимость решения задач прогнозирования экономических показателей возникает сравнительно часто.В качестве примеров можно назвать задачи прогнозирования объёма и структуры розничного товарооборота,прироста товарных запасов в розничной торговле,продажи билетов в железнодорожных и авиа-кассах.

Прогнозирование экономических показателей является первым этапом планирования.Прогноз и план различаются способами оперирования информацией о будущем.Как отмечается в §4] ¡"Вероятностное описание возможного или желательного-это прогноз.Директивное решение относительно мероприятий по достижению возможного желательного-это план." Прогноз и план могут разрабатываться независимо друг от друга.Но эффективному,оптимальному плану должен предшествовать прогноз.

В условиях развитого социалистического общества требования к планированию постоянно возрастают.Народнохозяйственные планы призваны обеспечить осуществление курса Коммунистической партии Советского Союза на наиболее полное удовлетворение материальных потребностей населения.

ХХУ1 съезд КПСС,выдвигая широкую программу социального развития и роста народного благосостояния,в качестве первоочередной определил [1,2]задачу улучшения снабжения населения продуктами питания.С этой целью разработана продовольственная программа СССР [з] до 1990 года,в которой поставлена задача"используя возросший экономический потенциал страны,обеспечить в возможно сжатые сроки устойчивое снабжение населения всеми видами продовольствия" .

Поставленные задачи определяют актуальность проблемы повышения качества решения задач прогнозирования экономических показателей, автоматизации всех этапов расчета прогнозов. Экономическое прогнозирование основано на гипотезе,что основные факторы и тенденции прошлого периода сохраняются на прогнозном периоде.Реальный процесс протекает в изменяющихся условиях.На временной ряд воздействуют в разное время различные факторы.Одни из них по каким-то причинам ослабляют свое влияние,другие усиливают.Как правило, экономические процессы являются нестационарными [57].

Наибольшей стационарностью характеристик временного ряда обладают агрегированные показатели,особенно макроэкономические показатели.

В современных условиях экономист-прогнозист часто имеет дело с временными рядами,в которых устаревшие данные при моделировании оказываются не только бесполезными,но даже вредными. ' Поэтому приходится строить модели,опираясь на малое количество самых свежих данных. Статистическое описание процесса невозможно, вследствие ограниченности выборки и неопределённости априорных характеристик. Реальным выходом является построение моделей с адаптивными свойствами.

Цель адаптивных методов прогнозирования заключается в построении самонастраивающихся экономико-математических моделей, способных отражать изменяющиеся во времени условия,учитывать информационную ценность различных членов временной последовательности, давать достаточно точные оценки будущих членов ряда.

При наличии универсального адаптивного метода задача прогнозирования была'бы решена. Отсутствие такого метода и математического аппарата для аналитического определения оптимальной модели и алгоритма оценивания её параметров значительно усложняет задачу.

В работе [57 с.1311 отмечается:"Применение моделей с адаптивной структурой вызывает множество вопросов,ответить на которые пока трудно.Это прежде всего вопросы,касающиеся выбора исходных предикторов для формирования базового набора и регулирование инерционности переключения с модели на модель.Однако это направление перспективно для дальнейших исследований."

В настоящее время ещё не выработан единый общепринятый подход к решению задачи идентификации объекта или процесса и при каждом конкретном решении данной задачи приходится проявлять определенное искусство,использовать личный опыт.

При прогнозировании взаимосвязанных экономических показателей часто возникает задача балансирования спрогнозированных иерархических структур.При прогнозировании экономических иерархических структур возрастают требования к точности прогнозирования, так как плохие прогнозы после балансировки становятся еще хуке,а серьёзные погрешности в отдельных прогнозах отражаются на прогнозах других показателей.

При прогнозировании таких экономических показателей,как структура товарооборота,товарных запасов периодически может меняться прогнозируемая структура.Это связано с появлением новых товаров, слиянием различных товарных групп в одну,разбиением одной товарной группы на несколько других и т.д.Такие изменения могут стать причиной быстрого "старения" программного обеспечения задач прогнозирования. Другой причиной "старения" программного обеспечения является необходимость совершенствования прогнозных моделей в процессе накопления информации за прошлый период,т.е. с увеличением длины временных рядов,ввиду разработки моделей более адекватно описывающих данный экономический процесс.Часто для разработки планов бывает полезным не один только вариант прогнозов экономических показателей,а многовариантный прогноз с использованием различных моделей прогнозирования.Все это создает определенные трудности в разработке программного обеспечения задач прогнозирования.В связи с этим,до настоящего времени отсутствовало универсальное программное обеспечение решения задач и расчеты выполнялись в . полуавтоматическом режиме с привлечением специалистов в теории прогнозирования.

Это являлось серьёзной преградой на пути широкого внедрения методов прогнозирования для решения таких важных народнохозяйственных задач как автоматизированное управление торговлей,изучение и прогнозирование спроса на товары народного потребления.Так,для решения только одной задачи прогнозирования структуры розничного товарооборота по УССР в областном разрезе необходимо рассчитать около 3000 прогнозов.С учетом сказанного становится очевидным,что система идентификации,в которой решается задача выбора оптимальной модели прогнозирования, представляет большую практическую ценность,т.к. позволяет с помощью ЭВМ решать большое количество задач прогнозирования.Примером такой системы идентификации являются системы,построенные на основе метода группового учета аргументов ( МГУА )[35,36,41].

Основная идея МГУА : селекция моделей путем минимизации некоторого эвристического критерия,обладающего свойствами "внешнего" дополнения [36] .В результате может быть найдена модель оптимальной ( в определенном смысле ) сложности.Работы ведутся школой исследователей,возглавляемой А.Г.Ивахненко,в институте кибернетики АН УССР,а также в США [49]и Японии [50]. Широкая область применения алгоритмов МГУА охватывает задачи долгосрочного прогнозирования,распознавания образов,идентификации характеристик [36] .

Алгоритмы МГУА обладают рядом адаптивных свойств, но требуют больших вычислительных затрат и не всегда приводят к физически обоснованной структуре прогнозирующей модели.

Для задач прогнозирования экономических показателей на сравнительно небольшую перспективу ( от I до 10 лет ) находят широкое применение адаптивные методы [45, 57, 58, 64, 91, 97] , учитывающие динамику временных рядов.

В работе[72]различные системы идентификации упорядочиваются на основе принципа многократной адаптивности[65,79,81].

Согласно приведенной классификации систем идентификации по степени адаптивности,система идентификации для решения задачи определения оптимальной структуры модели,алгоритма оценивания параметров этой модели,а также параметров адаптации этого алгоритма по заданному векторному критерию качества называется многократно адаптивной системой идентификации в широком смысле ( МАСИ).Системы,построенные на основе алгоритмов МГУА,являют-ся примерами МСИ ( при одноэлементном множестве алгоритмов оценивания параметров).Опыт разработки и исследования алгоритмов МГУА,а также МАСИ [52,7l]показывает,что этот класс систем идентификации обладает характерными для всего класса особенностями, определяющими более высокую степень сложности в структуре системы идентификации по сравнению с адаптивными системами идентификации ( АСИ ) [72].

Цель диссертационной работы- разработка системы прогнозирования для автоматизации больших по объёму расчетов прогнозов временных рядов экономических показателей,При прогнозировании взаимосвязанных экономических показателей после прогнозирования временных рядов следует процедура балансировки спрогнозированных иерархических структур.Это усложняет прогнозную задачу, т.к. отдельные "плохие" прогнозы обычно становятся еще хуже,а также искажают другие прогнозы.Поэтому требования к качеству прогнозов возрастают.Система прогнозирования должна обеспечить высокое качество прогнозов,снизить требования к квалификации прогнозистов.Поставленная цель определяет актуальность диссертационной работы.Для эффективного применения системы прогнозирования в работе исследуются сравнительные характеристики прогнозных моделей и алгоритмов оценивания их параметров,помехоустойчивость критериев селекции.

Для решения поставленных задач применялась теория временных рядов,регрессионный анализ,системный анализ,методы машинного моделирования,теория системного и проблемного программирования для ЭВМ.Для решения задачи селекции моделей и алгоритмов оценивания параметров моделей и параметров адаптации алгоритмов применялся принцип самоорганизации,который заключается в переборе вариантов с селекцией лучших значений по заданным критериям качества.

Научная новизна диссертационной работы состоит в следующем:

- разработана и исследована новая форма критерия минимума сме-щения-показатель стабильности,который обладает высокой помехоустойчивостью, расширяет область применения на временные ряды с сезонной компонентой;

- предложена модификация модели Уинтерса для прогнозирования на коротких временных рядах;

- предложена модификация алгоритма метода многократного коррелирования;

- исследованы сравнительные характеристики различных критериев селекции моделей,моделей прогнозирования и алгоритмов оценивания параметров моделей;.

- разработана автоматизированная система прогнозирования временных рядов экономических показателей с многократно адаптивным идентификатором,позволившая повысить точность прогнозирования.

На защиту выносятся следующие основные положения:

1. Реализация системы прогнозирования экономических показателей в виде пакета прикладных программ с высоким быстродействием, универсальными средствами языка управления.

2. Новая форма критерия минимума смещения-показатель стабильности.

3. Модификация алгоритма оценивания параметров модели Уинтерса для коротких временных рядов.

Модификация алгоритма метода многократного коррелирования.

5. Результаты,полученные при исследовании критериев селекции, моделей прогнозирования и алгоритмов оценивания параметров, в том числе их сравнительные характеристики и параметры эффективного применения.

6. Результаты расчетов с помощью МАСИ на реальных задачах.

Диссертационная работа состоит из введения,четырех глав, выводов,списка литературы и приложения,содержащего материалы по внедрению результатов работы,

4. 6. Выводы

1. Разработана открытая по структуре комплексная система ГОНГ в виде ППП для решения задач прогнозирования иерархических систем экономических показателей,которая включает в качестве подсистем: систему прогнозирования,систему для операций с временными рядами ш систему балансирования спрогнозированных иерархических структур.

2. Применение специального языка для управления системой ГОНГ позволяет без применения дополнительного программирования настраивать систему на решение произвольных задач прогнозирования. Система команд языка управления достаточно проста для пользователей, не обладающих навыками прогнозирования,и в то же время представляет широкие возможности для квалифицированного применения системы.

3. Использование системного журнала повышает надежность системы ГОНГ,а также позволяет выполнять расчеты,требующие большого расхода машинного времени,по частям.

4. Рассмотрены комплексы задач управления торговлей,изучения и прогнозирования спроса,в которых применяется система ГОНГ и на примере задач квартального прогнозирования последовательность операторов языка управления прогнозами для решения этих задач. Из 42 задач комплексов 30 задач решаются средствами системы ГОНГ.

5. Расчет с помощью системы ГОНГ многовариантного прогноза на основании экспертных корректировок и выбора лучшего варианта многомерного прогноза по критерию баланса переменных позволяет систему идентификации рассматривать как самоорганизующуюся систему.

164 ЗАКЛЮЧЕНИЕ

1. Выполнен критический анализ методов и средств прогнозирования. Показана перспективность систем прогнозирования с МАСИ-иденти-фикатором.

2. Разработана структура автоматизированного комплекса (ГОНГ) с МОИ -идентификатором для задач прогнозирования и балансирования прогнозов взаимосвязанных экономических показателей.

3. Разработаны алгоритмы функционирования элементов комплекса ГОНГ:

- проекторы,обеспечивающие выбор базового набора моделей и алгоритмов оценивания их параметров на основе экспресс-анализа временных рядов;

- новая форма критерия несмещенности - критерий стабильности с повышенной помехоустойчивостью,процедура свертывания векторного критерия в скалярный,сильно коррелируемый с физически нереализуемым критерием точности прогноза;

- новые модификации модели Уинтерса для коротких рядов метода многократного коррелирования;

- специальный язык высокого уровня для описания произвольных прогнозных задач.

4. Осуществлена практическая реализация теоретических разработок в комплексе ГОНГ в виде пакета программ с интерпретатором языка управления прогнозами.

5. Решена сложная народнохозяйственная задача автоматизации прогнозирования большого количества временных рядов различного класса при неизвестных помехах с минимизацией труда экспертов.

165

1. Материалы ХХУ1 съезда КПСС-М.".Политиздат,1981.-223 с.

2. Основные направления экономического и социального развития СССР на I98I-I985 годы и на период до 1990 года.-М.: Политиздат, I98I.-95 с.

3. Продовольственная программа СССР на период до 1990 года и меры по её реализации¡Материалы майского пленума ЦК КПСС 1982года.-М.: Политиздат,1982.-III с.

4. Алексеев A.A. О задачах балансирования и выравнивания динамических рядов в AZ -мерном пространстве-Кибернетика,1977, № 2 с.65-67.

5. Андерсон Т. Статистический анализ временных рядов М.: Мир,1976- 755 с.

6. Андрукович П.Ф. Метод главных компонент-сб.: Заводская лаборатория, М.,1970, №3, с. 312-316.

7. Антакавючюс К.А. Об одном подходе к оценке вероятности и достоверности отраслевых прогнозов- В кн.: Экономика и математические методы. М., 1976,т.12,вып.с 709-720

8. Архипов А.Е.,Герасимович В.А.,Сильвестров А.Н.,Тимошин Ю.А. Модель одной информационно-измерительной системы с адаптацией на инвариантность сб.:Адаптивные САУ,Киев : Техн1ка 1977, й 5, с.32-37.

9. Бард Й. Нелинейное оценивание параметров- М.: Статистика, 1979, 149 с.

10. Беликов В.И. Эвристические алгоритмы балансировки гиперструктур и их свойства- В кн.: Экономико-математические модели прогнозирования экономических показателей.Киев (Знание),1978, с.18-23.

11. Белый Б.Н.,Дербенцев Д.А.,Юхименко А.И. Экономико-математические методы прогнозирования спроса.-Киев: Киевский торгово-экономический институт,1979,-56 с.

12. Белый Б.Н.,Гребенкин Г,Г.,Дербенцев Д.А. Прогнозирование структуры спроса населения при дефиците некоторых товаров.

13. В кн.: Вопросы физико-математической и технической подготовки специалистов торговли и общественного питания М.,1971, с.20-29.

14. Белявский В.Н. Взаимоувязка демографических прогнозов различных уровней.- В кн.: Моделирование экономических систем.Вильнюс, 1979, вып. 17, с.65-71.

15. Беккенбах Э,Беллман Р. Неравенства М.:Мир,1965- 276 с.

16. Бокс Дж.,Дженкинс Г. Анализ временных рядов,прогноз и управление М.: Мир,1974,вып.1,406 с.

17. Болдаков В.И. Метод получения результативного прогноза из заданного ряда.-Механизация и автоматизация управления,1982, №4, с 3-7.

18. Бредов В.М.,Левин А.И. Экономико-математические модели спроса и расчеты на их основе- М.: Экономика,1969-149 с.

19. Васильев Ф.П. Лекции по методам решения экстремальных задач. М.: изд-во МГУ,1974- 374 с.

20. Венецкий И.Г. Кильдинов Г.С. Основы теории вероятностей и математической статистики.-М.:Статистика,1968-360 с.

21. Виленкин С.Я.Статистические методы исследования стационарных процессов и систем автоматического регулирования.М.: Сов.радио, 1967.-200 с.

22. Высоцкий В.Н.,Ихара Д.Повышение помехоустойчивости критериев селекции МГУА при помощи векторного представления и использования минимаксных форм.-Автоматика,1978,№ 3 с.21-28

23. Гаусс К.Ф.Способ наименьших квадратов.-В сб.: Избранные геодезические сочинения,т.I М.: Геодезист,1957.-152 с.

24. Гвишиани Д.М.,Лисичкин В.А. Прогностика- М.: Знание,1968. 91 с.

25. Горелик H.A.,Френкель A.A. Новые направления в анализе и прогнозировании временных рядов- В кн.: Методологические проблемы анализа и прогноза краткосрочных процессов.М., 1972,с.27-57.

26. Гребенкин Г.Г.,Дербенцев Д.А. Прогнозирование структуры спроса при заданном его объёме- В кн.: Вопросы физико-математической и технической подготовки специалистов торговли и общественного питания.Киев,1971, с.3-11.

27. Гребнев А.И. Экономико-математические методы прогнозирования розничного товарооборота государственной и кооперативной торговли.Киев : УкрНИИНТИ,1969. 60 с.

28. Грис Д. Конструирование компиляторов для цифровых вычислительных машин.М.: Мир, 1975- 542 с.

29. Гроот Н. Оптимальные статистические решения.- М.: Мир,1974-431 с.

30. Давидович Б.Я.,Лахман И.Л.,Назаров P.O.»Френкель М.Г. Методы прогнозирования спроса М.: Экономика,1972-174 с.

31. Дарбинян М.М. Соотношение спроса и предложения,оценка точности прогнозов,,спроса-B кн.: Ориентация и методы изучения спроса: Материалы конференции.М.,1971,с.173-184.

32. Дьякова Н.С.,Круг Г.К. Математическое описание и оптимизация многофакторных процессов- В кн.:Труды МЭИ,вып.ХУП,1966.

33. Евдокимова Ж.В. Методы измерения степени влияния различных факторов на погрешность прогноза структуры товарооборота.-Обзорная информация ЦНИИНТЭИ торговли,1981,вып.4-69 с.

34. Евдокимова I.В.,Виноградова Н.Р.,Роскина Г.А. Анализ точности квартальных прогнозов.-Экспресс информация ЦНИИНТЭИ торговли. Сер.: Изучение конъюнктуры торговли и спроса населения на товары народного потребления.М.,1978,вып. 1-20 с.

35. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами.Киев: Техника, 1975.- 312 с.

36. Ивахненко А.Г. Кибернетика-наука о моделировании связи и управления в сложных системах.Киев,-Автоматика,1982, ® I. с. 3-15.

37. Ивахненко А.Г. О "Золотой книге" сбывшихся долгосрочныхпрогнозов.Киев,- Автоматика,1982, № 2, с.87-92.

38. Ивахненко А.Г.,Высоцкий В.Н.,Ивахненко H.A. Основные разновидности критерия минимума смещения модели и исследование их помехоустойчивости.Киев,-Автоматика,1978, № I,с.32-53.

39. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем.Киев: Наукова думка,1982 296 с.

40. Ивахненко А.Г.,Степашко B.C. Численное исследование помехоустойчивости многокритериальной селекции моделей.Киев,-Автоматика, 19 82, № 4,с.26-36.

41. Ивахненко А.Г.,Лапа В.Г. Предсказание случайных процессов. Киев:Наукова думка,1971.-416 с.

42. Илюша С.Н. Математическая модель оптимальной корректировки расчета и баланса доходов и расходов населения.- В кн.: Разработка автоматизированной системы плановых расчетов в союзной республике,Киев,1971,с.137—141.

43. Йодан Э. Структурное проектирование и конструирование программ.".: Мир,1979.-416 с.

44. Карманов В.Г. Математическое программирование.М.:Наука, 1975.-272 с.

45. Кендэл М. Временные ряды.М.: Финансы и статистика.1982.-198 с.

46. Кендэл М. Ранговые корреляции.М.: Статистика,1975.-214 с.

47. Кику А.Г.,Костюк В.И., Краскевич В.Е.,Сильвестров А.Н. Шпит C.B. Адаптивные системы идентификации.Киев.:Техн!Ека, 1975.-288 с.

48. Клеопатров Д.И.,Френкель A.A. Прогнозирование экономических показателей с помощью метода простого экспоненциального сглаживания.- Основные проблемы и задачи научного прогнозирования.М.: Знание,1973-78 с.

49. Козубовський С.Ф. Розвиток метода групового врахування (МГВА) у США.-Автоматика,1974,№ I с.84-89,fâ 2 с.73-82.

50. Козубовський С.Ф. Розвиток теорП самоорганизацП на МГВА у ЯпонИ.-Автоматика, 1975 Л& 2,с.81-89.

51. Кондратьев Н.Д. Проблема предвидения.-Вопросы конъюнктуры, 1926,Т.2,вып.I,с.1-43.

52. Костюк В.И.,Сильвестров А.Н.,Юдин А.Ю. Многократно адаптивная система идентификации МАСИ-I и ее применение.Киев.- Вестник Киевского политехнического института,1980,№4,с.3-9.

53. Костюк В.И. Беспоисковые градиентные самонастраивающиеся системы.-Киев: Техн1ка,1969.-275 с.

54. Круг Г.К.,Сосулин Ю.А.,Фатуев В.А. Планирование эксперимента в задачах идентификации и экстраполяции.-М.: Наука,1977.-208 с.

55. Крысанова Т.В.,Сильвестров А.Н.,Юдин А.Ю. Применение многократно адаптивной системы идентификации МАСИ-2 при прогнозировании экономических показателей.Киев: Техн1ка.

56. Адаптивные системы автомат.упр.: Респ.межвед.науч.-техн.сб., 1983,вып.II,с.129-132.

57. Кузнецова К.С.,Голодненко В.Н. К вопросу о количественной . оценке точности прогноза -В кн.: Экономика и математические ме т оды.М.,19 71,Т.7,вып.6,с.843-849.

58. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования М.: Статистика,1979-254 с.

59. Лукашин Ю.П. Программы адаптивных методов прогнозирования на фортране-1У.М.: издтво ИМЭМО АН СССР,1978.-87 с.

60. Любич 10.И.,Майстровский Г.Д.Общая теория релаксационных процессов для выпуклых функционалов.- Успехи математических наук. 1970,№ I с.57-112.

61. Маркова Е.В.,Лисенков А.Н. Комбинаторные планы в задачах многократного эксперимента.-Ы.: Наука,1979-348 с.

62. Поляк Б.Т.,Цыпкин Я.З. Помехоустойчивая идентификация.-Труды 1У Симпозиума ИФАК "Идентификация и оценка параметров систем1', препринты ИПУ,ч.1 М.: 1976,с.190-213.

63. Программа обслуживания символических библиотек.-В кн.: ОС ЕС. Утилиты.Преобразование,вывод на печать и перфорация наборов данных.Руководство программиста.Ц 51. 804.002 Д 15.

64. Пугачев B.C. Теория вероятностей и математическая статисти-ка-гМ.: Наука, 1979.- 496 с.

65. Рабочая книга по прогнозированию . Редкол.: Ю. Бестужев-Лада ( отв.ред.) -М.: Мысль,1982.- 430 с.

66. Райбман К.С. ( ред.) Основы управления технологическими процессами.- М.: Наука,1980.- 440 с.

67. Рожков Л.Н.,Френкель A.A. Выбор оптимального параметра сглаживания.- Основные проблемы и задачи научного прогнозирования. М. :3нание,1971.-65с.67, Саридис Дж. Самоорганизующиеся стохастические системы управления. М.: Наука,1980.-440 с.

68. Себер Дж. Линейный регрессионный анализ.М.:Мир,1980.-456 с.

69. Сейдж Э.,Мелса Дж. Теория оценивания и её применение в связи и управлении. М.: Связь,1976.-495 с.

70. Серебренников М.Г.,Первозванский A.A. Выявление скрытых пери-одичностей.М.: Наука,1965.-224 с.

71. Сильвестров А.Н.,Юдин А.Ю. Программа многократно адаптивной системы идентификации МАСИ-1.РФАП,Киев,ИК АН УССР,1980,per. № 5305.

72. Сильвестров А.Н. К вопросу классификации методов идентификации по степени адаптивности.Киев,-Автоматика,1981,116 с.7-13.

73. Сильвестров А.Н.,Папченко О.М. Многократно адаптивные системы идентификации. Киев:Техн1ка,1983.-III с.

74. Сильвестров А.Н.,Черная Л.Н.,Черный Н.И.,Яценко Ю.В. Применение принципа многократной адаптивности при идентификации сложных систем.- В кн.: Адаптивные САУ.-Киев: Техн1ка,1976, вып.4, с.68-75.

75. Сильвестров А.Н.,Юдин А.Ю. Алгоритм идентификации колебательных процессов по сильно зашумленным выборкам.Киев,- Вестник Киевского политехнического института, 1980,№4,с.26-30.

76. Старик Д.Э.,Каспин В.И. Прогнозирование и эффективность научно-технического прогресса. М.: МИ, 1975.-60 с.

77. Тейл Г. Прикладное экономическое прогнозирование.М.: Прогресс, 1970.-509 с.

78. Успенский В.А. Теорема Гёделя о неполноте. М.: Наука,1982.-112 с.

79. Фельдбаум A.A. Основы теории оптимальных автоматических систем .-М.: Физматгиз,1963.-552 с.

80. Френкель A.A. Математические методы анализа динамики и прогнозирования производительности труда.М.: Экономика,1972.-190 с.

81. Цыпкин Я.З. Адаптация и обучение в автоматических системах. -М.: Наука,1968.-339 с.

82. Четыркин Е.М. Статистические методы прогнозирования.-М.:Статистика, 1977 .-200 с.

83. Шоймарь В.А. Классификация методов прогнозирования производительности труда.- В кн.: Совершенствование экономических методов управления производством.Кишинев.1980.с 3-12.

84. Шпак Б.К. К вопросу о точности конъюнктурных прогнозов НИИ экономики (ФРГ),-М.: Наука,1979.-45 с.

85. Эйкхофф П. Основы идентификации систем управдения.М.: Мир, 1975.-683 с.

86. Юдин А.Ю. Многократно адаптивная система идентификации при решении задачи прогнозирования экономических показателем.

87. Рукопись депонирована в Укр НИИНТИ,№ 284 Ук-Д 83 )

88. Юдин А.Ю. Пакет прикладных программ прогнозирования экономических показателей ГОНГ.

89. Рукопись депонирована в Укр НИИНТИ,№ 283 Ук-Д 83 ).

90. Юдин А.Ю. О применении показателя стабильности в многократно адаптивных системах при прогнозировании временных рядов. Киев,-Вестник Киевского политехнического института,1984.

91. Ямпольский С.М.Дилюк Ф.М.»Лисичкин В.А. Проблемы научно-технического прогнозирования.-М.: Экономика,1969.-143 с.§0. bate* J.M^Gbcvujpt C.W.J. 37ul сятвгАдИои. of jobcajt,

92. Ор&их21<?каЛ КщлъсА 20 Л/Ч, р> 451-46S.

93. Ьсогйп R.Cr., mey&i R.F. /Wä^/tùU tAevbz/n of typoswiticut VmootfUng -OpebaZôoruU AeitabcA ßecatfotp. 1961tv. р. 673-esr.

94. Въ&ыГя -fabooÛUtuj,ftwaxi&ng /Усмйс£и?н. ¿¿UMXZL Uwjl ьеъш. — M Y., 1963 . 12$ p ■93.^uM¿cÁ I. Üj&vt du ncunx^iycAt тГоп dU BéblocUzLtattJi oond ÍÁwl Bvz¿eÁuA#etb Zùun1Ыи»ису (foot, 1953.94.1=ЬлЛоуО/ь P.J. j&ovt-Übm-102p

95. Шлыуо*. P. J., -ШЫ С. К & ВарЫал to iAtá

96. Ъшъ. . -Oprnáctsud ЙщсьъсА Quatâty, Mfy У- 22,p.3H4~36Z.

97. Rao A.&., ihxfiiboA. irrutetAly u&vng ipcoOva., ~ in^Mg&Mjesit íclmct, 19Ï0, /?, <Y3,97. $he¿¿ U/á#ed -j. -io/ni 01 fetecañóy.

98. QÎ. 3).W.9 LmcA A. i}. éix^>om*vtc¿t£ кШ, ^acCaptùfr WpOMC . OpjyuxZíenaJL foteesccA Qi^axfoty,i967y V.1S, p- £9.gg. vUtávit P. R. iW^y fy

99. VWifaig wfoutgiA. -iùmu^'tp. 324-342.внедрения результатов диссертационной работы Юдина А.Ю. "Система прогнозирования с многократно адаптивным идентификатором для экономических показателей"

100. Решению проблемы создения типовых программных средств для задач рогнозирования экономических показателей посвящена научная работа )дина А.Ю.

101. При создания прикладного математического обеспечения ППП ГОНГ были успешно применены следующие теоретические и практические результаты диссертационной работы Юдина А.Ю.

102. Открытая по СЕоей структуре многократно адаптивная система идентификации для прогнозирования экономических показателей.

103. Новый критерий селекции показатель стабильности, позволяющий более эффективно оценивать качество прогнозирования и производить селекцию моделей и алгоритмов оценивания параметров.

104. Алгоритм определения базового набора моделей прогнозирования по априорным характеристикам временного ряда.

105. Исследования на реальной информации сравнительных характеристик моделей прогнозирования, алгоритмов оценивания их параметров и критериев качества прогнозирования.

106. Модификация модели Уинтерса для коротких временных рядов.

107. Модификация алгоритма оценивания метода многократного коррелирования.

108. Средства языка управления прогнозами.

109. После внедрения комплексов задач на уровне Минторга СССР и других союзных республик соответственно возрастет экономический эффект от внедрения ШШ ГОНГ.

110. Научный руководитель темы,зав.отделом 3.2 -^/hj^J ПРОХОРОВ A.M.1. Представители заказчика:

111. Начальник плэноео-экономи-ческого управления Минис-, терства торговли УССР, fcчлен коллегии Министерства? Н.Д.1. Ведущий экономист ^

112. ПЗУ Минторга ' — СИЗОНЕНКО М.А.1, "1. УТВЕРЖДАЮ:ьншкдиректор зйублй^аяского объединения '¿^т^^гЫШ емота хяика "г> л ■ о .•МЛ^"Сктзипник П.М. ^гШё* а ¿/ 1984 г.

113. Место и Еремя внедрения Р0 "Укрторгсистемотехниха" 1983г.

114. Методика определения экономической эффективности,, используемая в расчетах.

115. Исходные данные,необходимые для расчета экономической эффективности.

116. Сметная стоимость разработки ППП ГОНГ 82000 руб.

117. Стоимость I машино-часа. 80 руб. (прейскурант А/У-01 МОСКВА 1981 ).

118. Повышенная ставка за банковский кредит 4%.

119. Снижение сверхнормативных запасов в результате внедрения ППП ГОНГ составляет 11,8 млн.руб. ^установлено в техническом проекте расчета экономической эффективности по теме 811041;.

120. Нормативный коэффициент экономической эффективности капитальных вложений в торговле, утвержденной Госпланом СССР 0.31.

121. П. Расчет экономической эффективноети.

122. Годовая экономия от внедрения ППП ГОНГ определяется по формуле1. Эгод = д П ¿Сэкспл.где д/7 прирост прибыли, руб.

123. ДП = 117^0Х 4 х 0,71 = 334552 руб.

124. После внедрения ППП ГОНГ общее количество машинного времени нап О •расчеты увеличилось

125. А С эк сп. = (С 2 Хр= 42-33 х 80 = 720 руб.где Сг я С2 соответственно затраты машинного времен:! до и после внедрения ППП ГСКГ в машино-часах , ^ -стоимость машино-часа.

126. Годозая экояошя от внедрения

127. Згод = 334552 720 = 333632 руб.

128. Годозой экономический эффект определяется по формуле:1. Э = Згод Еа х Кд ,где Ен- нормативный коэффициент экономиче ской эффективности капитальных вложении в торговле;• Кд -затраты,связанные с созданием и организацией функционирования спстемы,руб.

129. Предпроизводственные расходы,связанные с созданием КПП ГОНГ1. КА , КА + кА ,где Кд ~ предпропзводствеьшые затраты,

130. Кд затраты на приобретение и модернизацию оборудования и строительно-монтажные работы,связанные с внедрением ШШ ГОНГ.

131. Так как ППП ГОНГ внедрен взамен устаревшего программного обеспечяния,технологическое оборудование до и после внедрения пакета остается неизменным = 0

132. К^ = 82000 + 0 = 82000 руб.1. Э = 333832 0,31 х 82000308412 руб.

133. Расчетный коэффициент эффективности затрат на создание ППП ГОНГ определяется по формуле:1. КЛтртл — 333832 л г\г1 = ШШГ 4»07

134. Срок окупаемости затрат на создание ППП ГОНГ определяется по формуле:1. Т =Л1. Эгод

135. Т = вЦнЗ^*^ 0,25 года = 4 месяца.1. Ш.Заключение.

136. Ожидаемый годоеой экономический эффект от внедрения 308412 руб.

137. Сметная стоимость создания ППП ГОНГ 82000 руб.

138. Коэффициент эффективности затрат 4,074.Срок окупаемости4 месяца

139. Руководитель темы за е. отделом 3.21. Представители заказчика:

140. Начальник плаково-экономиче^-«»лЗ^ кого управления Минис тере торговли УССР, ^член коллегии Министерст;

141. Ведущий .экономист ПЭУ Министерства торговли УССР1. ПРОХОРОВ А.М.

142. ПАЗУХА Н.Д. СИ30НЕНК0 М.А<

143. А Ю " ФИЛИАЛЕ ВНИИКСа С „РЕЗНИК1382г.1. АКТ

144. ВШДШИЯ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ ВДИНА АвЮ0 "РАЗРАБОТКА И ИССЛЕДОВАНИЕ МНОГОКРАТНО АДАПТИВНОЙ СИСТШЫ ВДЕНТИФИКАЦИИ ПРЛ РЖЕНИИ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ"

145. Зв1о Впервые осуществлена программная реализация всех элементов' МАСИ, алгоритма их взашлодействия,

146. Примеры прогнозов на известный период. Исходный временной рядM