Бесплатный фрагмент - Основы прогнозирования в строительной отрасли
«Основы прогнозирования в строительной отрасли»
Содержит краткие лекционные материалы, теоретические и экспериментальные материалы к подготовке и выполнению лабораторных работ по дисциплине «Основы прогнозирования в строительной отрасли» (для студентов специальности направления подготовки 08.03.01 «Строительство»). Рассмотрены основные вопросы, которые помогут освоить прогностическую деятельность будущим инженерам-строителям: основные понятия и методические основы прогнозирования; классификация методов прогнозирования; математические методы прогнозирования; интеллектуальные системы в прогнозировании достижений; комплексные системы прогнозирования; моделирование, как метод прогнозирования; организация прогнозирования; основные направления прогнозирования в строительной отрасли. Предложен ряд практических примеров прогнозирования в различных компьютерных программах: оценка уровня прогностической компетенции; линия тренда — как метод прогнозирования в MS Excel; прогнозирование с использованием статистических функций в MS Excel; принятие решений в MS Excel; прогнозирвоание выделения тепла при отвердении портланд-цемента; применение технологий Data Mining в задачах геологоразведки; использование деревьев классификации в задачах геологоразведки; использование системы Data Mining.
СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
ВВЕДЕНИЕ
Пожар в г. Кемерово, в торговом центре «Зимняя вишня» 25.03.2018г. и обрушение автомобильного моста Моранди 14.08.2018г. — это две последних крупных катастрофы, которые предположительно произошли по вине инженеров-строителей и других специалистов смежных отраслей, однако этот список можно продолжить огромным количеством примеров. Например, в 1919 году Бостон был затоплен патокой, из-за ошибки в изготовлении резервуара. В 1940 году обрушился Такомский мост. В 1980 году обрушилась подвесная галерея отеля «Hyatt Regency», унеся жизни 114 человек. В 2006 г. произошла утечка в Большом Бостонском тоннеле из-за выбора неправильного бетона при строительстве Big Dig. Есть ошибки инженеров-строителей, которые, к счастью, не привели к человеческим жертвам, однако вызвали критику специалистов строительной отрасли: место для строительства моста Конституции в Венеции выбрано неудачно, и возникают проблемы при передвижении по нему людей с ограниченными физическими возможностями; небоскрёб Bridgewater Place в Лидсе раскритикован за неуклюжий внешний вид, не вписывающийся в интерьер города; «Заповедник падающих домов» в Бразилии, в г. Сантос, где все дома построены под неестественным углом наклона, из-за чего возникает ощущение, что жить в этих домах небезопасно; по «танцующему мосту» в Волгограде решится пройти далеко не каждый, т.к. этот объект буквально шатается под ногами.
С 2014 года наш регион находится в состоянии экономической нестабильности, поэтому строительная сфера нуждается в модернизации. Качество подготовки инженера-строителя играет в этом ключевую роль. Главную роль в этой подготовке выполняют преподаватели вузов в ходе организации образовательного процесса.
Как верно отметил И. П. Подласый, в образовательном процессе необходимо оперативно диагностировать достигнутый студентами уровень развития, но мы считаем, что целесообразно и прогнозировать недочёты в образовании каждого отдельного студента, так и целого потока студентов, а также обучать студентов самостоятельному составлению подобных прогнозов. Ведь чем раньше мы узнаем о проблеме в усвоении преподаваемого материала, тем проще устранить последствия подобной ситуации, а если можно проблему предсказать заранее, то она может не возникнуть вовсе.
А. В. Платонова в книге [] рассматривает целый ряд прогностических ошибок инженеров, диспетчеров и управленцев, которые привели к гибели огромного числа людей: столкновение кораблей, поездов, самолётов. Жертв можно было бы избежать, если бы прогностическая компетенция была развита на достаточном уровне. Просчёты инженеров-строителей, сметчиков, экономистов привели к огромному количеству незавершённых объектов строительства, либо к бесконечному изменению сроков введения в эксплуатацию.
Инженерная деятельность не застрахована от возможности совершения ошибок. Вносимые в проект изменения могут быть не очень тщательно обоснованы или внесены с ошибкой, вызывая дополнительные трудности. Важным является умение прогнозировать результат заранее. Ощущается потребность в умении оперативно прогнозировать последствия любого поступка.
Целью учебной дисциплины «Основы прогнозирования в строительной отрасли» является формирование у студентов научного представления о методах прогнозирования, их практическом применении при решении задач прогнозирования в профессиональной деятельности.
Задачами дисциплины являются:
— формирование положительной мотивации к освоению и использованию прогнозирования;
— формирование теоретических знаний в области анализа и прогнозирования временных рядов и умений использовать математические методы для решения прогностических задач в строительстве;
— формирование критической оценки собственной прогностической деятельности;
— изучение возможностей интеллектуальных систем, как мощного средства прогнозирования.
Краткий курс лекций
Тема 1. Основные понятия и методические основы прогнозирования
План занятия:
— Терминология прогнозирования.
— Прогностическая компетенция.
— Методические основы прогнозирования.
— Принципы прогнозирования.
— Сущность концепции «прогноз — план».
— Психологическая составляющая прогнозирования.
— Этапы формирования прогностической компетентности.
Студент должен:
Знать: термины: научное предвидение, планирование, программирование, проектирование, цель, план, проект, прогнозный фон, прогностическая компетенция, прогностическая компетентность, прием прогнозирования, процедура, метод, методика, методология прогнозирования, способ прогнозирования, система прогнозирования; основные принципы и методические основы прогнозирования; сущность концепции «прогноз-план» и методические принципы анализа.
Уметь: различать научные типы прогнозов от обыденных, приводить примеры каждого из изученных типов предсказаний.
Владеть: методологическими основами прогнозирования.
Терминология прогнозирования
Научное предвидение основано на знании закономерностей развития природы, общества, мышления; интуитивное — на предчувствиях человека, обыденное — на так называемом житейском опыте, связанных с ним аналогиях, приметах и т. п.; религиозное псевдопредвидение (пророчество) — на вере в сверхъестественные силы, якобы предопределяющие будущее, на суевериях и т. п. Иногда понятие предвидения относят к информации не только о будущем, но и о настоящем и даже о прошлом.
Предсказание подразумевает описание возможных или желательных перспектив, состояний, решений проблем будущего.
Предуказание связано с собственно решением этих проблем, с использованием информации о будущем для целенаправленной деятельности личности и общества.
Предчувствие (простое предвосхищение) содержит информацию о будущем на уровне интуиции — подсознания.
Предугадывание (сложное предвосхищение) несет информацию о будущем на основе жизненного опыта, более или менее верные догадки о будущем, не основанные на специальных научных исследованиях.
Целеполагание — это установление идеально предположенного результата деятельности.
Планирование — проекция в будущее человеческой деятельности для достижения предустановленной цели при определенных средствах, преобразование информации о будущем в директивы для целенаправленной деятельности.
Программирование в этом ряду понятий означает установление основных положений, которые затем развертываются в планировании, либо последовательности конкретных мероприятий по реализации планов.
Проектирование — создание конкретных образов будущего, конкретных деталей разработанных программ. Управление в целом как бы интегрирует четыре перечисленных понятия, поскольку в основе каждого из них лежит один и тот же элемент — решение.
Эти термины могут быть определены и как процессы разработки прогнозов, целей, планов, программ, проектов, организационных решений. С этой точки зрения прогноз определяется как вероятностное научно обоснованное суждение о перспективах, возможных состояниях того или иного явления в будущем и (или) об альтернативных путях и сроках их осуществления.
Цель — решение относительно предположенного результата предпринимаемой деятельности.
План — решение относительно системы мероприятий, предусматривающей порядок, последовательность, сроки и средства их выполнения.
Программа — решение относительно совокупности мероприятий, необходимых для реализации научно-технических, социальных, социально-экономических и других проблем или каких-то их аспектов. Программа может являться предплановым решением, а также конкретизировать определенный аспект плана.
Проект — решение относительно конкретного мероприятия, сооружения и т. д., необходимого для реализации того или иного аспекта программы. Наконец, собственно решение в данном ряду понятий — идеально предположенное действие для достижения цели.
Важно подчеркнуть, что предсказание и предуказание тесно связаны между собой. Без учета этой связи невозможно понять сущность прогнозирования, его действительное соотношение с управлением. В предуказании может преобладать волевое начало, и тогда соответствующие цели, планы, программы, проекты, вообще решения оказываются волюнтаристскими, субъективистскими, произвольными (с повышенным риском неоптимальности, несостоятельности). В связи с этим желательно преобладание в них объективного, исследовательского начала, чтобы они были научно обоснованными, с повышенным уровнем ожидаемой эффективности принимаемых решений.
Важнейшие способы научного обоснования предуказаний — описание (анализ), объяснение (диагноз) и предсказание (прогноз) — составляют три основные функции каждой научной дисциплины. Прогноз не есть лишь инструмент такого обоснования. Однако его практическое значение сводится именно к возможности повышения с его помощью эффективности принимаемых решений. Только в силу этого прогнозирование за последние десятилетия приняло беспрецедентные масштабы, стало играть важную роль в процессах управления.
Прогнозы должны предшествовать планам, содержать оценку хода, последствий выполнения (или невыполнения) планов, охватывать все, что не поддается планированию, решению. Они могут охватывать в принципе любой отрезок времени. Прогноз и план различаются способами оперирования информацией о будущем. 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 чтобы план был эффективным, оптимальным, ему должен предшествовать прогноз, по возможности непрерывный, позволяющий научно обосновывать данный и последующие планы.
Прогнозный фон — совокупность внешних по отношению к объекту прогнозирования условий, существенных для решения задачи прогноза.
Прогностическая компетенция
Компетенция — требования к профессиональной подготовке, регламентирующиеся образовательными стандартами, безотносительные к личности студента; круг вопросов, в котором специалист обладает опытом; совокупность взаимосвязанных качеств личности, знаний, умений, навыков, необходимых для качественной продуктивной деятельности.
Компетентность — владение студентом компетенцией, обобщающее понятие знаний, мотивационной готовности, личностного опыта, способность к решению профессиональных задач, вид профессиональной компетенции, обеспечивающей построение научно-обоснованных прогнозов в ходе выполнения профессиональной деятельности [,,,].
Прогностическая компетентность — качество здоровой личности по обеспечению психологической адаптации, которое предотвращает, снижает частоту, неожиданность и остроту действия стрессогенных факторов; разновидность профессиональной компетенции, которая определяет требования к овладению одним из компонентов профессиональной подготовки к прогностической деятельности: деятельностного, когнитивного, рефлексивно-ценностного [,].
Прогностическая компетенция — результат образования, при котором уровень подготовленности студента профессиональной деятельности, знания, умения, навыки прогнозирования позволяют []:
— владеть знаниями, умениями и навыками процесса прогнозирования, отбора и логической переработки необходимой информации, анализа, определения тенденций изменения;
— иметь навыки планирования, целеполагания, программирования, проектирования;
— развивать способности понимания возможностей, способностей, путей совершенствования.
Методические основы прогнозирования
Прием прогнозирования — конкретная форма теоретического или практического подхода к разработке прогноза, одна или несколько математических или логических операций, направленных на получение конкретного результата в процессе разработки прогноза.
Процедура — ряд приемов, обеспечивающих выполнение определенной совокупности операций.
Метод — сложный прием, упорядоченная совокупность простых приемов, направленных на разработку прогноза в целом.
Методика — упорядоченная совокупность приемов, процедур, операций, правил исследования на основе одного или чаще определенного сочетания нескольких методов.
Методология прогнозирования — область знания о методах, способах, системах прогнозирования.
Способ прогнозирования — получение и обработка информации о будущем на основе однородных методов разработки прогноза.
Система прогнозирования («прогнозирующая система») — упорядоченная совокупность методик, технических средств, предназначенная для прогнозирования сложных явлений или процессов.
Общая логическая последовательность важнейших операций разработки прогноза сводится к следующим основным этапам:
— Предпрогнозная ориентация (программа исследования). Уточнение задания на прогноз: характер, масштабы, объект, периоды основания и упреждения и т. д. Формулирование целей и задач, предмета, проблемы и рабочих гипотез, определение методов, структуры и организации исследования.
— Построение исходной (базовой) модели прогнозируемого объекта методами системного анализа. Для уточнения модели возможен опрос населения и экспертов.
— Сбор данных прогнозного фона методами, о которых говорилось выше.
— Построение динамических рядов показателей — основы,* стержня будущих прогнозных моделей методами экстраполяции; возможно обобщение этого материала в виде прогнозных предмодельных сценариев.
— Построение серии гипотетических (предварительных) поисковых моделей прогнозируемого объекта методами поискового анализа профильных и фоновых показателей с конкретизацией минимального, максимального и наиболее вероятного значений.
— Построение серии гипотетических нормативных моделей прогнозируемого объекта методами нормативного анализа с конкретизацией значений абсолютного (т. е. не ограниченного рамками прогнозного фона) и относительного (т. е. привязанного к этим рамкам) оптимума по заранее определенным критериям сообразно заданным нормам, идеалам, целям.
— Оценка достоверности и точности, а также обоснованности (верификация) прогноза — уточнение гипотетических моделей обычно методами опроса экспертов.
— Выработка рекомендаций для решений в сфере управления на основе сопоставления поисковых и нормативных моделей. Для уточнения рекомендаций возможен еще один опрос населения и экспертов. Иногда (правда, пока еще редко) при этом строятся серии поствероятностных прогнозных моделей-сценариев с учетом возможных последствий реализации выработанных рекомендаций для их дальнейшего уточнения.
— Экспертное обсуждение (экспертиза) прогноза и рекомендаций, их доработка с учетом обсуждения и сдача заказчику.
Вновь предпрогнозная ориентация на основе сопоставления материалов уже разработанного прогноза с новыми данными прогнозного фона и новый цикл исследования, ибо прогнозирование должно быть таким же непрерывным, как целеполагание, планирование, программирование, проектирование, вообще управление, повышению эффективности которого оно призвано служить
Тенденции развития типичных прогнозируемых объектов.
В первую очередь необходимо выделить тенденцию постоянного сокращения их «жизненного цикла» (когда на смену одним объектам приходят качественно новые). Еще 30 — 40 лет назад этот цикл был сопоставим с длительностью среднего трудового стажа работника (например, технические системы не претерпевали существенных изменений деятельности), а ныне составляет обычно несколько лет.
Вторая тенденция состоит в стабилизации периода времени от момента формирования концепции, идеи нового объекта до реализации идеи, ее практического применения. «Реализационный цикл» больших технических систем в настоящее время составляет, например, 9–13 лег, и с этим необходимо считаться. Как известно, в отдаленном прошлом он был весьма значшелеп, измерялся иногда многими десятилетиями, но затем начал стремительно сокращаться. Ныне, в условиях НТР, этот процесс существенно замедляется в связи с резким усложнением самою характера объектов.
Третья тенденция определяется возрастанием количества возможных альтернатив решения изучаемой проблемы.
Принципы прогнозирования
Принцип системности требует рассматривать объект прогнозирования как систему взаимосвязанных характеристик объекта и прогнозного фона в соответствии с целями и задачами исследования.
Принцип природной специфичности предполагает обязательный учет специфики природы объекта прогнозирования, закономерностей его развития, абсолютных и расчетных значений пределов развития. При нарушениях этого принципа, особенно часто возникающих при формальной экстраполяции процесса, ошибки могут достигать больших размеров, а прогнозы — становиться просто абсурдными. Например, формальная экстраполяция роста скоростей транспортных средств дает в конечном итоге превышение скорости света, экстраполяция развития энергетики приводит к величинам, превышающим мощность энергии Солнца и т. д. Единственным способом избежать таких результатов^является логический анализ сущности и физических основ прогнозируемого процесса.
Принцип оптимизации описания объекта прогнозирования помогает разработать такое описание объекта в результате анализа, которое обеспечивало бы заданную достоверность и точность прогноза при минимальных затратах на его разработку. Под затратами здесь можно понимать трудоемкость прогнозирования в человеко-часах, затраты средств на сбор необходимой информации и ее переработку, машинное время на расчет прогнозных значений, затраты машинной памяти на хранение описания объекта либо некоторую комплексную характеристику перечисленных видов затрат. Этот обобщенный принцип можно разбить на ряд конкретных, частных принципов оптимизации описания:
Принцип оптимальности степени формализованности описания, требующий использования формализованных моделей в тех соотношениях с неформальными интуитивными способами описания, которые при выполнении требований задачи прогноза обеспечивали бы се решение с минимальными затратами. Этот принцип требует не тотальной формализации описания объекта, а обеспечения возможно более полного использования аппарата эвристических, интуитивных, творческих, неформализуемых методов решения проблем;
Принцип минимизации размерности описания, требующий стремиться к описанию объекта при минимальном числе переменных и параметров, обеспечивающих заданную точность и достоверность прогноза; он предполагает оценку важности каждой переменной в описании и отбор наиболее информативных из них с точки зрения задачи прогнозирования;
Принцип оптимального измерения показателей, требующий выбора для измерения каждого показателя такой шкалы, которая при минимальных затратах обеспечивала бы извлечение достаточной для прогноза информации из переменной. Применительно к качественной информации этот принцип интерпретируется как принцип оптимальной квантификации. Он выражается в выборе правильного начала отсчета, паилучшего масштаба и шкалы отсчета (например, логарифмический масштаб для выравнивания, неравномерная шкала по наиболее информативным градациям);
Принцип дисконтирования данных, требующий при анализе объекта по ретроспективной информации большее значение придавать новой информации об объекте и меньшее — информации более ранней по времени. Этот принцип реализуется путем введения различных функций дисконтирования исходных данных и применения при построении модели объекта метода движущейся (скользящей) средней, метода экспоненциального сглаживания и т. п.
В целом принцип оптимизации описания объекта прогнозирования сводится к реализации либо всех этих частных принципов, либо некоторых из них.
Принцип аналогичности предполагает при анализе объекта постоянное сопоставление его свойств с известными в данной области сходными объектами и их моделями с целью отыскания объекта-аналога и использования при анализе и прогнозировании его модели или отдельных ее элементов. Этот принцип позволяет, с одной стороны, минимизировать затраты на анализ и прогноз путем использования части готовых прогнозных моделей, а с другой стороны, обеспечивает верификацию прогнозов путем сопоставления с прогнозами объектов-аналогов.
Сущность концепции «прогноз — план»
Сущность концепции «прогноз — план» заключается в регламентации развития какого-либо процесса или явления планами, включающими определенный перечень показателей, а также в периодической корректировке этих планов на основе про! ноз- ной информации, позволяющей производить оценку эффективности требуемых показателей планирования. Показатели прогноза и плана должны быть сведены в единую систему как но каждому уровню управления, так и между уровнями. При внедрении концепции «прогноз — план» необходимо решить две основные проблемы. Первая заключается в том, чтобы выделить и формализовать требования к прогнозам по виду, составу и структуре информации, формам ее представления в органы планирования и управления. Вторая определяет необходимость методического обеспечения разработки прогнозов, ориентирования их на целевые функции и показатели систем планирования исправления. Эта задача должна решаться в рамках единой методики с использованием специальных методов и приемов, учитывающих специфику развития объекта прогнозирования. Задача заключается не в том, чтобы прогнозировать все подряд, а «в том, чтобы выделить в системе планирования области и показатели, где прогнозная информация абсолютно необходима.
Основные методические принципы анализа
Целью анализа объекта прогнозирования является разработка прогностической модели, позволяющей получать прогнозную информацию об объекте. Для проведения прогностического эксперимента помимо модели объекта необходимо располагать также набором методов, методик, приемов прогнозирования, которые применяются при его реализации. Поэтому в процессе анализа должны быть выбраны методы прогнозирования, адекватные объекту и целям разработки прогноза.
Описание объекта начинается уже при разработке задания на прогноз. Сначала производится общее, предварительное, так называемое, первичное описание. Оно содержит сведения о наиболее обобщенных показателях (характеристиках) объекта, о приблизительных (в большинстве случаев) ограничениях, а также о наиболее существенных целях и задачах разработки прогноза. В задании дастся также ориентировочный перечень основных исходных данных, обеспечивающих все стадии разработки (перечень занятых организаций, координационный план, этапность разработки прогноза и т. д.).
Уточнение структуры объекта может проводиться двумя путями: объединением частных, детальных характеристик в более обобщенные (агрегирование), последовательным углублением детализации структуры от обобщенных характеристик к более частным (дезагрегирование).
Первым путем целесообразно идти, когда структура обьекта очень сложна, характеризуется большим числом переменных с сетью связей между ними, которые в большей части неизвестны или слишком затруднительны для непосредственного анализа. В этом случае необходимо произвести хотя бы приблизительную оценку связи и влияния отдельных характеристик и групп переменных на прогнозируемые тенденции развития. Предварительные экспертные оценки облегчают интерпретацию взаимосвязей и обобщенных параметров, выявленных статистическими методами.
Второй путь целесообразен либо когда объект прогнозирования менее масштабен и не настолько сложен по структуре, чтобы нельзя было проследить большинство связей между переменными, либо когда эти связи относительно слабы и ими можно пренебречь. Для этого пути более характерными являются формализованные процедуры обработки информации.
Психологическая составляющая прогнозирования
Антиципация — частный случай присущего всем живым организмам приспособительного механизма, названного Анохиным П. К. опережающим отражением действительности, как проявления действия этого механизма на уровне психики. В структуру антиципации включают вероятностное прогнозирование — понимается предвосхищение будущего, основанное на вероятностной структуре прошлого опыта и информации о наличной ситуации, которое может быть ориентировано как на отдаленную, так и на ближайшую перспективу. Характер его обусловлен субъективными вероятностями человека. Субъективная вероятность основана на уверенности конкретного человека в том, что данное событие в действительности произойдет, в соответствии с этой чем предпочитает действовать человек. Субъективная вероятность является не столько характеристикой самих событий, сколько характеристикой человека, производящего классификацию событий. Антиципационная состоятельность — способность личности с высокой вероятностью предвосхищать ход событий, прогнозировать развитие ситуаций и собственные реакции на них и действовать с временно-пространственным упреждением. Анализ организованности структуры антиципационной состоятельности и способности к прогнозированию характеризуется показателями когерентности, дивергентности, индексом организованности структуры.
Обзор теоретических и экспериментальных исследований, позволил выделить в процессах прогнозирования аспекты []:
— Эмоциональная сторона: представлена, с одной стороны, эмоциональными процессами, с другой, результатом деятельности субъекта, включающегося в оценку этой деятельности и участвующего в осуществлении обратной связи и возможной корректировке деятельности, предполагает не саму по себе эмоцию, а эмоционально испытываемое понимание смыслов и ценностей — переживание. Доминируют, самооценочные эмоции, определяются уровень, сложности предстоящего заданий и степень готовности к действию, прогноз результата действия.
— Когнитивная сторона:
— анализ поддающихся прогнозу не только объективных фактов, но и собственных действии, и их последствий;
— знания о развитии рассматриваемого явления или процесса в прошлом;
— знания состоянии объекта прогноза;
— знания, объективно отражающие существующие связи и тенденции развития объектов прогноза;
— личностный знаниевый опыт прогнозирующего субъекта;
— образование ожидания новых связей между факторами задачи, ситуации или явления;
— специфика соотношения этих знаний с информацией об объекте прогноза в настоящем.
— Поведенческая сторона:
— выдвижение и анализ гипотез;
— планирование;
— реконструкция и преобразование представлений;
— уровень реализации действия, которое обусловлено как индивидуальными различиями, так и ситуационными факторами;
— установление причинно — следственных связей.
Прогностическая составляющая входит в содержание и структуру мотивации любой деятельности. Для прогнозирования характерны как мотивы, присущие любой познавательной деятельности, так и специфические мотивы. Мотивом познавательной прогностической деятельности может выступать потребность экстраполировать себя в будущее. Потребность личности экстраполировать себя в будущее порождает новое противоречие, несоответствие между потребностью и возможностями в настоящий момент. Когда человеку удается снять противоречие, совершенствуется прогностическая деятельность. В такие моменты перспективы, намечаемые на будущее, приводятся в соответствие с возможностями, а последние перестраиваются с ориентацией на будущее. Мотивы прогнозирования фиксируют желаемое будущее, побуждают к активной деятельности, чтобы снять это противоречие между нежелательным настоящим и желательным будущим. Одно из направлений связи прогнозирования и мотива — вероятностное прогнозирование успеха и неудачи. Возникновение поведения, мотивированного достижением, имеет определенные предпосылки и показатели: связь результата с самооценкой возможностей, различение трудности задачи и собственных возможностей, центрирование на самостоятельно достигнутом результате, разделение детерминант способностей и усилия, субъективная вероятность успеха. За субъективной вероятностью успеха стоит накопление опыта успешного и неуспешного поведения, субъективные прогнозы успехов, осознание в качестве оснований прогнозов меры своих возможностей.
Прогнозирование может быть мотивировано необходимостью включать знание о будущем в жизнедеятельность и обеспечивать готовность к встрече с этими событиями. Без знания о будущем невозможны адаптация к меняющимся условиям среды, оптимальная саморегуляция поведения, а тем более активная преобразующая деятельность.
Этапы формирования прогностической компетентности
Решение проблемы подготовки будущих специалистов к прогностической деятельности состоит из следующих этапов [,]:
— Подготовительный этап: Овладение знаниями, необходимыми для прогнозирования; формирование представления о процессе прогнозирования, самостоятельное изучение литературы о прогнозировании. Значимую роль приобретает проектирование образовательной траектории по развитию прогностической компетентности.
— Имитационный этап: Приобщение к творческому использованию основных способов и приемов поисковой деятельности при решении прогностических задач. Практическая реализация полученных навыков в ходе решения задач. Студенты должны предложить несколько способов выполнения задания, уметь организовать, спланировать, проконтролировать свою деятельность в зависимости от каждого варианта решения.
— Практический этап: Студенты применяют усвоенные эвристические приемы и методы в новых условиях. Повышение уровня проявления качеств мыслительных процессов в ходе ознакомления со способами осуществления прогнозирования попутно с осуществлением основной деятельности. Студенты должны самостоятельно использовать эвристические методы при решении различных задач, определять научную основу той или иной производственной ситуации и возможные последствия.
Подробнее рассмотренную тему можно изучить в [].
Тема 2. Классификация методов прогнозирования
План занятия:
— Классификация прогнозов по проблемно-целевому критерию.
— Классификация прогнозов по признаку нормативности.
— Классификация прогнозов по периоду упреждения.
— Классификация прогнозов по объекту исследования.
— Классификация прогнозов по степени формализации, общим принципом действия и способом получения информации
— Способы разработки прогнозов по источнику информации.
— Другие классификации.
Студент должен:
Знать: классификации методов прогнозирования: по проблемно-целевому критерию, по периоду упреждения.
Уметь: распознавать тип составленного прогноза, в соответствии с различными способами классификации.
Владеть: навыками классификации своих прогнозов.
Бурное развитее прогностики как науки в последние десятилетия привело к созданию множества методов» процедур, приемов прогнозирования, далеко не равноценных по своему значению. Отсутствие их четкой систематизации приводит к дальнейшему расширению инструментария прогностики зачастую малоценными и компилятивными методами.
По оценкам зарубежных и отечественных систематиков прогностики, уже насчитывается свыше 150 методов прогнозирования. Число базовых методов прогностики, которые в тех или иных вариациях повторяются в других методах, гораздо меньше. Многие из этих «методов» относятся скорее к отдельным приемам или процедурам прогнозирования, другие представляют набор отдельных приемов, отличающихся от базовых или друг от друга количеством частных приемов и последовательностью их применения.
В литературе имеется большое количество классификационных схем методов прогнозирования. Однако большинство из них или неприемлемы, или обладают недостаточной познавательной ценностью. Основной погрешностью существующих классификационных схем является нарушение принципов классификации. К числу основных таких принципов, на нащ взгляд, относятся: достаточная полнота охвата прогностических методов, единство классификационного признака на каждом уровне членения (при многоуровневой классификации), непересекаемость разделов классификации, открытость классификационной схемы (возможность дополнения новыми методами).
Классификация прогнозов по проблемно-целевому критерию
Ответ на вопрос: для чего разрабатывается прогноз? Различаются два типа прогнозов: поисковые (их называли прежде исследовательскими, изыскательскими, трендовыми, генетическими и т. п.) и нормативные (их называли программными, целевыми).
Поисковый прогноз — определение возможных состояний явления в будущем. Имеется в виду условное продолжение в будущее тенденций развитая изучаемого явления в прошлом и настоящем, абстрагируясь от возможных решений, действия на основе которых способны радикально изменить тенденции, вызвать в ряде случаев самоосущсствление или саморазрушение прогноза. Такой прогноз отвечает на вопрос: что вероятнее всего произойдет при условии сохранения существующих тенденций?
Поисковый прогноз строится на определенной шкале (поле, спектре) возможностей, на которой затем устанавливается степень вероятности прогнозируемого явления. При нормативном прогнозировании происходит такое же распределение вероятностей, но уже в обратном порядке: от заданного состояния к наблюдаемым тенденциям. Нормативное прогнозирование в некоторых отношениях очень похоже на нормативные плановые, программные или проектные разработки. Но последние подразумевают директивное установление мероприятий по реализации определенных норм, тогда как первое — стохастическое (вероятностное) описание возможных, альтернативных путей достижения этих норм.
Нормативный прогноз — определение путей и сроков достижения возможных состояний явления, принимаемых в качестве цели. Имеется в виду прогнозирование достижения желательных состояний на основе заранее заданных норм, идеалов, стимулов, целей. Такой прогноз отвечает на вопрос: какими путями достичь желаемого?
Нормативное прогнозирование не только не исключает нормативные разработки в сфере управления, но и является их предпосылкой, помогает вырабатывать рекомендации по повышению уровня объективности и, следовательно, эффективности решений. Это обстоятельство побудило выявить специфику прогнозов, обслуживающих соответственно целеполагание, планирование, программирование, проектирование, непосредственно организацию управления. В итоге по критерию соотнесения с различными формами конкретизации управления некоторые специалисты выделяют ряд подтипов прогнозов (поисковых и нормативных).
Классификация прогнозов по признаку нормативности
Целевой прогноз собственно желаемых состояний отвечает на вопрос: что именно желательно и почему? В данном случае происходит построение на определенной шкале (поле, спектре) возможностей сугубо оценочной функции, т. е. функции распределения предпочтительности: нежелательно — менее желательно — более желательно — наиболее желательно — оптимально (при компромиссе по нескольким критериям). Ориентация — содействие оптимизации процесса целеполага- ния.
Плановый прогноз хода выполнения (или невыполнения) планов представляет собой по существу выработку поисковой и нормативной прогнозной информации для отбора наиболее целесообразных плановых нормативов, заданий, директив с выявлением нежелательных, подлежащих устранению альтернатив и с тщательным выяснением прямых и отдаленных, косвенных последствий принимаемых плановых решений. Такой прогноз отвечает на вопрос: как, в каком направлении ориентировать планирование, чтобы эффективнее доеличь поставленных целей? Его не следует смешивать с планами-прогнозами, которые разрабатываются на Западе в условиях капиталистической экономики.
Программный прогноз возможных путей, мер и условий достижения предполагаемого желательного состояния прогнозируемого явления отвечает на вопрос: что конкретно необходимо, чтобы достичь желаемого? Для ответа на этот вопрос важны и поисковые и нормативные прогнозные разработки. Первые выявляют проблемы, которые нужно решить, чтобы реализовать программу, вторые определяют условия реализации. Программное прогнозирование должно сформулировать гипотезу о возможных взаимовлияниях различных факторов, указать гипотетические сроки и очередность достижения промежуточных целей на пути к главной. Тем самым как бы завершается отбор возможностей развития объекта исследования, начатый плановым прогнозированием.
Проектный прогноз конкретных образов того или иного явления в будущем при допущении ряда пока еще отсутствующих условий отвечает на вопрос: как (конкретно) это возможно, как это может выглядеть? Здесь также важно сочетание поисковых и нормативных разработок. Проектные прогнозы (их называют еще прогнозными проектами, дизайн-прогнозами и т. д.) призваны содействовать отбору оптимальных вариантов перспективного проектирования, на основе которых должно развертываться затем реальное, текущее проектирование.
Организационный прогноз текущих решений (применительно к сфере управления) для достижения предусмотренного желаемого состояния явления, поставленных целей отвечает на вопрос: в каком направлении ориентировать решения, чтобы достичь цели?* Сопоставление результатов поисковых и нормативных разработок должно охватывать весь комплекс организационных мероприятий, повышая тем самым общий уровень управления.
Классификация прогнозов по периоду упреждения
По периоду упреждения — промежутку времени, на который рассчитан прогноз, — различаются оперативные (текущие), кратко-, средне-, долго- и дальнесрочные (сверхдолгосрочные) прогнозы.
Оперативный, как правило, рассчитан на перспективу, на протяжении которой не ожидается существенных изменений объекта исследования — ни количественных, ни качественных. Оперативные прогнозы содержат, как правило, детально-количественные оценки, краткосрочные — общие количественные, среднесрочные — количественно-качественные, долгосрочные — качественно-количественные и дальнесрочные — общие качественные оценки.
Краткосрочный — на перспективу только количественных изменений, долгосрочный — не только количественных, но преимущественно качественных.
Среднесрочный охватывает перспективу между кратко- и долгосрочным с преобладанием количественных изменений над качественными, дальнесрочный (сверхдолгосрочный) — перспективу, когда ожидаются столь значительные качественные изменения, что по существу можно говорить лишь о самых общих перспективах развития природы и общества.
Временная градация прогнозов является относительной и зависит от характера и цели данного прогноза. В некоторых научно-технических прогнозах период упреждения даже в долгосрочных прогнозах может измеряться сутками, а в геологии или космологии — миллионами лет. В социально-экономических прогнозах сообразно с народнохозяйственными планами и в соответствии с характером и темпами развития прогнозируемых явлений эмпирически установлен следующий временной масштаб: оперативные прогнозы — до одного месяца, краткосрочные — до одного года, среднесрочные — на несколько (обычно до пяти) лет, долгосрочные — на период свыше пяти и примерно до пятнадцати — двадцати лет, дальнесрочные — за пределами долгосрочных.
Классификация прогнозов по объекту исследования
По объекту исследования различаются естествоведческие, научно-технические и обществоведческие (социальные в широком значении этого термина) прогнозы.
Научно-технические прогнозы в узком смысле или технологические, инженерные, охватывают перспективы состояния материалов и режима работы механизмов, машин, приборов, электронной аппаратуры, всех явлений техносферы. В широком смысле — в смысле перспектив развития научно-технического прогресса — они охватывают перспективные проблемы развития науки, ее структуры, сравнительной эффективности различных направлений исследования, дальнейшего развития научных кадров и учреждений, а также перспективные проблемы техники (системы «человек — машина»), точнее, управляемых аспектов научно-технического прогресса в промышленности, строительстве, городском и сельском хозяйстве, на транспорте и в связи, включая систему информации.
Классификация прогнозов по степени формализации, общим принципом действия и способом получения информации
По степени формализации все методы прогнозирования делятся на интуитивные и формализованные. Интуитивное прогнозирование применяется тогда, когда объект прогнозирования « либо слишком прост, либо настолько сложен, что аналитически учесть влияние многих факторов практически невозможно. В этих случаях прибегают к опросу экспертов. Полученные индивидуальные и коллективные экспертные оценки используют как конечные прогнозы или в качестве исходных данных в комплексных системах прогнозирования.
В зависимости от общих принципов действия интуитивные методы прогнозирования, например, можно разделить на две группы: индивидуальные экспертные оценки и коллективные экспертные оценки.
Методы коллективных экспертных оценок уже можно отнести к комплексным системам прогнозирования, поскольку в последних сочетаются методы индивидуальных экспертных оценок и статистические методы обработки этих оценок. Но так как статистические методы применяются во вспомогательных процедурах выработки прогнозной информации, на наш взгляд, коллективные экспертные оценки целесообразнее отнести к сингулярным методам прогнозирования.
В группу индивидуальных экспертных оценок можно включить (принцип классификации — способ получения прогнозной информации) следующие методы: метод «интервью», аналитические докладные записки, написание сценария. В группу коллективных экспертных оценок входят анкетирование, методы «комиссий», «мозговых атак» (коллективной генерации идей).
Класс формализованных методов в зависимости «от общих принципов действия можно разделить на группы экстраполяционных, системно-структурных, ассоциативных методов и методов опережающей информации.
В группу методов прогнозной экстраполяции можно включить методы наименьших квадратов, экспоненциального сглаживания, вероятностного моделирования и адаптивного сглаживания. К группе системно-структурных методов — отнести методы функционально-иерархического моделирования, морфологического анализа, матричный, сетевого моделирования, структурной аналогии. Ассоциативные методы можно разделить на методы имитационного моделирования и историко-логического анализа. В группу методов опережающей информации — включить методы анализа потоков публикаций, оценки значимости изобретений и анализа патентной информации.
Способы разработки прогнозов по источнику информации
В основе прогнозирования лежат три взаимодополняющих источника информации о будущем:
— оценка перспектив развития, будущего состояния прогнозируемого явления на основе опыта, чаще всего при помощи аналогии с достаточно хорошо известными сходными явлениями и процессами;
— условное продолжение в будущее (экстраполяция) тенденций, закономерности развития которых в прошлом и настоящем достаточно хорошо известны;
— модель будущего состояния того или иного явления, процесса, построенная сообразно ожидаемым или желательным изменениям ряда условий, перспективы развития которых достаточно хорошо известны.
В соответствии с этим существуют три дополняющих друг друга способа разработки прогнозов:
— анкетирование (интервьюирование, опрос) — опрос населения, экспертов с целью упорядочить, объективизировать субъективные оценки прогнозного характера. Особенно большое значение имеют экспертные оценки. Опросы населения в практике прогнозирования применяются пока что сравнительно редко;
— экстраполирование и интерполирование (выявление промежуточного значения между двумя известными моментами процесса) — построение динамических рядов развития показателей прогнозируемого явления на протяжении периодов основания прогноза в прошлом и упреждения прогноза в будущем (ретроспекции и проспекции прогнозных разработок);
— моделирование — построение» поисковых и нормативных моделей с учетом вероятного или желательного изменения прогнозируемого явления на период упреждения прогноза по имеющимся прямым или косвенным данным о масштабах и направлении изменений. Наиболее эффективная прогнозная модель — система уравнений. Однако имеют значение псе возможные виды моделей в широком смысле этого термина: сценарии, имитации, графы, матрицы, подборки показателей, графические изображения и т. д.
Другие классификации
По способу составления прогноза: аналитические и компьютационные прогнозы.
По признаку способа оценки: детерминованные, оптимизационные, имитационные.
По типу реализации: экстраполяционные и метод экспертных оценок.
Подробнее рассмотренную тему можно изучить в [;].
Тема 3. Математические методы прогнозирования
План занятия:
— Классификация математических методов прогнозирования.
— Прогноз с использованием скользящего среднего.
— Экспоненциальное сглаживания.
— Линейный и множественный регрессионный анализ.
— Метод Бокса-Дженкинса (ARIMA).
Студент должен:
Знать: основные математические методы прогнозирования.
Уметь: использовать основные математические методы прогнозирования.
Владеть: навыками прогнозирования с использованием уравнения линии тренда, скользящего среднего, экспоненциального сглаживания, регрессионного анализа, методом Бокса-Дженкинса (ARIMA)
Классификация математических методов прогнозирования
Статистический метод (экстраполяция и интерполирование; математический анализ; математическая статистика, аналитическое моделирование) — это метод прогнозирования временных рядов на перспективу, он предполагает экстраполяцию (линейное развитие во времени) и интерполирование в будущее (выявление промежуточного значения двумя известными моментами процесса) — это условное продолжение в будущее наблюдаемых объектов (тенденций, закономерности развития которых в прошлом и настоящем достаточно хорошо известны). Построение динамических рядов развития показателей прогнозируемого явления на протяжении периодов основания прогноза в прошлом и упреждения прогноза в будущем (ретроспекции и проспекции прогнозных разработок).
Статистический прогноз — это статистическое описание будущих значений исследуемого показателя (переменной). Данный прогноз подразделяется на краткосрочные (на один интервал наблюдения вперед), среднесрочные (на срок до пяти интервалов) и долгосрочные (более пяти интервалов). Различают точечный (представляется единственным значением) и интервальный (задается двумя числами — нижней и верхней границей интервала) статистический прогноз.
Прогноз с использованием скользящего среднего
— Прогнозирование методом скользящего среднего. Сущность метода состоит в том, что при доступности нового значения, оно тут включается в усреднение, а самое старое исключается. Новое скользящее среднее используется для создания прогноза на последующий период.
Скользящее среднее — новый временной ряд, созданный путём усреднения размещённых рядом наблюдений [, с. 23].
— Метод двойного скользящего среднего. Используется только для линейных трендов. Сначала проводится расчёт ряда значений методом скользящего среднего, а полученный прогноз усредняется этим методом.
— Метод взвешенного скользящего среднего. Базируется на предположении, что более поздние данные важнее предыдущих.
Среднее скользящее значение относится к категории аналитических инструментов, которые, как принято говорить, «следуют за тенденцией». Его назначение состоит в том, чтобы позволить определить время начала новой тенденции, а также предупредить о ее завершении или повороте. Методы скользящего среднего предназначены для отслеживания тенденций непосредственно в процессе их развития, их можно рассматривать как искривленные линии тренда. Однако методы скользящего среднего не предназначены для прогнозирования движений на рынке в том смысле, в котором это позволяет делать графический анализ, поскольку они всегда следуют за динамикой рынка, а не опережают ее. Иначе говоря, эти показатели, например, не прогнозируют динамику цен, а только реагируют на нее. Они всегда следуют за движениями цен на рынке и сигнализируют о начале новой тенденции, но только после того, как она появилась.
Построение скользящего среднего представляет собой специальный метод сглаживания показателей. Действительно, при усреднении ценовых показателей их кривая заметно сглаживается и наблюдать тенденцию развития рынка становится намного проще. Однако уже по самой своей природе скользящее среднее как бы отстает от динамики рынка. Краткосрочное скользящее среднее точнее передает движение цен, чем более продолжительное, т.е. вычисленное для более длинного интервала. Применение краткосрочного скользящего среднего позволяет сократить отставание во времени, однако полностью устранить его при использовании любого метода скользящих средних невозможно.
Простое скользящее среднее, определяемое как среднее арифметическое значение, вычисляется по следующей формуле, при условии что m — нечетное число:
(1)
где у, — фактическое значение /-го уровня; m — число уровней, входящих в интервал сглаживания- текущий уровень ряда динамики; i — порядковый номер уровня в интервале сглаживания; р — при нечетном m имеет значение р = (m — 1) /2.
Интервал сглаживания, т.е. число входящих в него уровней m, определяют по следующим правилам. Когда необходимо сгладить незначительные, беспорядочные колебания, интервал сглаживания берут большим, если же требуется сохранить более незначительные колебания и освободиться лишь от периодически повторяющихся выбросов — интервал сглаживания обычно уменьшают.
Метод простого скользящего среднего используется обычно в тех случаях, когда график временного ряда представляет собой прямую линию, поскольку при этом динамика исследуемого явления не искажается.
В том случае, когда тренд ряда имеет явно нелинейный характер и желательно сохранить незначительные колебания в динамике значений, этот метод не используется, так как его применение может привести к значительным искажениям исследуемого процесса. В таких случаях используется взвешенное скользящее среднее или методы экспоненциального сглаживания.
Microsoft Excel располагает функцией Скользящее среднее (Moving Average), которая обычно используется для сглаживания уровней эмпирического временного ряда на основе метода простого скользящего среднего.
В диалоговом окне Скользящее среднее задаются следующие параметры.
1. Входные данные — в это поле вводится диапазон ячеек, содержащих значения исследуемого параметра.
2. Метки в первой строке — данный флажок опции устанавливается в том случае, если первая строка/столбец входного диапазона содержит заголовок. Если заголовок отсутствует, флажок следует сбросить. В этом случае для данных выходного диапазона будут автоматически созданы стандартные названия.
3. Интервал — в это поле вводится число уровней m, входящих в интервал сглаживания.
4. Параметры вывода — в этой группе, помимо указания диапазона ячеек для выходных данных в поле Выходной диапазон, можно также потребовать автоматически построить график, для чего нужно установить флажок опции Вывод графика, и рассчитать стандартные погрешности, для чего необходимо установить флажок опции Стандартные погрешности.
Экспоненциальное сглаживания
Простая и логически ясная модель временного ряда имеет следующий вид:
(2)
где b — константа, а ε — случайная ошибка. Константа b относительно стабильна на каждом временном интервале, но может также медленно изменяться со временем. Один из интуитивно ясных способов выделения значения b из данных состоит в том, чтобы использовать сглаживание скользящим средним, в котором последним наблюдениям приписываются большие веса, чем предпоследним, предпоследним большие веса, чем пред- предпоследним, и т. д. Простое экспоненциальное сглаживание именно так и построено. Здесь более старым наблюдениям приписываются экспоненциально убывающие веса, при этом, в отличие от скользящего среднего, учитываются все предшествующие наблюдения ряда, а не только те, которые попали в определенное окно. Точная формула простого экспоненциального сглаживания имеет вид:
(3)
Когда эта формула применяется рекурсивно, каждое новое сглаженное значение (которое является также прогнозом) вычисляется как взвешенное среднее текущего наблюдения и сглаженного ряда. Очевидно, результат сглаживания зависит от параметра α. Если α равен 1, то предыдущие наблюдения полностью игнорируются. Если а равен 0, то игнорируются текущие наблюдения. Значения α между 0 и 1 дают промежуточные результаты. Эмпирические исследования показали, что простое экспоненциальное сглаживание весьма часто дает достаточно точный прогноз.
На практике обычно рекомендуется брать α меньше 0,30. Однако выбор а больше 0,30 иногда дает более точный прогноз. Это значит, что лучше все же оценивать оптимальное значение α по реальным данным, чем использовать общие рекомендации.
Microsoft Excel располагает функцией Экспоненциальное сглаживание (Exponential Smoothing), которая обычно используется для сглаживания уровней эмпирического временного ряда на основе метода простого экспоненциального сглаживания. Для вызова этой функции необходимо на панели меню выбрать команду Tools — Data Analysis. На экране раскроется окно Data Analysis, в котором следует выбрать значение Экспоненциальное сглаживание.
1. Входные данные — в это поле вводится диапазон ячеек, содержащих значения исследуемого параметра.
2. Метки — данный флажок опции устанавливается в том случае, если первая строка (столбец) во входном диапазоне содержит заголовок. Если заголовок отсутствует, флажок следует сбросить. В этом случае для данных выходного диапазона будут автоматически созданы стандартные названия.
3. Фактор затухания — в это поле вводится значение выбранного коэффициента экспоненциального сглаживания α. По умолчанию принимается значение α = 0,3.
4. Параметры вывода — в этой группе, помимо указания диапазона ячеек для выходных данных в поле Выходной диапазон, можно также потребовать автоматически построить график, для чего необходимо установить флажок опции Вывод графика, и рассчитать стандартные погрешности, для чего нужно установить флажок опции Стандартные погрешности.
Основы линейного регрессионного анализа
Раздел многомерного статистического анализа, посвященный восстановлению зависимостей, называется регрессионным анализом. Термин «линейный регрессионный анализ» используют, когда рассматриваемая функция линейно зависит от оцениваемых параметров (от независимых переменных зависимость может быть произвольной). Теория оценивания неизвестных параметров хорошо развита именно в случае линейного регрессионного анализа. Если же линейности нет и нельзя перейти к линейной задаче, то, как правило, хороших свойств от оценок ожидать не приходится. Продемонстрируем подходы в случае зависимостей различного вида. Если зависимость имеет вид многочлена (полинома)
(4)
то коэффициенты многочлена могут быть найдены путем минимизации функции
(5)
Линейный множественный регрессионный анализ
В практике часто возникают ситуации, когда функция отзыва (цели) Y зависит не от одного, а от многих факторов. Установление формы связи в таких случаях начинают, как правило с рассмотрения линейной регрессии такого вида:
(6)
В таком случае результаты наблюдений должны быть представлены уравнениями, полученными в каждом из п опытов:
(7)
или в виде матрицы результатов наблюдений:
(8)
где п — количество опытов; k — количество факторов.
Для решения системы уравнений (1) необходимо, чтобы количество опытов было не меньше
k +1, т.е. п k +1.
Заданием множественного регрессионного анализа является построение такого уравнения прямой k-мерном пространстве, отклонение результатов наблюдений от которой были бы минимальными. Используя для этого метод наименьших квадратов, получаем систему нормальных уравнений:
(9)
которую представим в матричной форме
(ХТХ) В = XTY, (10)
где В — вектор-столбец коэффициентов уравнения регрессии;
X — матрица значений факторов;
Y — вектор-столбец функции отзыва;
XТ — транспонированная матрица X.
При = 1,, они соответственно равны:
Бесплатный фрагмент закончился.
Купите книгу, чтобы продолжить чтение.