Формализованные методы прогнозирования кратко
Обновлено: 05.07.2024
Формализация – это выявление структуры (формы) мысли, символическое обозначение и построение ее по определенным правилам и законам в виде знаковой системы, которая подлежит интерпретации. Формализация предполагает не просто выражение высказываний теории в знаковой форме, формулах, а определенное их реконструирование, преобразование в новую систему.
Формализация может быть нелогической и логической. В первом случае – это знаковая система, записанная на языке математики, физики, химии и т.д. и предназначенная для выявления и построения структуры отдельного понятия, суждения, закона, принципа и в целом системы конкретной науки [4, c.84].
Логическая же формализация означает выявление структуры (формы) мысли, символическое обозначение и построение ее по правилам и законам логики в виде логических исчислений, которые подлежат интерпретации.
Логическая формализация определяется только логическим аппаратом. Если нелогическая формализация применительно к каждой конкретной науке имеет специфический характер, то логическая – общий. В ней представлены единые закономерности построения научных знаний (и отдельных мыслей).
Логическая формализация строится, прежде всего, на базе искусственного логического языка как языка объекта. Естественный же язык выступает в виде метаязыка.
Принципы построения логической формализации следующие [4, c.85]:
2. Определение формул и правил образования из простых формул сложных
3. Задание системы правил преобразования одних формул в другие (синтаксис)
4. Построение логических систем в соответствии с принципами непротиворечия, полноты, независимости, разрешимости
5. Установление обозначения и истинности (интерпретация – семантический уровень) и др.
Формализованные методы прогнозирования развития социально-экономических систем, получивших наибольшее распространение в практике, по специфике используемого математического аппарата можно разделить на следующие группы: экономико-статистические, экстраполяционные; имитационного моделирования; оптимизационные; распознавания образов, адаптивного прогнозирования; экспертные системы с использованием баз знаний; общенаучные.
Основой экономико-статистических методов является использование методов математической статистики и теории вероятностей для решения прикладных задач, связанных с анализом временных рядов и диагностикой систем (технико-экономических, природных и т. д.). Это большая группа методов, многие из которых широко применяются на практике особенно с использованием имеющихся пакетов прикладных программ.
В методическом плане основой методов данного класса является прогнозная экстраполяция, распространение выводов, полученных из наблюдения над одной частью явления на другую часть его [4, c.86].
Экономико-статистические методы прогнозирования экономических процессов чаще всего реализуются в форме эконометрических моделей, представляющих собой систему регрессионных уравнений, описывающих взаимосвязи и зависимости основных показателей развития экономических систем различного масштаба. В эконометрических моделях все множество переменных делится на экзогенные (определяемые заранее, априорно) и эндогенные (определяемые в результате расчетов по модели, то есть апостериорно). В экономических системах, обладающих большой инерцией, устойчивостью внутренних связей (народное хозяйство, регион), эконометрические модели дают достаточно приемлемые с точки зрения точности прогноза результаты.
Экстраполяционные методы состоят из трех стадий:
1. Ретроспекция – получение и анализ истории развития объекта прогнозирования с целью выявления сложившихся тенденций в прошлом
2. Выбор существующих или создание новых методов подхода к объекту
3. Проспекция – разработка прогноза
Методы адаптивного прогнозирования основаны на адаптации к данным или к другой информации, на базе которой строится прогноз. Основное свойство таких методов: при поступлении новых данных значение прогноза меняется, адаптируясь к вновь поступившей информации, и становится таким образом более чувствительным к ней. При небольшом изменении значений данных прогноз также будет мало изменяться.
Необходимость в том, чтобы прогнозы были чувствительными к изменениям данных, очевидна. Более чувствительный прогноз в конечном счете приведет и к меньшей разнице между прогнозируемым и фактическим значениями и, следовательно, точность будет выше. Прогноз также должен быть малочувствителен в условиях устойчивости (малого изменения данных), что не так очевидно, поскольку в этом случае и высоко- и низкочувствительный прогноз приведет приблизительно к одним и тем же значениям [4, c.101].
Необходимость в низкочувствительном прогнозе возникает, в частности, в случае, когда движение стационарно изменяющегося ряда нарушается в один из моментов времени скачком (импульсом). В подобной ситуации низкочувствительный прогноз, очевидно, мало изменит свое значение, и единственной большой ошибкой прогноза будет ошибка, связанная с моментом импульса.
Идея создания первых экспертных систем для решения проблемных задач в различных сферах человеческой деятельности возникла более 30 лет назад. Однако только в последнее время специалисты пришли к выводу, что системы на основе знаний могут быть использованы для решения многих прикладных задач и область применения таких систем стала быстро расширяться. Соответственно возросла и доля научных работ, посвященных этому направлению.
Приобретенная экспертными системами популярность объясняется их способностью воспринимать знания от человека – эксперта в определенной предметной области и обеспечивать доступ к ним, без чего становится трудно обойтись при принятии решений в сложных ситуациях, например при управлении сложными объектами, решении задач оптимального размещения финансовых средств и т. д.
Знания в виде набора фактов (предметное знание) и эвристических приемов (их можно назвать эмпирическими правилами) вводятся в базу знаний. Программа применяет эти эвристические приемы для выработки решений, и ход рассуждений системы может быть раскрыт пользователю с тем, чтобы показать, как она пришла к конкретному выводу [4, c.112].
Существующие экспертные системы способны действовать в качестве экспертов (или имитировать их деятельность) в различных предметных областях, выполняя такие функции, как установление диагноза, анализ данных и планирование.
При построении экспертных систем соблюдают следующие отправные принципы [4, c.112]:
• отделить механизм вывода от базы знаний,
• использовать по возможности единообразное представление знаний, предпочтительнее в форме правил продукций,
• стремиться сохранить механизм логического вывода (управляющую структуру) как можно более простым.
• разработать средства, с помощью которых система могла бы разъяснять пользователю свои заключения,
• предпочитать задачи, требующие применения значительных объемов эмпирических ассоциативных знаний, тем, что могут быть решены с применением каузальных или математических знаний
При решении практических задач с использованием экспертных систем рекомендуется соблюдать следующие принципы:
1. Сосредоточиться на узкой предметной области, для которой характерен небольшой объем знаний, основанных на здравом смысле
2. Выбрать задачу, которая не очень проста и не слишком трудна для эксперта-человека
3. Сформулировать четко задачу
4. Использовать знания эксперта, умеющего четко выражать свои мысли.
5. Ограничить пространство поиска знаний
6. Обратить внимание на достоверность знаний в предметной области (они не должны содержать ошибок и противоречий)
Задание 1. По полученным данным стандартизированных рангов (табл. 1.) спрогнозировать степень влияния девяти факторов на рост производительности труда рабочих коопзаготпрома.
Таблица 1. Стандартизированные ранги
| № объекта | Ранг | Стандартизированный ранг |
| 1 | 8 | 9 |
| 2 | 8 | 9 |
| 3 | 4 | 3,5 |
| 4 | 3 | 2 |
| 5 | 4 | 3,5 |
| 6 | 2 | 1 |
| 7 | 5 | 5 |
| 8 | 6 | 6 |
| 9 | 7 | 7 |
| 10 | 8 | 9 |
Пяти экспертам было предложено проранжировать 9 факторов (n = 9) по степени их влияния на производительность труда рабочих коопзаготпрома. Набор этих факторов включает:
Х1 – коэффициент напряженности норм;
Х2 – условия труда рабочего;
Х3 – стаж работы по специальности;
Х4 – состояние тарифной системы;
Х5 – состояние оборудования;
Х6 – коэффициент ритмичности поставок животноводческого сырья;
Х7 – сбыт продукции;
Х8 – социально-психологические факторы;
Х9 – организация работы в цехе по обеспечению рабочих мест инструментом и т.д.
Номер заданий: 4, 7, 13, 11, 20.
Таблица 2. Исходные данные для прогнозирования степени влияния факторов производства на рост производительности труда
Факторы (объекты), j
Для расчета влияния факторов необходимо провести переранжировку и каждому фактору приписать стандартизированный ранг (табл. 3.).
Таблица 3. Прогноз степени влияния факторов производства на рост производительности труда
Факторы (объекты), j
Для наименьшей величины Sj= 16,5 присваивается результирующий ранг 1, для наименьшей из оставшихся Sj = 19,5 – 2 и т.д.
Хср = 225 / 9 = 25
Для выявления степени влияния факторов необходимо рассчитать коэффициент конкордации.
Прежде всего, рассчитаем показатели связанных рангов для каждого эксперта. Так, для первого эксперта имеем три равных фактора с рангом 5 и 2 равных фактора с рангом 1,5, получаем Т1:
Т1 = 1/12 *((33 – 3) + (23 – 2)) = 2,5
Аналогично для остальных экспертов:
Т2 = (43 – 4) / 12 = 5
Т3 = ((43 – 4) + (23 – 2)) / 12 = 5,5
Т4 = ((23 – 2) + (33 – 3)) / 12 = 2,5
Т5 = ((23 – 2) + (23 – 2)) / 12 = 1.
Коэффициент конкордации составит [4, c.47]:
W = = 290.5 / (1/12 * 52 * (93-9) – 5*16.5) = 290.5 / 1417.5 = 0.20.
Значимость коэффициента проверяется по критерию χ2 Пирсона [4, c.47]:
χ2 рас = 290,5 / (1/12 * 5 * 9 * (9-1) – (16,5/9-1)) = 290,5 / 27,9375 = 10,39.
Расчетное значение сравнивается с табличным. Табличное значение при числе степеней свободы n-1 = 9-1 = 8 и уровне значимости α = 0,05 равно 15,51.
© 2014-2022 — Студопедия.Нет — Информационный студенческий ресурс. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав (0.02)
Читайте также: