какие методы направлены на то чтобы выявить сходство в закономерностях развития различных процессов
LearnManage
Меню сайта
Методы прогнозирования, их классификация
Прежде всего, приведем определение метода прогнозирования как способа теоретического и практического действия, направленного на разработку прогнозов. Это определение является достаточно общим и позволяет понимать термин «метод прогнозирования» весьма широко: от простейших экстраполяционных расчетов до сложных процедур многошаговых экспертных опросов. [8] Статья с сайта saintclements
В настоящее время наряду со значительным числом опубликованных методов прогнозирования известны многочисленные способы их классификации. Тем не менее, считать этот вопрос удовлетворительно решенным нельзя, так как единой, полезной и полной классификации сейчас еще не создано. Вероятно, прогностика, как молодая наука, еще не достигла такого уровня развития, когда возможно создание классификации, удовлетворяющей всем этим требованиям. Итак, каковы же цели классификации методов прогностики? Можно указать две такие основные цели. Это, во-первых, обеспечение процесса изучения и анализа методов и, во-вторых, обслуживание процесса выбора метода при разработке прогнозов объекта. На современном этапе трудно предложить единую классификацию, в равной степени удовлетворяющую обеим из указанных целей.
Существуют два основных типа классификации: последовательная и параллельная. Последовательная классификация предполагает вычленение частных объемов из более общих. Это процесс, тождественный делению родового понятия на видовые. При этом должны соблюдаться следующие основные правила: 1) основание деления (признак) должно оставаться одним и тем же при образовании любого видового понятия; 2) объемы видовых понятий должны исключать друг друга (требование отсутствия пересечения классов); 3) объемы видовых понятий должны исчерпывать объем родового понятия (требование полного охвата всех объектов классификации). [6]
Последовательная классификация имеет наглядную интерпретацию в виде некоторого генеалогического дерева, охватывает всю рассматриваемую область в целом и определяет место и взаимосвязи каждого класса в общей системе. Поэтому она является более приемлемой для целей изучения, позволяет методически более стройно представлять классифицируемую область знаний. [7]
Каждый уровень классификации характеризуется своим классификационным признаком. Элементы каждого уровня представляют собой наименования принадлежащих им подмножеств элементов ближайшего нижнего уровня, причем подмножеств непересекающихся.
Элементы нижнего уровня представляют собой наименование узких групп конкретных методов прогнозирования (иногда из одного элемента), которые являются модификациями или разновидностями какого-либо одного, наиболее общего из них.
В целом классификация является открытой, так как предоставляет возможность увеличивать число элементов на уровнях и наращивать число уровней за счет дальнейшего дробления и уточнения элементов последнего уровня. [8]
На первом уровне все методы делятся на три класса по признаку «информационное основание метода»:
. Фактографические методы базируются на фактически имеющемся информационном материале об объекте прогнозирования и его прошлом развитии.
. Экспертные методы базируются на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения этого мнения.
. Комбинированные методы выделены в отдельный класс, чтобы можно было относить к нему методы со смешанной информационной основой, в которых в качестве первичной информации используются фактографическая и экспертная. Например, при проведении экспертного опроса участникам представляют цифровую информацию об объекте или фактографические прогнозы, либо, наоборот, при экстраполяции тенденции наряду с фактическими данными используют экспертные оценки.
Не следует относить к комбинированным методам те методы прогнозирования, которые к экспертной исходной информации применяют математические методы обработки или исходную фактографическую информацию оценивают экспертным путем. В большинстве случаев они достаточно хорошо укладываются в первый или второй из перечисленных выше классов. [9]
Эти классы разделяются далее на подклассы по принципам обработки информации. Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей. Методы аналогий направлены на то, чтобы выявлять сходство в закономерностях развития различных процессов и на этом основании производить прогнозы. Опережающие методы прогнозирования строятся на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие научно-технического прогресса. [4]
Классификация методов прогнозирования
Условно существующие методы прогнозирования классифицируются по трем признакам:
• общему принципу действия;
• способу получения прогнозной информации.
По степени формализации методы прогнозирования делятся на интуитивные и формализованные. Первыеприменяются тогда, когда информация об объекте прогнозирования несет в основном качественный характер либо когда невозможно учесть влияние многих факторов из-за значительной сложности объекта. Вторые — когда информация об объекте прогнозирования носит главным образом количественный характер и на ее основе можно установить причинно-следственные связи между факторами объекта прогнозирования.
В зависимости от общих принципов действия интуитивные методы прогнозирования можно разделить на две группы: индивидуальные экспертные оценки и коллективные экспертные оценки.
Методы коллективных экспертных оценок уже можно отнести к комплексным системам прогнозирования (обычно неполным), поскольку в последних сочетаются методы индивидуальных экспертных оценок и статистические методы их обработки. 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 (принцип классификации — способ получения прогнозной информации) можно включить 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 обших принципов действия можно разделить на группы экстраполяционных, системно-структурных, ассоциативных методов и методов опережающей информации.
В группу методов прогнозной экстраполяции включаются методы наименьших квадратов, экспоненциального сглаживания, вероятностного моделирования и адаптивного сглаживания. К группе системно-структурных методов относятся 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 включаются методы анализа потоков публикаций, оценки значимости изобретений и анализа патентной информации.
По способу получения и обработки информации об объекте можно выделить: статистические методы, методы аналогий, опережающие методы.
Статистические методы объединяют методы обработки количественной информации по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик объекта с целью получения прогнозных моделей.
Методы аналогии направлены на то, чтобы выявить сходство в закономерностях развития процесса и на этом основании строить прогнозы.
Опережающие методы прогнозирования базируются на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие объекта прогнозирования. В свою очередь, их можно разделить на методы исследования динамики развития объекта и методы исследования и оценки уровня развития объекта.
Некоторые не названные здесь методы являются или разновидностью включенных в схему методов, или дальнейшей их конкретизацией.
ОСНОВЫ ГОСУДАРСТВЕННОГО
И МУНИЦИПАЛЬНОГО УПРАВЛЕНИЯ
Теория управления
Управление — это искусство и наука
Управление как искусство.Понятие об управлении как искусстве, т.е. способности эффективно применять накопленный опыт на практике, сложилось еще в древности, когда границы мира искусства и мира науки не осознавались сколько-нибудь отчетливо. Искусство управления накапливалось в течение всей истории развития менеджмента, насчитывающей, как известно, несколько тысячелетий.
Понимание менеджмента как искусства управления базируется на том, что организации — это сложные социально-технические системы, на функционирование которых воздействуют многочисленные и разнообразные факторы как внешней, так и внутренней среды. Люди, работающие в организациях и с организациями, — это самый главный фактор. Его учет требует не только использования научного подхода, но и искусства его применения в конкретных ситуациях. Ведь каждый работник обладает своим особенным характером, имеет свою систему ценностей и мотивы к труду и т.д. Поэтому нередко менеджмент рассматривается как искусство, которое, подобно медицине или инженерному делу, должно опираться на лежащие в его основе концепции, теории, принципы, формы и методы. Такой подход позволяет соединить науку и искусство управления в единый процесс, требующий не только постоянного пополнения научных знаний, но и развития личностных качеств менеджеров, их способности применять знания в практической работе.
Управление как наука.Менеджмент выделился в самостоятельную область человеческих знаний, в науку, только в конце XIX в., хотя достаточно четкое разграничение науки и искусства произошло в XVIIIв., когда представление об искусстве стало соединяться с понятиями «прекрасное», «чувственное», «эстетическое», а научная деятельность начала все больше связываться с «разумом», «логикой», «рассудком». Управление как наука имеет свой предмет изучения, свои специфические проблемы и подходы к их решению. Научную основу этой дисциплины составляет вся сумма знаний об управлении, накопленная за сотни и тысячи лет практики и представленная в виде концепций, теорий, принципов, способов и
форм управления. На протяжении более чем вековой истории наука управления разрабатывает свою теорию, содержанием которой являются законы и закономерности, принципы, функции, формы и методы целенаправленной деятельности людей в процессе управления.
Первые работы, в которых была сделана попытка научного обобщения накопленного опыта и формирования основ научного управления, появились за рубежом к концу XIX — началу XX в. Это было ответом на потребности промышленного развития, которое все больше приобретало такие специфические черты, как массовое производство и массовый сбыт, ориентация на рынки большой емкости и крупномасштабную организацию в форме мощных корпораций и акционерных обществ. Предприятия-гиганты испытывали острую необходимость в рациональной организации производства и труда, в четкой и взаимосвязанной работе всех подразделений и служб, менеджеров и исполнителей в соответствии с научно обоснованными принципами, нормами и стандартами.
Основателем школы научного менеджмента был Ф.У. Тейлор — инженер-практик и менеджер, решавший в своей повседневной работе вопросы рационализации производства и труда с целью повышения производительности и эффективности. Изучая способы выполнения работ и трудовых операций, Ф. Тейлор сформулировал четыре принципа управления индивидуальным трудом рабочих:
• научный подход к выполнению каждого элемента работы;
• научный подход к подбору, обучению и тренировке рабочего;
• кооперация с рабочими;
• разделение ответственности за результаты труда между менеджерами и рабочими.
Другой известный специалист в области менеджмента А. Файоль предложил формализованное описание работы управляющих в организациях и сформулировал принципы управления, которыми предлагалось руководствоваться при решении управленческих задач и выполнении функций менеджмента. А. Файоль считается основателем так называемой классической (административной) школы управления.
В нашей стране идеи научного управления в условиях нового общественного строя и социалистической системы хозяйствования развивали А.А. Богданов, Н.А. Витке, А.К. Гастев, О.А. Ерманский, Е.Ф. Розмирович и многие другие ученые и практики, работавшие в различных организациях и институтах, занимавшихся научной
организацией труда. Одна из важнейших разработок этого периода — обоснование принципов управления, учитывающих такие особенности социалистической системы хозяйствования, как централизация и прямое управление производственно-хозяйственной деятельностью предприятий со стороны государственных органов. С учетом этих принципов разрабатывалась теория функций, структур и процессов управления на предприятиях и в государственных органах. Наряду с этим в отечественной науке управления проводились активные исследования законов и закономерностей управления социалистическим производством. Были сформулированы и обоснованы как объективно отражающие особенности управления социалистическим общественным производством законы единства системы управления, пропорциональности производства и управления, оптимального соотношения централизации и децентрализации функций управления управляющей и управляемой систем, участия трудящихся в управлении.
Классификация методов и моделей прогнозирования
Я занимаюсь прогнозированием временных рядов уже более 5 лет. В прошлом году мною была защищена диссертация по теме «Модель прогнозирования временных рядов по выборке максимального подобия», однако вопросов после защиты осталось порядочно. Вот один из них — общая классификация методов и моделей прогнозирования.
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 посмотреть внимательно, то быстро выясняется, что понятие «метод прогнозирования» гораздо шире понятия «модель прогнозирования». В связи с этим на первом этапе классификации обычно делят методы на две группы: интуитивные и формализованные [1].
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.
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.
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.
Какие методы направлены на то чтобы выявить сходство в закономерностях развития различных процессов
В нашей онлайн базе уже более 10821 рефератов!
|
(1.2.2)