CC BY
22
Современные технологии. Транспорт. Энергетика. Строительство. _Экономика и управление_
УДК: 519.222+681.5.01 Дыкусов Геннадий Ефимович,
к. э. н., доцент, директор института экономики, управления и права, заведующий кафедрой экономической теории и финансов, Иркутский государственный технический университет
Елохин Владислав Романович, д. т. н., профессор, Иркутский государственный технический университет,
тел.: 89834173612, e-mail: zd51ze71@rambler.ru
Нгуен Ван Дык,
аспирант кафедры экономической теории и финансов, Иркутский государственный технический университет,
тел. 89248312988, e-mail: duc_asu08@mail.ru
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ ВО ВЬЕТНАМЕ
G. E. Dykusov, V. R. Elokhin, Nguyen Van Duc
SIMULATION MODELING OF ECONOMIC PROCESSES IN VIETNAM
Аннотация. Настоящая статья посвящена вопросам построения многооткликовых аппроксимирующих экономических моделей. При исследовании сложных экономических, сельскохозяйственных, энергетических, производственных и т. п. систем с той или иной интенсивностью в последние два десятилетия использовались машинные имитационные эксперименты, основу которых составляют методы математической статистики и методы решения специфических экстремальных задач. В основе работы лежит имитационный метод статистической аппроксимации, который представляет собой специальным способом ориентированный комплекс математико-статистических методов и моделей. Применение этого метода особенно важно на стадии прогнозирования сложных экономических систем, когда речь идет об исследовании влияния нескольких ключевых факторов (переменных) на поведение моделируемой системы. Имитационный метод статистической аппроксимации становится особенно ценным инструментарием при анализе результатов государственных, региональных программ развития экономических систем. Дается определение системы многооткликовых аппроксимирующих моделей. Приводится обобщенная технологическая схема процесса построения моделей и алгоритм вычисления коэффициентов регрессионных уравнений много-откликовых моделей. Находятся оценки параметров аппроксимирующих моделей, проверяется адекватность каждой конкретной функции. Программная реализация данной модели выполнена на среде программирования Matlab. Программа позволяет пользователям удобный интерфейс, возможность вычислять коэффициенты системы многооткликовых аппроксимирующих моделей и строить графики. Результаты проведенного исследования показали работоспособность разработанной много-откликовой экономической модели и возможность эффективного ее использования в прогнозировании. Небольшой набор переменных параметров модели позволяет гибко перестраивать и изменять ее структурные составляющие в зависимости от экономических условий. Обсуждаются возможности применения предлагаемых методов в экономической системе во Вьетнаме.
Ключевые слова: имитационное моделирование, экономическая система, аппроксимация, регрессионный анализ, метод наименьших квадратов.
Abstract. This article is devoted to questions of construction multidependent approximating economic models. In the research of complex economic, agricultural, energy, industrial systems with varying intensity in the last two decades, machine simulations, which are based on the methods of mathematical statistics and specific methods for solving extremal problems were used. The basis of work is the simulation method of statistical approximation, which is a special way oriented complex of mathematical statistical methods and models. This method is especially important at the stage of forecasting complex economic systems, when it comes to study the effects of several key factors on the behavior of simulated system. Simulation method of statistical approximation becomes particularly valuable tool in the analysis of the results of state and regional programs of development of economic systems. Given definition of system multide-pendent approximating models. The flow chart of the process of building models and algorithm for calculating the coefficients of the regression equations multidependent models is summarized. Parameter estimates are approximate models verified the adequacy of each specific function. Software implementation of this model is made in the Matlab environment. The program allows users to work comfortably with an interface, calculate the coefficients of the approximating multidependent models and build schedules. The study showed performance multidependent developed economic model and the possibility of its effective use in forecasting. Small set of variables of the model allows flexibility to rebuild and modify its structural components, depending on economic conditions. The possibilities of application of the proposed methods in the economic system in Vietnam arediscussed.
Keywords: simulation modeling, economic system, approximation, regression analysis, least squares method.
Введение
При исследовании сложных экономических, сельскохозяйственных, энергетических, производственных и т. п. систем (далее ЭС) с той или иной интенсивностью в последние два десятилетия использовались машинные имитационные эксперименты, основу которых составляют методы математической статистики и методы решения специфических экстремальных задач. В процессе реали-
зации таких экспериментов выполняются следующие основные стадии работы:
1) формулирование исходной проблемы и соответствующей математической модели;
2) планирование имитационных экспериментов;
3) проведение имитационных экспериментов с математической моделью на ЭВМ;
4) анализ результатов этих экспериментов;
иркутским государственный университет путей сообщения
5) принятие соответствующих решений.
Известно, что применение математико-статистических методов в различного рода технико-экономических исследованиях открывает возможности для более глубокого экономического анализа и решения сложных задач. В основе настоящей работы лежит имитационный метод статистической аппроксимации (ИМСА), который представляет собой специальным образом ориентированный комплекс вероятностных моделей и статистических методов (рис. 1). Применение этого метода особенно важно на стадии прогнозирования развития тех или иных сложных экономических систем, когда речь идет об исследовании влияния нескольких ключевых факторов (переменных) на поведение моделируемой системы. ИМСА становится особенно ценным инструментарием при анализе результатов реализации региональных программ развития экономики. ИМСА оказывается необходимым элементом аппарата исследования зоны неопределенности ЭС и согласования их решений в условиях неполноты исходной информации.
В настоящее время задача аппроксимации является актуальной темой практически для каждого технического исследования. Аппроксимация - замена одних математических объектов другими, в том или ином смысле близкими к исходным. Аппроксимация позволяет исследовать числовые характеристики или качественные свойства объекта, сводя задачу к изучению более простых объектов.
Согласно классификации аппроксимирующих моделей, возможны как многооткликовые, так и однооткликовые. Методы и алгоритмы построения системы однооткликовых аппроксимирующих моделей достаточно хорошо разработаны, об этом можно прочитать, например, в [1], [3]. Напротив, методы и алгоритмы построение системы многооткликовых аппроксимирующих моделей в настоящее время недостаточно хорошо изучены. Очень часто при одних и тех же значениях контролируемых переменных х можно измерять несколько величин у1, у2,..., у1. Величины у1, у 2,..., у1 могут коррелировать.
1. Построение системы многооткликовых аппроксимирующих моделей
Многооткликовая модель регрессионного типа имеет вид [4]
Уг = л(х,, 0)+£г, г =1 п , (1)
где
x
i =(x1,—xk,) -
независимые переменные;
У г - результаты измерений в точке х, или
зависимые переменные (отклики);
Г)Т (хг ,6) - заданные функции;
уТ=(у1г ,..у,0;
41-
ЛТ (х,, 6) = (Л1 (х,, 6),..., л, (х,, 0)); (2)
8 - случайные ошибки, удовлетворяющие стандартным требованиям:
E[e г ] = 0, E|e, eT J= d (x,)
E[e,ег,] = 0, i Ф j, d(x ) (E - оператор усреднения);
Ф 0
(3)
0T =10
(v.,0m )
оценки параметров ре-
грессионного уравнения (неизвестные параметры). Пусть
Л( x, 0) = FT (x, 0),
(4)
где
F(x( = (f1(x),...^(x) ) =
f11(x)
f ,(x) V т1
f1l(x)
f (x)
Tl у
Здесь / . = (х) - непрерывные функции, од
х £ X, область X - компактная.
Имеет место следующая теорема (доказательство ввиду его громоздкости опускается).
Теорема для многооткликовой модели типа (1) в случае линейной параметризации при выполнении условий (2), (3) дает возможность построить наилучшие линейные оценки [2]:
0 = М"1Г,
(5)
где
n т
М= XF(x.)шFT (x.),
i = 1
n _1
Y = XF(x.)ш.у., ш. = d A(x.),
i = 1
F (x) =
/п( x) |
0 Fj( x) | 0
/1m (x) |
/Л x) = |
0 0 | F (x)
flm ( x) |
. (6)
1. Постановка задачи: 1 а. Анализ проблемы
1 б. Спецификация задачи, определение ЭС, выделение подсистем из общей ЭС 1 в. Анализ структуры системы
1 г. Формирование общей цели исследования и принятие критерия качества исходной модели системы 1 д. Подбор необходимой информации для формирования математической модели системы 1 е. Моделирование случайных процессов 1 ж. Планирование машинного (имитационного) эксперимента
2. Составление и отладка на ЭВМ математических моделей ЭС
3. Формирование совокупности входных и выходных переменных для математической модели ЭС
4. Оценка пригодности математической модели ЭС:
4 а. Проверка соответствия результатов контрольных расчетов, полученных на ЭВМ, натурным данным 4 б. Выбор критерия пригодности (адекватности, оптимальности и т.д.) модели ЭС
5. Машинные имитационные эксперименты
5а. Постановка задачи планирования эксперимента
5б. Кодирование переменных
5в. Планирование оптимальных и близких к ним экспериментов (уточняющие эксперименты, построение композиционных планов, нестатистическое планирование эксперимента, многоуровневые несимметричные планы) 5г. Дискриминирующие эксперименты
6. Постановка задачи аппроксимации сложных моделей:
6 а. Аппроксимация сложных моделей более простыми (регрессионный анализ) 6 б. Непосредственная аппроксимация (эконометрические модели) 6 в. Игровые имитационные модели
7. Планирование отсеивающих экспериментов: 7а. Рандомизация
7б. Ориентировочное определение числа возможно значимых входных переменных 7в. Рандомизированные планы
8. Математико-статический анализ:
8 а. Выделение значимых переменных и их статистическое оценивание 8 б. Интерпретация результатов отбора значимых переменных
8 в. Эвристическое объединение значимых переменных, выделенных различными методами их отбора
*
9. Построение системы многооткликовых аппроксимирующих моделей
X
10. Проверка адекватности системы многооткликовых аппроксимирующих моделей
да
11. Направления использования ИМСА системы
12. Принятие решения
да
> 13. Конец
14. Выдвижение новых гипотез о функционировании и прогнозировании систем
15. Корректировка исходной математической модели системы, уточнение исходной информации
да
16. Изучение возможности проведения дополнительных наблюдений
Рис. 1. Блок-схема имитационного метода статистической аппроксимации
иркутский государственный университет путей сообщения
Далее в работе предложена разработка программы для построения системы многоотклико-вых аппроксимирующих моделей. Технологическая схема процесса построения моделей показана на рис. 2.
Рис. 2. Технологическая схема процесса построения моделей
2. Пример использования ИМСА
Этот метод используется в процессе построение многооткликовой экономической модели во Вьетнаме. Пример относится к моделированию макроэкономических показателей. Ретроспективные данные за последние 18 лет приведены в табл. 1.
Исходная задача была представлена в виде упрощенной кибернетической системы (рис. 3). Входными факторами являются: Х\ - население (тысяча человек); Х2 - инвестиция (миллиард донгов); Х3 - валовая продукция промышленности (миллиард донгов).
В качестве откликов выступают: У\ - валовой внутренний продукт (миллиард донгов);
У2 - валовое накопление капитала (миллиард донгов).
При этом за основу дальнейших исследований взята модель
У1 = Л(х^ 0)+81,
У2 = Л(х2 , 0)+82.
Или, по другой формуле:
У1 =6п/п(х) + 612/12(х) +... + 61м/1м(х) , У2 = 621/21(х) + 622/22(х) +-. + 62т2/2т2(х) . (7)
Входные факторы
Объект исследования S
-У1--У2-
Выходные ' переменные (отклики)
-Хк-__УЬ
Рис. 3. Кибернетическая схема связей экономической системы
Т а б л и ц а 1
Д анные факторов и откликов
Год Х1 Х2 Х3 VI У2
1995(1) 71995,5 72447 112580 228892 62131
1996(2) 73156,7 87394 149432 272036 74117
1997(3) 74306,9 108370 180428,9 313623 88754
1998(4) 75456,3 117134 208676,8 361017 104875
1999(5) 76596,7 131170,9 244137,5 399942 110503
2000(6) 77635,4 151183 317991,2 441646 130827
2001(7) 78685,8 170496 395809,2 481295 150033
2002(8) 79727,4 200145 476350 535762 177983
2003(9) 80902,4 239246 620067,7 613443 217434
2004(10) 82031,7 290927 808958,3 713071 253686
2005(11) 82749,2 343135 988540 914000 298543
2006(12) 83311,2 404712 1199139,5 1061600 358629
2007(13) 84218,5 532093 1466480,1 1246800 493300
2008(14) 85118,7 616735 1903128,1 1616000 589746
2009(15) 86025 708826 2298086,6 1809100 632326
2010(16) 86932,5 830278 2963499,7 2157800 770211
2011(17) 87840 877850 3695091,9 2779900 827032
2012(18) 88772,9 989300 4627733,1 3245400 884160
С помощью представленных методов и средств программирования МаАаЬ получены оценки параметров регрессионного уравнения. Для данной совокупности она имеет вид
0 =
е„
0-
012 0и 0
13
'14
00
21 22 23
_-138974,96 4,14 0,36173 0,58182 = -28587,74 81156,22 0,0053258 Отсюда получена приведенная форма модели У1 =-138974,96+4,14Х1 + 0,36173Х2 + 0,58182Х3(8)
Г2 =-28587,74+81156,22+ 0,0053258Х3 (9)
Оценим качество уравнения регрессии с помощью ошибки абсолютной аппроксимации.
1 Уг Уг | : Уг
А --100 %,
п
где уг - фактические значения,
(10)
Уг - теоретические значения. В табл. 2 приведен результат теоретических значений, полученных по формулам (8), (9), (10):
А = 3,54%, А2 = 3,17%. Графики результатов показаны на рис. 4 и 5.
Т а б л и ц а 2
Фактические и тео ретические значения
Ъ *2
228892 250793 62131 53677
272036 282448 74117 69158
313623 312832 88754 90732
361017 337195 104875 98505
399942 367625 110503 111691
441646 422134 130827 131145
481295 478744 150033 149369
535762 540641 177983 177681
613443 643267 217434 214711
713071 776536 253686 263542
914000 902875 298543 313206
1061600 1050005 358629 372042
1246800 1255382 493300 491967
1616000 1543774 589746 569572
1809100 1810631 632326 652359
2157800 2245468 770211 762304
2779900 2692085 827032 802145
3245400 3278886 884160 900476
х 10"
к 10
График
*71
\_________|______________
Л : г, :
год
10
15
20
Рис. 4. График уравнения (8)
График
У2
: Гг
;
год
6 10 15
Рис. 5. График уравнения (9)
20
Заключение
Многооткликовые регрессионные модели являются одним из наиболее естественных инструментов при имитационных экспериментах над моделями сложных экономических систем.
В настоящей статье представлены походы к решению проблемы построения системы много-откликовых аппроксимирующих моделей. Результаты проведенного исследования показали работоспособность разработанной многооткликовой экономической модели и возможность эффективного ее использования в прогнозировании. Небольшой набор переменных параметров модели позволяет гибко перестраивать и изменять ее структурные составляющие в зависимости от экономических условий.
иркутским государственный университет путей сообщения
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Дрейпер Н. Прикладной регрессионный анализ : пер. с англ. : в 2 кн. / Н.Дрейпер, Г. Смит. 2 е изд., перераб. и доп. М. : Финансы и статистика. Кн. 1. 1986. 366 с.
2. Елохин В.Р., Евтеев В.К. Елохин И.В. Имитационный метод статистической аппроксимации произ-
водственных систем. Иркутск : Изд-во. ИрГСХА, 2009. 146с.
3. Ермаков С. М., Жиглявский А. А. Математическая теория оптимального эксперимента. М. : Наука, 1987. 320с.
4. Федоров В.В. Теория оптимального эксперимента. М. : Наука, 1971. 312 с.
УДК 005.963 : 656.2 + 004.9 Асалханова Татьяна Николаевна,
к. э. н., начальник сектора поддержки программ автоматизации и анализа, Восточно-Сибирская дирекция инфраструктуры, тел. 8(3952)64-55-89, e-mail: asalk-tatyana@yandex.ru
КОРПОРАТИВНАЯ СИСТЕМА ЗНАНИЙ КАК ИНСТРУМЕНТ ДЛЯ ПОВЫШЕНИЯ КВАЛИФИКАЦИИ СПЕЦИАЛИСТОВ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА
T. N. Asalhanova
CORPORATE SYSTEM OF KNOWLEDGE AS A TOOL FOR RAILWAY TRANSPORT
SPECIALISTS TRAINING
Аннотация. Статья посвящена актуальному направлению - менеджменту знаний. В настоящее время знания выступают в качестве интеллектуального ресурса компании. Уделено большое внимание созданию корпоративной системы знаний на основе теорий управления знаниями и менеджмента, современных информационных технологий, международных стандартов. В Восточно-Сибирской дирекции инфраструктуры начата работа по формированию корпоративной системы знаний по организации, нормированию и оплате труда работников железнодорожного транспорта. Метод экспертных оценок позволил определить одно из направлений создаваемой системы знаний - это получение работниками знаний по определенным сферам деятельности железнодорожного транспорта и повышение квалификации специалистов структурных подразделений. Особенно это актуально для пользователей корпоративных логистических информационных систем управления железнодорожным транспортом, которые не обучались работе с системами.
Ключевые слова: знания, база знаний, корпоративная система знаний, управление знаниями, железнодорожный транспорт, повышение квалификации специалистов, корпоративные логистические информационные системы управления.
Abstract. The article is devoted to the issues of knowledge management. Knowledge is successfully exploited as an intellectual resource of the company. Much attention is given to the creation of a corporate system of knowledge based on the theories of knowledge management and management, using modern information technologies, international standards. In the East Siberian Infrastructure Directorate working on formation of the corporate system of knowledge in the organization, regulation and wages workers of railway transport is being provided. Method of expert assessment allowed to define one of the directions of the developed system of knowledge which is getting workers knowledge in specific areas of activities of railway transport and to improve the qualification of specialists of the structural units. This is especially true for users of corporate logistics management information systems of railway transport, who were not trained to work with the systems.
Keywords: knowledge, knowledge base, corporate system of knowledge, knowledge management, rail transportation, training of specialists, corporate logistics management information system.
Введение
«Знание - сила» - это крылатое выражение английского философа Фрэнсиса Бекона [1] особенно определяет современное общество. Мы живем в эпоху огромной информативности, быстро изменяющихся современных информационных и коммуникативных технологий. Это влечет за собой большую конкурентную борьбу как между компаниями на рынке, так и между работниками внутри компании.
Конкуренция между работниками внутри компании обусловлена разными целями: утвердиться в качестве высококлассного специалиста или удовлетворить свои амбиции, получить пре-
стижную или руководящую должность, повысить разряд или получить более высокое вознаграждение за труд, остаться в компании при сокращениях или оптимизации численности и т. д., и т. п. Часто руководители широко используют конкуренцию между работниками для повышения производительности труда.
Одно из условий того, чтобы быть конкурентоспособным работником, - это постоянное повышение квалификации, уровня знаний не только в определенной сфере деятельности, но и по работе компании на рынке, взаимодействию с другими компаниями, внешним условиям, которые могут сильно повлиять на работу компании, и т. д.
