Прогнозирование в сельском хозяйстве

2. Предмет и  объект теории прогнозирования  и планирования.

    Рассмотрим  основные, 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 изменении 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 лет, и с этим необходимо считаться. Как  известно, в отдаленном прошлом он был весьма значителен, измерялся  иногда многими десятилетиями, но затем  начал стремительно сокращаться. Ныне, в условиях НТР, этот процесс существенно  замедляется в связи с резким усложнением самого характера объектов.

    Третья  тенденция определяется возрастанием количества возможных альтернатив  решения изучаемой проблемы.

    Помимо  значительного усложнения задачи выбора предпочтительного варианта возникают  проблемы взаимосвязи подсистем  и элементов, увязки целей и задач  системы, проблемы выбора рациональных диапазонов характеристик. Одна и та же проблема может быть решена различными средствами. В таких условиях трудно дифференцировать полезность многих вариантов. В ряде случаев разработка того или  иного альтернативного варианта прогноза дает лишь незначительные оперативные  улучшения, но требует значительной затраты сил и средств, причем не всегда имеется возможность решить, насколько выгоден тот или  иной вариант. Отбор той или иной группы альтернативных вариантов становится исключительно сложной задачей.

    Четвертая тенденция определяется ростом затрат на создание, производство, эксплуатацию подавляющего большинства прогнозируемых объектов. Наблюдается абсолютный и  относительный рост затрат. Практически  каждый новый объект обычно дороже предшествующего. Такая же ситуация наблюдается и для большей  части подсистем объекта. Важно  определить опережающие темпы роста  затрат на объект в целом, на его  основные подсистемы, учитывая в то же время возможности снижения затрат на отдельные элементы.

    Тенденция роста затрат на создание и эксплуатацию объекта является следствием усложнения как самих объектов, так и системы  взаимосвязей организаций, принимающих  в этом участие. Риск разработки объекта, не удовлетворяющего потребности отвлечения значительных ресурсов, существенно  возрос, возросла и ответственность  за принятие решения. Это и определило необходимость совместного рассмотрения основных тенденций развития прогнозируемых объектов. Решение должно базироваться на тщательном анализе альтернативных вариантов. Таким образом, на первый план выдвигаются проблемы выбора перспективных  направлений. Выбор становится ключевой эффективного управления.

    Вопросы анализа объекта прогнозирования  тесно переплетаются с вопросами  синтеза прогнозной модели.

    В теории системного анализа используются два подхода к анализу и  синтезу подобных структур, которые  применимы и к анализу объектов прогнозирования. Первый подход называется объектным, он предполагает выделение  подсистем путем поэлементного  деления объектов на более мелкие. Каждый из последних может затем рассматриваться в качестве объекта прогнозирования соответствующего уровня иерархии При таком структурировании каждая подсистема рассматривается как совокупность свойств и взаимосвязей соответствующего объекта. Объектный принцип анализа структуры системы рекомендуется в том случае, когда объект имеет количественно сложную структуру при относительно небольших сложности и разнообразии составляющих подсистем (первичных объектов). Целесообразно выделять группы сходных по свойствам первичных объектов и анализировать наиболее типичные характеристики каждой группы. Этим существенно упрощается решение задачи.

    Второй  подход к анализу и синтезу  структур называется функциональным. Он отличается от объектного тем, что  за основу структурного членения объекта  берется функциональный признак. Этот подход рекомендуется в случае, когда  число первичных объектов, которые  составляют объект прогнозирования, невелико, но сами они являются весьма сложными по своим характеристиками взаимосвязям. Тогда целесообразно выделять группы сходных функций и послеживать  их реализацию вне зависимости от принадлежности к тем или иным первичным объектам.

    Выбор подхода к анализу структуры  объекта зависит от ряда факторов (природа объекта, цель анализа и  прогнозирования, масштабность объекта  и др.). Иногда принять однозначное  решение затруднительно. В таких  случаях допустимо использование  смешанного объектно-функционального  подхода, который в различных  пропорциях сочетает достоинства каждого  из двух указанных выше. На практике выбор осуществляется обычно экспертным путем с учетом совокупности целей  прогнозирования и особенностей объекта. Осуществив выбор, можно использовать весьма эффективные алгоритмы, которые  базируются на теории распознавания  образов и идентификации.

    Важную  роль в этой работе способны сыграть современная теория систем и системный анализ. Подход к анализу объекта с системных позиций считается одним из основных принципов прогнозирования. Такой подход диктуется характерной чертой объектов управления на современном этапе научно-технической революции, их масштабностью. Наличие большого числа взаимосвязанных переменных, описывающих современные объекты и процессы их развития в науке, технике, экономике, культуре, заставляет исследователя обязательно приводить их описание для анализа, прогноза, управления к системному виду.

    Неразрывно  связано с теорией систем и  системным анализом другое теоретическое  основание анализа объекта прогнозирования - теория моделирования и подобия, которая широко используется в процессе построения формализованной модели объекта, особенно при изучении формы  связей между входными и выходными  переменными, количественных оценок адекватности прогнозной модели объекту-оригиналу.

    Большую роль при анализе объекта прогнозирования  играет обработка исходной информации, ее измерение и оптимальное использование. При разработке прогнозов развития больших систем, информация о которых  представляется в виде сложных статистических комплексов, весьма эффективно используются теория информации, теория измерений, теория распознавания образов. Их использование  чрезвычайно конструктивно, когда  приходится осуществлять выбор ведущих  переменных в описании объекта, минимизацию  параметров описания, выбор адекватных шкал для измерения как количественных, так и качественных переменных, классификацию  состояний объекта в пространстве параметров и переменных и т. п.

    Из  разделов математики в теоретической  базе анализа объекта прогнозирования  наиболее существенное место занимают теория вероятностей и математическая статистика, теория численных методов  анализа и оптимизации, современная  теория факторного анализа, дифференциальные уравнения. Последние применяются для описания относительно регулярных процессов, случайной составляющей которых можно пренебречь по той или иной причине. В основном же современные прогнозные модели объектов строятся в рамках статистических моделей, моделей экстраполяции и интерполяции регулярных составляющих, оценки влияния случайных составляющих процесса. 

    28.Многомерные  методы статистики в прогнозировании  (кластерный, дискриминантный, факторный  анализ)

    Многомерные методы предоставляют вычислительные и графические средства для исследования различных форм ассоциации — сходства, близости, группировки данных. Данные могут быть представлены в виде множества  переменных, значения которых характеризуют  некоторое число объектов, - стран  или предприятий за один период или  один объект в разные периоды, например экономика страны в различные  годы.

    Большинство методов решают задачу уменьшения количестве переменных, необходимых для описания исследуемого явления объекта, системы и выделения в этом пространстве наиболее важных характеристик или скрытых факторов.

Кластерный  анализ

    Метод кластерного анализа позволяет  строить классификацию m объектов посредством объединения их в группы или кластеры на основе критерия минимума расстояния в пространстве т переменных, описывающих объекты. Метод позволяет находить разбиение множества объектов на заданное число кластеров.

    Кластерный  анализ носит количественный характер, но статистические пакеты обычно не предлагают методов проверки гипотезы об адекватности получаемых классификаций.

    Исходные  данные для кластерного анализа  представляются в вид матрицы  размером m × n, содержащей информацию одного из следующих трех типов:

    измерения Х_ij значений m переменных для n объектов;

    квадратная (m = n) матрица расстояний между парами объектов;

    квадратная (m = n) матрица близостей для всех пар n объектов.

    Объектами могут быть товары разных фирм, например легковые автомобили. Переменными могут  быть их характеристики, значимые для  покупателей. В этом случае кластерный анализ позволяет объективно разделить  их на группы и облегчить позиционирование автомобиля предприятия по отношению  к конкурентам, обосновать назначение цены.

    Другим  видом объектов могут быть регионы  страны. Если в качестве переменных использовать уровень доходов и  уровень цен, то можно классифицировать регионы по уровню благосостояния. Можно в качестве переменных взять 32 показателя благосостояния, рекомендуемые  ООН, тогда классификация будет  всесторонней. На ее основе можно планировать  региональную экономическую политику.

    В ряде статистических пакетов в матрице  близостей или в матрице расстояний может быть заполнена лишь левая  нижняя половина под диагональю, верхняя  половина может быть заполнена нулями

    Если  исходные данные представляют собой  значения m переменных для n объектов, то необходимо выбрать стратегию объединения и метод вычисления расстояния d_ij между объектами в многомерном пространстве — метрики.

    Дивизивная стратегия динамических сгущений позволяет сгруппировать объекты в заданное число кластеров.

    В случае дивизивной стратегии кластеризации необходимо указать число кластеров, на которое желательно разбить множество объектов, причем окончательное количество кластеров может получиться меньше этого числа, если затребованное разбиение для имеющихся данных невозможно.

    Промежуточным результатом анализа являются среднее  внутрикластерное расстояние, по которому можно сравнивать различные варианты кластеризации, и кластеры с указанием в каждый кластер объектов.

    В случае использования матрицы переменные—объекты можно получить проекции на плоскость  каждых двух переменных графика кластеров, на котором объекты каждого кластера соединяются линиями с центральным  объектом. Они позволяют наглядно представить характеристики классификации.

    Агломеративная стратегия позволяет строить дендрограмму классификации в ходе иерархического процесса объединения кластеров. Часто используют следующие варианты этой стратегии:

    стратегия ближайшего соседа очень сильно сжимает  пространство исходных переменных и  рекомендуется для получения  минимального дерева взамен групповой  классификации;

    стратегия дальнего соседа сильно растягивает  пространство;

    стратегия группового соседа сохраняет метрику  пространства;

    гибкая  стратегия универсальна и зависит  от значения бета-параметра (параметр должен быть < 1,0); при бета = 0 метрика не меняется, при бета > 0 пространство сжимается, а при бета < 0 — растягивается;

    метод Уорда минимизирует внутрикластерный разброс объектов, дендрограмма получается с гипертрофированно разделенными кластерами.