Классификация объектов прогнозирования кратко

Обновлено: 28.06.2024

Обычно в работах как отечественных, так и англоязычных авторы не задаются вопросом классификации методов и моделей прогнозирования, а просто их перечисляют. Но мне кажется, что на сегодняшний день данная область так разрослась и расширилась, что пусть самая общая, но классификация необходима. Ниже представлен мой собственный вариант общей классификации.

В чем разница между методом и моделью прогнозирования?

Метод прогнозирования представляет собой последовательность действий, которые нужно совершить для получения модели прогнозирования. По аналогии с кулинарией метод есть последовательность действий, согласно которой готовится блюдо — то есть сделается прогноз.

Модель прогнозирования есть функциональное представление, адекватно описывающее исследуемый процесс и являющееся основой для получения его будущих значений. В той же кулинарной аналогии модель есть список ингредиентов и их соотношение, необходимый для нашего блюда — прогноза.

Совокупность метода и модели образуют полный рецепт!

В настоящее время принято использовать английские аббревиатуры названий как моделей, так и методов. Например, существует знаменитая модель прогнозирования авторегрессия проинтегрированного скользящего среднего с учетом внешнего фактора (auto regression integrated moving average extended, ARIMAX). Эту модель и соответствующий ей метод обычно называют ARIMAX, а иногда моделью (методом) Бокса-Дженкинса по имени авторов.

Сначала классифицируем методы

Если мы вспомним нашу кулинарную аналогию, то и там можно разделить все рецепты на формализованные, то есть записанные по количеству ингредиентов и способу приготовления, и интуитивные, то есть нигде не записанные и получаемые из опыта кулинара. Когда мы не пользуемся рецептом? Когда блюдо очень просто: пожарить картошку или сварить пельмени — тут рецепт не нужен. Когда еще мы не пользуемся рецептом? Когда желаем изобрести что-то новенькое!

Интуитивные методы прогнозирования имеют дело с суждениями и оценками экспертов. На сегодняшний день они часто применяются в маркетинге, экономике, политике, так как система, поведение которой необходимо спрогнозировать, или очень сложна и не поддается математическому описанию, или очень проста и в таком описании не нуждается. Подробности о такого рода методах можно глянуть в [2].

Формализованные методы — описанные в литературе методы прогнозирования, в результате которых строят модели прогнозирования, то есть определяют такую математическую зависимость, которая позволяет вычислить будущее значение процесса, то есть сделать прогноз.

На этом общая классификация методов прогнозирования на мой взгляд может быть закончена.

Далее сделаем общую классификация моделей

Здесь необходимо переходить к классификации моделей прогнозирования. На первом этапе модели следует разделить на две группы: модели предметной области и модели временных рядов.

Модели предметной области — такие математические модели прогнозирования, для построения которых используют законы предметной области. Например, модель, на которой делают прогноз погоды, содержит уравнения динамики жидкостей и термодинамики. Прогноз развития популяции делается на модели, построенной на дифференциальном уравнении. Прогноз уровня сахара крови человека, больного диабетом, делается на основании системы дифференциальных уравнений. Словом, в таких моделях используются зависимости, свойственные конкретной предметной области. Такого рода моделям свойственен индивидуальный подход в разработке.

Модели временных рядов — математические модели прогнозирования, которые стремятся найти зависимость будущего значения от прошлого внутри самого процесса и на этой зависимости вычислить прогноз. Эти модели универсальны для различных предметных областей, то есть их общий вид не меняется в зависимости от природы временного ряда. Мы можем использовать нейронные сети для прогнозирования температуры воздуха, а после аналогичную модель на нейронных сетях применить для прогноза биржевых индексов. Это обобщенные модели, как кипяток, в которые если бросить продукт, то он сварится вне зависимости от его природы.

Классифицируем модели временных рядов

Мне кажется, что составить общую классификацию моделей предметной области не представляется возможным: сколько областей, столько и моделей! Однако модели временных рядов легко поддаются простому делению [3]. Модели временных рядов можно разделить на две группы: статистические и структурные.

регрессионные модели (линейная регрессия, нелинейная регрессия);
авторегрессионные модели (ARIMAX, GARCH, ARDLM);
модель экспоненциального сглаживания;
модель по выборке максимального подобия;
и т.д.

нейросетевые модели;
модели на базе цепей Маркова;
модели на базе классификационно-регрессионных деревьев;
и т.д.

Для обоих групп я указала основные, то есть наиболее распространенные и подробно описанные модели прогнозирования. Однако на сегодняшний день моделей прогнозирования временных рядов имеется уже громадное количество и для построения прогнозов, например, стали использовать SVM (support vector machine) модели, GA (genetic algorithm) модели и многие другие.

Общая классификация

Таким образом мы получили следующую классификацию моделей и методов прогнозирования.

Тихонов Э.Е. Прогнозирование в условиях рынка. Невинномысск, 2006. 221 с.
Armstrong J.S. Forecasting for Marketing // Quantitative Methods in Marketing. London: International Thompson Business Press, 1999. P. 92 – 119.
Jingfei Yang M. Sc. Power System Short-term Load Forecasting: Thesis for Ph.d degree. Germany, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 p.

UPD. 15.11.2016.
Господа, дошло до маразма! Недавно мне прислали на рецензию статью для ВАКовского издания со ссылкой на эту запись. Обращаю внимание, что ни в дипломах, ни в статьях, ни тем более в диссертациях ссылаться на блог нельзя! Если хотите ссылку, то используйте эту: Чучуева И.А. МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ ПО ВЫБОРКЕ МАКСИМАЛЬНОГО ПОДОБИЯ, диссертация… канд. тех. наук / Московский государственный технический университет им. Н.Э. Баумана. Москва, 2012.

Прогноз (или целевая группировка прогнозов) имеет 2 слагающих:

1) объект (предмет, профиль, область) исследования – это ведущее направление прогноза;

2) прогнозный фон — вспомогательные направления прогноза.

Переменная объекта прогнозирования – это характеристика объекта прогнозирования, которая является или принимается за переменную при разработке прогноза. Различают значащую (важную для описания объекта) и незначащую переменную объекта прогнозирования; эндогенную (внутреннюю, отражающую свойства самого объекта) и экзогенную (внешнюю, отражающую свойства прогнозного фона).

Объект (профиль, предмет, область) прогнозирования – явление природы или общественной жизни, развитие которого прогнозируется; совокупность предметов, явлений и процессов, будущее состояние которых необходимо знать для обоснования принимаемого решения.

Совокупность можно сравнить с системой*.

На сегодняшний день существует около трех десятков конкретных объектов (областей) научного прогнозирования, среди них: агрометеорологическое, антропологическое, архитектурно-градостроительное, астрономическое, биологическое, военное, геологическое, гидрологическое, космологическое, криминологическое (индивидуальное, общие и частные культурологическое объекты), медико-биологическое, метеорологическое, науковедческое, научно-техническое, образовательно-педагогическое, политическое, психологическое, социальное, развитие высоких технологий, социально-космическое, фенологическое, экономическое, этнологическое, юридическое (государственно-правовое). Эти области связаны с такими науками и направлениями, как гидрометеорология, геология, биология, медицина и здравоохранение, география, экология, космос, наука и техника, экономика, социология, психология, демография, этнография, архитектура и градостроение, образование и педагогика, культура и эстетика, юриспруденция, внутренняя, внешняя и военная политика, глобальные проблемы мира.

4.2 Классификация объектов

Классификация — система соподчиненных понятий (классов объектов, явлений, характеристик) в какой-либо отрасли знаний или деятельности.

Классификация. По классификации объекты прогнозирования имеют следующие основные направления: экономические, социальные, военно-политические, научно-технические, естественно-природные.

Но чаще говорят о трех:

1. обществоведческих (социальные, экономические),

3. научно-технических (технологические, инженерные).

Между естествоведческими и обществоведческими прогнозами нет глухой стены. Так человек научился воздействовать на погоду (рассеивание туманов и градовых туч), на урожайность (производство удобрений) и т.д.

Обществоведческие (социальные, социально-экономические) прогнозы включают 16 основных областей:

1. социально—медицинские (здравоохранение, включая физическую культуру и спорт);

2. социально—географические (перспективы дальнейшего освоения земной поверхности, включая Мировой океан);

3. социально—экологические (перспективы сохранения равновесия между состоянием природной среды и жизнедеятельностью общества);

4. социально—космические (перспективы освоения космоса);

5. экономические (перспективы развития народного хозяйства, вообще экономических отношений);

6. социологические (социальные) в узком смысле (перспективы развития социальных отношений);

7. психологические (личность, ее поведение, деятельность);

8. демографические (рост, миграция населения);

9. филолого—этнографические (лингво—этнические) (развитие языка, письменности, личных имен, национальных традиций, нравов, обычаев);

10. архитектурно—градостроительные (социальные аспекты расселения, развитие городов и деревни, жилища, вообще обитаемая среда);

11. образовательно—педагогические (воспитание и обучение, развитие кадров и учреждений в области народного образования – от детских яслей и садов до университетов и аспирантуры, включая систему повышения квалификации);

12. культурно—этнические (материально-техническая база искусства, литературы, всей культуры; художественная информация, развитие кадров и учреждений культуры – книжного, журнального, газетного дела, радио и телевидения, кино, театра, музеев и парков культуры, клубов и библиотек, памятников культуры и т.д.);

13. государственно—правовые или юридические (развитие государства и законодательства, права и криминологии, вообще правовые отношения);

14. внутриполитические (внутренняя политика своей и других стран);

15. внешнеполитические (внешняя политика своей и других стран, международные отношения в целом);

16. военные (военно-технические, военно-экономические, военно-политические, военно-стратегические, военно-тактические, военно-организационные).

Социальное прогнозирование охватывает социологические аспекты научно-технического прогресса, медицины, экологии, дальнейшего освоения Земли и Космоса, экономики, этнографии, демографии, градостроительства, народного образования, культуры, государства и права, психологии, этики, внутренней и внешней политики, военного дела. Основные направления обществоведческого прогнозирования можно отнести к формально детерминированным объектам, это: науковедческое, техноведческое, военное, этическое, этнографическое, демографическое, педагогическое, психологическое, политическое, юридическое, архитектурное, экономическое, социологическое, социокультурное, социально-медицинское, социально-экологическое, социально-географическое, социально-космическое и т.д.

Сюда же входит проблематика собственно социологических исследований:

v формы общественного сознания (мировоззрение, наука, искусство, культура, мораль, право, психология, религия);

v форма жизнедеятельности (труд, быт, досуг, общественно-политическая деятельность);

v формирование личности (образование, воспитание, спорт);

v народонаселение (демография, этнография, миграция, лингвистика и т.д.);

v расселение (регион, город, село, экология и т.д.);

v социальное развитие (общество, коллектив), социальные изменения и структуры;

v социальные институты;

v социальные группы;

v массовая информация (общественное мнение, печать, радиовещание, телевидение и т.д.);

v политика (государства, международные отношения, национальные движения).

Прогнозы: научно-технического Прогнозы: потребностей общества,

В качестве цели классификации примем создание предпосылок для выбора адекватных методов анализа и прогнозирования объекта. В соответствии с такой целью в качестве способа классификации примем параллельный способ.

В качестве классификационных признаков примем следующие: природу объекта прогнозирования, его масштабность, сложность объекта прогнозирования, степень его детерминированности, характер его развития во времени, степень информационной обеспеченности.

1. По природе объекты прогнозирования можно подразделить на следующие классы:

а) научно-технические (развитие фундаментальных и прикладных исследований, развитие техники, новые виды техники, технические характеристики, изобретения и открытия в области науки и техники, новые материалы, технология);

б) технико-экономические (национальная экономика по отраслям, развитие и размещение производства, промышленные предприятия, технико-экономические показатели производства продукции);

в) социально-экономические (демография, миграция, трудовые ресурсы, размещение производительных сил, спрос);

в) военно-политические (международные отношения, опасные зоны, военный потенциал);

д) естественно-природные (погода, землетрясения, ураганы, окружающая среда, природные ресурсы). Природа объекта прогнозирования при выборе методов анализа и прогнозирования определяет в основном его специфическую часть, то есть те специальные приемы и методы, которые характерны для области, соответствующей природе объекта.

2. По масштабности объекты прогнозирования можно классифицировать в зависимости от числа переменных, входящих в полное описание объекта на стадии анализа:

а) сублокальные - с числом значащих переменных от 1 до 3 (численность населения страны, производственная функция, рабочее место);

б) локальные - с числом значащих переменных от 4 до 15 (производственный участок, материал, несложное техническое устройство, ход болезни);

в) субглобальные - с числом значащих переменных от 15 до 35 (цех, областная сеть авиалиний, спрос на продукцию предприятия с соответствующей номенклатурой);

г) глобальные - с числом значащих переменных от 36 до 100 (предприятие, транспортная сеть региона);

д) суперглобальные - с числом значащих переменных свыше 100 (отрасль, крупное предприятие, большая техническая система типа “самолет”, транспортная сеть страны и

3. По признаку “сложность объекта прогнозирования” объекты можно классифицировать по степени взаимосвязанности значащих переменных в их описании:

а) сверхпростые - это объекты с отсутствием существенных взаимосвязей между переменными; такие объекты можно анализировать и разрабатывать для них прогнозы путем последовательного анализа независимых переменных, составляющих описание при любой масштабности объекта;

б) простые - это объекты, в описании которых содержатся парные взаимосвязи между переменными; для анализа таких объектов могут использоваться простые модели аппроксимации функций взаимосвязей, модели парных регрессий, несложные экспертные методы оценки степени;

в) сложные - это объекты, для адекватного описания которых необходимо учитывать взаимосвязи и совместные влияния нескольких значащих переменных (трех и более), однако имеется возможность выделения главных и влияющих на них групп переменных описания; для анализа такого рода объектов можно использовать методы множественного регрессионного и корреляционного анализа, экспертные таблицы оценок взаимного влияния предпочтений;

г) сверхсложные - это объекты, в описании которых необходимо учитывать взаимосвязи между всеми переменными; основными инструментами анализа в этом случае являются множественный корреляционный анализ, факторный и дисперсный анализ.

Относительно данного аспекта классификации следует отметить его зависимость от целей и задач анализа, от требуемой степени точности.

4. По степени детерминированности можно выделить объекты:

а) детерминированные, описание которых может быть представлено в детерминированном виде с удовлетворительной для поставленной задачи прогнозирования точностью; это объекты, в характеристиках которых случайная составляющая несущественна, так что ею можно пренебречь в описании (в модели) объекта;

б) стохастические, в описании (модели) которых необходим учет случайной составляющей переменных в соответствии с требуемой точностью и задачей прогноза;

в) смешанные, имеющие характеристики как детерминированного, так и стохастического характера.

5. По характеру развития во времени объекты прогнозирования можно подразделить на:

а) дискретные, регулярная составляющая которых (тренд) изменяется скачками в фиксированные моменты времени;

б) апериодические, имеющие описание

регулярной составляющей в виде апериодической непрерывной функции времени;

в) циклические, имеющие регулярную составляющую в виде периодической функции времени.

В общем случае понятие характера развития во времени можно обобщить и на другой какой-либо аргумент, помимо времени. По данному признаку можно оценить наиболее приемлемые способы анализа и прогнозирования.

6. По степени информационной обеспеченности объекты прогнозирования можно подразделить на:

а) объекты с обеспечением количественной информацией - это объекты, для которых имеется в наличии ретроспективная количественная информация в объеме, достаточном для реализации метода экстраполяции либо статистического метода прогнозирования с заданной точностью на заданное время упреждения;

б) объекты с неполным обеспечением количественной информацией - это объекты, для которых имеющаяся в наличии ретроспективная информация допускает использование статистических и экстраполяционных методов, однако не обеспечивает на заданном времени упреждения заданную точность прогноза;

в) объекты с наличием качественной ретроспективной информации - это объекты, относительно прошлого развития которых имеется только качественная информация и полностью отсутствует либо очень ограничена количественная информация;

г) объекты с полным отсутствием ретроспективной информации - это, как правило, несуществующие проектируемые объекты.

С учетом числа классов по каждому из шести перечисленных выше классификационных признаков будем иметь: N = 5 ´ 5 ´ 4 ´ 3 ´ 3 ´ 4 = 3600 различных классов объектов прогнозирования.

Прогнозирование важнейший процесс практически любой деятельности. Ожидание определенных результатов – это и есть конечная цель любой работы. Прогнозы могут строиться на различных принципах. Главное в выстраивание прогнозов не завышать и не занижать желаемые результаты, для того чтобы они были более точными и правдоподобными.

Необходимо учитывать реальную ситуацию, не надо ее приукрашивать или пытаться сделать хуже, чем есть. Для прогнозирования тех или иных показателей существует целая система оценки, где - то она строиться на расчетах и формулах, где-то основывается на исследованиях (наблюдение, анкетирование, различные опросы), где-то на аналитических данных и т.д.

Понятие прогноза

Прогноз – это некое суждение, вполне обоснованное, о том, что может быть в будущем, причем с указанием сроков исполнения и способах исполнения этого суждения.

Разработать тот или иной прогноз – это сложная, но выполнимая задача. Для этого необходимо сначала обработать достаточное количество материала об объекте исследования, затем выбрать соответствующие методы прогнозирования, и дать общие представления о том, как в дальнейшем этот объект будет эволюционировать в зависимости от выявленных тенденций его развития.

Классификация прогнозирования

Процесс прогнозирования можно классифицировать разными способами и методами.

По целям прогнозирования можно выделить нормативные и поисковые. В рамках нормативного прогнозирования идет постановка определенных целей и задач, а также сроки выполнения их. То есть будущее прогнозирование отсчитывается от заданного момента в настоящем с учетом тенденции развития. Поисковое прогнозирование, наоборот, изучает все тенденции прошлого и на основании этого строит прогноз на будущее.

Готовые работы на аналогичную тему

Прогнозирование по времени:

Прогноз, основанный только на количественных показателях, рассчитанный сроком до 1 месяца, называется оперативным.
Прогноз, основанный только на общих количественных показателях, рассчитанный сроком до 1 года, называется краткосрочным.
Прогноз, основанный на общих количественных показателях и качественных оценках, рассчитанный сроком до 5 лет, называется среднесрочным.
Прогноз, основанный на общих количественных показателях и качественных оценках, рассчитанный сроком до 15 лет, называется долгосрочным.
Прогноз, основанный на общих качественных характеристиках, рассчитанный сроком до 20 лет, называется дальнесрочным.

Прогнозирование по содержанию может быть: экономического характера, демографического, социального, экологического, природного характера и научно – технического.

Прогнозирование по методике разработки бывают формализованные и интуитивные. Интуитивные прогнозы формируются экспертами, чаще всего эти прогнозы нужны в том случае, когда об объекте исследования нет информации или он новый. Формализованные же прогнозы, наоборот, формируются на основании официальных данных (статистическая отчетность, различного рода показатели и т.п.).

Прогнозирование по масштабам бывает: макроэкономическими, межрегиональными, отраслевыми, региональными, межотраслевыми, также в качестве объекта прогнозирования может выступать отдельная организация, фирма или даже весь мир или галактика.

Таким образом, классификация прогнозирования позволяет расставить приоритеты процесса прогнозирования в зависимости от его целей и задач.

Получи деньги за свои студенческие работы

Курсовые, рефераты или другие работы

Автор этой статьи Дата последнего обновления статьи: 27.06.2021

Анастасия Владимировна Гаврилова

Автор24 - это сообщество учителей и преподавателей, к которым можно обратиться за помощью с выполнением учебных работ.

Читайте также: