CC BY
16
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
части страны. Конечно, экспорт тех же продуктов в страны АТР, что говорит о другом направлении интеграционных связей, мог бы дать положительный эффект собственно для Дальнего Востока, но не для всей России. Кроме того, обязательность экспортных поставок, приводящая к серьезным ограничениям возможностей транспорта для своих, внутрирос-сийских, перевозок вряд ли обеспечит эквивалентный обмен вывозимой и ввозимой продукции. При этом нельзя забывать о потенциальной потере рабочих мест внутри страны из-за сокращения поставок ресурсов и полуфабрикатов с Дальнего Востока.
Не является неожиданным результат, свидетельствующий о более весомой значи-
мости транспортной системы Сибири для внутрироссийских интеграционных процессов по сравнению с транспортной системой Дальнего Востока. Это объясняется более интенсивными связями производственных комплексов Сибири с хозяйственными комплексами Урала и европейских регионов России. Разумеется, восточный вектор экспортной составляющей экономики и Сибири, и России в целом практически полностью определяются развитием транспортного комплекса Дальнего Востока, его железнодорожной, трубопроводной и морской составляющими. В данных вариантах расчета их развитие для целей удовлетворения экспортных поставок приняты в качестве обязательных.
Болгов М.В., ИваньоЯ.М.
УДК 697.7: 631.371
ЗАДАЧИ МОДЕЛИРОВАНИЯ АГРОТЕХНОЛОГИЙ ПРИ ВЫСОКОЙ ПОВТОРЯЕМОСТИ ЭКСТРЕМАЛЬНЫХ ПРИРОДНЫХ СОБЫТИЙ_
Начало XXI в. ознаменовалось проявлением ряда мощных экстремальных климатических явлений на территории Иркутской области. По данным отдела мобилизационной подготовки гражданской обороны и чрезвычайных ситуаций департамента АПК региона в разные годы, за период 2001-2006 гг. ущербы, нанесенные сельскому хозяйству, колебались от 250 до 447 млн. руб. Исключением стал 2007 г., когда стихийные природные явления не наблюдались. В результате в этот год получены наибольшие урожаи сельскохозяйственных культур в новом столетии.
Данные за предшествующий период показывают, что чередование различных по происхождению экстремальных гидрометеорологических событий является закономерностью для территории Восточной Сибири [7]. При этом изменчива лишь степень пагубного воздействия природных явлений на сельское хозяйство.
За годы реформ сформировались три категории хозяйств: сельскохозяйственные, крестьянские (фермерские) и личные подсоб-
ные. Многие предприятия разорены, другие улучшили свои производственно-экономические показатели. Существует и третий тип хозяйств, которые работают с переменным успехом. Очевидно, что от состояния хозяйства во многом зависит степень влияния стихийных природных явлений на показатели производства. В частности, для предприятий с разными производственными мощностями наводнение может привести к различным потерям. Более сильное хозяйство пострадает в меньшей степени ввиду лучших производственных показателей. Разумеется, что этот логический вывод не касается катастрофического природного явления, когда работа любого хозяйства может быть парализована.
Из всего сказанного следует заключение об использовании разнообразных моделей, оптимизирующих производство растениеводческой и животноводческой отраслей и их сочетания. В работе [2] приведена классификация моделей, примененных при решении различных задач, большинство из которых связаны с сельскохозяйственным производством.
В дополнение к этой статье хотелось бы обратить внимание на качественную сторону некоторых моделей и рассмотреть особенности описания экстремальных природных явлений, в конечном итоге влияющие на результаты моделирования.
Обычно сильные хозяйства по приоритетным направлениям развиваются динамично. Это означает, что большинство многолетних рядов производственно-экономических показателей характеризуется значимыми трендами или (и) высокими первыми коэффициентами автокорреляции [1]. В этом случае для моделирования отраслей сельскохозяйственного предприятия и их сочетания приемлемы задачи параметрического программирования. Задача с множеством параметров имеет вид
р =ЕС1V-X] ,16 1, I, Ш, (1)
^(^ X < Ь (^), 16 I, х] > 0, ]61, (2)
X]] > 0, ] 61, (3)
где х] — переменная,Ь, tт — параметр, С] ,Ь{
— заданные коэффициенты, ]',г,ю— индексы, принадлежащие соответствующим множествам 1, I и Ш. Выражение (1) стремится к экстремальному значению. При этом параметр tт ограничен промежутком [а Ш ,рш ].
Применение многопараметрической задачи имеет смысл для сельского хозяйства, поскольку коэффициенты, входящие в целевую функцию, и ограничения зависимы от множества факторов. С другой стороны, возможность использования множества параметров ограничена продолжительностью многолетних рядов, которая в лучшем случае находится на уровне 10-12 лет. Учитывая социально-экономические перемены эпохи, практическое значение могут иметь задачи параметрического программирования с одним или двумя параметрами, которые нетрудно получить из формул (1)-(3).
Согласно статистическому анализу временных рядов производственно-экономических характеристик сельскохозяйственных предприятий показано, что в качестве параметра применимо время или предшествующее значение. Очевидно, что на полученные результаты оказывает влияние точность и адекватность трендов и уравнений авторегрессии.
Поскольку регрессионные зависимости отражают детерминированную составляющую, с использованием которой определяется будущий план производства, понятна необходимость анализа случайных или непредвиденных отклонений. В частности, для стабильно работающего предприятия "Железнодорожник" серьезное влияние на результаты работы 2003 г. оказала засуха, последствием которой явилось уменьшение урожайности зерновых на 21% по сравнению со средним многолетним значением. Другими словами при отсутствии экстремального природного явления во временном ряду наблюдался бы значимый тренд, и можно было бы реализовать модель параметрического программирования. Отмеченная засуха сказалась и на урожайности сельскохозяйственного предприятия "Белореченское", но не настолько. В отличие от хозяйства "Железнодорожник" поданным предприятия "Белореченское" тренд показателя, характеризующего производство зерна, оказался более устойчивым. Вместе с тем результаты моделирования оптимизации производства растениеводства могли быть на несколько процентов выше по сравнению с реальными показателями.
Приведенные примеры показывают, что даже в работе сильных хозяйств большое влияние на производство оказывают случайные составляющие. Если для предприятия "Белореченское" в случае проявления экстремальных явлений приемлема модель параметрического программирования, то для хозяйства "Железнодорожник" ее применение приводит к неточным результатам.
Применение методов моделирования для многих сельскохозяйственных предприятий позволяет заключить, что в условиях резко континентального климата с постоянным проявлением природных стихий в вегетационный период предпочтения имеют модели, учитывающие неблагоприятные ситуации.
В работах [2, 3, 6] предложены модели с вероятностными характеристиками, описывающими многолетние колебания экстремальных гидрометеорологических явлений. Задача стохастического программирования с отображением множества экстремальных явлений имеет вид
Р [шах(шт)/(X) = СХ - ВХ]> р, (4) Р [(А - А1)Х <В - В1 ]> р, (5)
X > 0, (6)
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
где X— вектор, удовлетворяющий системе ограничений, С — вектор-строка, В — вектор-столбец, Л — матрица размерности тхп, р — заданная вероятность превышения некоторого критического уровня, Ю -(ё1,...,ёп )— вектор приведенных коэффициентов ущербов. В этом случае экстремум целевой функции (4), коэффициенты при неизвестных и правые части ограничений (5) связаны с вероятностью превышения.
Решение задач, основанных на формулах (4)-(6), является затруднительным в силу ряда причин: 1) громоздкости модели; 2) сложности описания суммы множества вероятностных характеристик, отражающих экстремальные природные явления; 3) необходимости оперировать событиями, представляющими собой хвостовые части вероятностных кривых распределения.
Иными словами, практический интерес вызывают упрощенные варианты задачи (4)-(6). Из общей задачи стохастического программирования с учетом экстремальных природных явлений можно получить частные случаи. Поскольку территория сельскохозяйственного назначения является неоднородной в смысле проявления стихий разного происхождения, то в ряде случаев можно использовать задачу (4)-(6) с одним экстремальным явлением, например, паводком или засухой. Кроме того, упрощения могут быть связаны с изменением критерия оптимальности и ограничений. Так, в частном случае целевая функция принимается в качестве детерминированной, а коэффициенты левой части ограничения или правые части — в виде вероятностных величин.
При решении практических задач оптимизации сельскохозяйственного производства использованы модели с одним природным экстремальным явлением. При этом принималась гипотеза о том, что детерминированной является одна из частей задачи (4)-(6) — целевая функция или условия [3]. Приведем задачу стохастического программирования, используемую для моделирования производства продукции растениеводства в условиях проявления экстремальных событий
тах(тт)/(X) - СХ, (7)
Р[АХ <Б - В1 ]> р, (8)
X > 0. (9)
В этой задаче вероятностной переменной является правая часть ограничений. В качестве экстремального явления использован
дождевой паводок. Кроме того, рассмотрены события, вызванные другой природной стихией — весенним половодьем.
Построение моделей с вероятностными переменными и их применение связано с описанием природных событий. Другими словами, из многолетних рядов характеристик выделяются только те значения, которые превышают некоторый критический уровень или находятся ниже его. От этих значений или событий в конечном итоге зависят ущербы, наносимые сельскому хозяйству предприятия. В других случаях природные возмущения не настолько сильны, чтобы влиять на работу хозяйств. Таким образом, одной из задач построения оптимизационной модели является выделение событий и их описание.
При выделении событий предлагаются два метода. Один из них предполагает использование статистического критерия [7, 8]:
х М х
х <-, (10)
х >
2
V + х„
2
(11)
X <х-ко, (12)
х > X+ко, (13)
где х,хт1п ,хтах— среднее, минимальное и максимальное значения ряда, о — стандартное отклонение, к — положительный коэффициент, принимающий различные значения в зависимости от рассматриваемого явления. Помимо приведенных неравенств в качестве критерия события при известном законе распределения используют соотношение
х > хр или х < хр. (14)
В первом случае случайная величина превышает значение заданной вероятности превышения, а во втором — находится ниже критического уровня хр.
Другой подход предполагает иерархическую организацию структуры временного ряда [5]. Здесь хронологическая последовательность разделяется на разные уровни благодаря переломным точкам, принимающим меньшие или большие значения в зависимости от ступени иерархии (рис. 1).
В отличие от первого подхода, который предполагает разделение ряда на два уровня — нижний и верхний, использование второго подхода приводит к выявлению четырех ступеней иерархии. Чем выше ступень, тем сложнее анализировать данные, что связано с уменьшением объемов выборок.
Приведенные модели выделения событий имеют различную теоретическую основу и в общем случае позволяют получать разные результаты. Добавим к этому, что вторая модель в большей степени учитывает особенности климатической эпохи и, как было сказано, опирается на переходные процессы, когда подъемы сменяются спадами и, наоборот, за убыванием следует возрастание. Анализ эмпирических данных показывает, что число событий, полученных на основании статистических критериев, не совпадает с количеством переходных точек, найденных по второму подходу на первом уровне выделения. При этом к статистическим параметрам, рассчитанным согласно первой модели, наиболее близкими являются оценки, определенные по значениям второй ступени иерархии. Так, для приведенного примера средние значения рядов, найденные с помощью первого и второго подходов, совпали, составив 2390 м3/с, а коэффициент вариации соответствует в первом случае 0,29, а во втором — 0,35.
Полученные результаты имеют значение при моделировании потоков гидрометеорологических событий и их оценке с помощью вероятностных кривых распределения. Частота появления событий при использовании статистических критериев или оценки переломных точек принимает разные значения. Это касается и ординат вероятностных кривых распределения. В силу сложности описания событий два подхода могут дополнять друг друга.
Для оценки потоков событий применимы различные законы распределения вероятностей. В работе [8] вероятность непоявления события предложено описывать пуассоновским распределением и вероятностными кривыми Ю.Л. Раунера и С.А. Ахманова с соавторами. К недостаткам этих законов распределения можно отнести отсутствие конечного периода появления события, что практически на территории Восточной Сибири исключено. По обработанным пространственно-временным данным об экстремальных гидрологических явлениях определены периоды с нулевыми вероятностями непоявления событий, на основе которых разработана функция распределения потока событий [3].
Особый интерес при использовании стохастических моделей вызывает вероятностное описание ряда значений событий. Здесь предложено использовать законы распределения
применительно ко всей многолетней выборке или ее части — событиям [4]. Применение усеченных вероятностных кривых более точно отображает часть выборки, представляющей собой значения событий. Вместе с тем их использование ограничено вероятностью превышения точки усечения, которая должна не превышать 50%. Иными словами необходимо, чтобы число значений в усеченной выборке было не меньше половины полного ряда.
Результаты исследования законов распределения для полных и усеченных гидрологических рядов показали возможности применения вероятностных кривых гамма-распределения. При этом усеченное гамма-распределение использовано в районах частого затопления и подтопления сельскохозяйственных территорий, когда экстремальное явление наблюдается не реже 1 раза в 2 года.
Возвращаясь к стохастическим моделям оптимизации, учитывающим несколько экстремальных явлений разного происхождения, можно отметить следующее. Между засухами, половодьями, паводками, ливнями и другими природными стихиями существуют сходства, которые связаны с формированием потоков событий с нулевыми вероятностями их отсутствия. Во многих случаях характеристики экстремальных явлений отображаются в виде одних и тех же законов распределения. Кроме того, экстремальные явления независимо от происхождения наносят ущербы сельскому хозяйству, различающиеся лишь значениями. Появление разных событий в разные годы ориентирует на использование моделей с учетом суммарного влияния экстремальных явлений на работу сельскохозяйственных организаций. В этом случае возрастает частота появления события, поскольку оно имеет различное происхождение: засуха, ливень, паводок, половодье или другое. Вместе с тем без исследования каждого явления невозможно определить суммарное воздействие экстремальных явлений на работу хозяйств.
БИБЛИОГРАФИЯ
1. М.Н. Барсукова. Модели с детерминированными и неопределенными параметрами применительно к оптимизации сельскохозяйственных процессов. - Вестник Московского государственного университета
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
леса "Лесной вестник", 2007, № 6, с. 4. 170-177.
2. М.Н. Барсукова. Об оптимизационных моделях сельскохозяйственного производ- 5. ства: классификация и применение. - XI Международная конференция "Информационные и математические технологии в 6. научныхисследованиях". Иркутск: Изд-во ИСЭМ СО РАН, 2006, с. 49-57.
3. А.Ю. Белякова. Оптимизация сельскохозяйственного производства в условиях природно-климатического разнообразия При-ангарья. - Совместная деятельность сельскохозяйственных товаропроизводителей и научных организаций в развитии 7. АПК Центральной Азии: сб. материалов междунар. науч.-практ. конф. (Иркутск, 25-27 марта 2008 г.). Иркутск: Изд-во ИрГСХА, 2008, Ч. IV, с. 78-85. 8.
М.В. Болгов. Современные проблемы оценки водных ресурсов и водообеспечения. М.: Наука, 2005, 318 с.
И.П. Дружинин. Динамика многолетних колебаний речного стока. М.: Наука, 1991, 178 с.
Я.М. Иваньо. Моделирование сельскохозяйственного производства с учетом экстремальных природных событий. - Материалы научной конференции "Фундаментальные проблемы изучения и использования воды и водных ресурсов". Иркутск: Изд-во Института географии СО РАН, 2005, с. 230-232.
Я.М. Иваньо. Экстремальные природные явления: методология, моделирование и прогнозирование. Иркутск: Изд-во ИрГСХА, 2007, 267 с.
Н. Кренке, М.М. Чернавская, Р. Браздилли др. Изменчивость климата Европы в историческом прошлом. М.: Наука, 1995, 224 с.
Лонцих П.А., Резник Ю.Н., ЛесковаТ.М. УДК 006.354,382.3
ПРОБЛЕМЫ СЕРТИФИКАЦИИ И АУДИТА СИСТЕМ МЕНЕДЖМЕНТА КАЧЕСТВА
Основные цели, принципы и общие положения по проведению сертификации в РФ определены "Правилами по проведению сертификации в Российской Федерации". Эти правила распространяются на организацию и проведение работ по обязательной и добровольной сертификации продукции, услуг, процессов, производств, систем качества.
С 1995 г. в России введен рациональный стандарт ГОСТ Р 40.001-95, устанавливающий принципы и общие правила сертификации, с учетом международных стандартов ИСО 9000 и ИСО 10011, руководств ИСО/МЭК 40, 48, 53, 56, 61, 62, европейского стандарта EN 45012,
[1-3] .
Для обеспечения квалифицированной деятельности по сертификации Госстандартом РФ сформирована и действует "Российская система сертификации персонала». В системе сертификации ГОСТ Р Госстандартом России создан "Регистр системы качества", представляющий собой систему, действующую в соответствии с зако-нодательством РФ, правилами
по сертификации, государственными стандартами, а также международными правилами и процедурами. К сертификации в Регистре допускаются все организации, выразившие желание осуществить сертификацию и признающие установленные принципы, требования и правила.
Сертификация систем качества может проводиться как в рамках обязательной сертификации продукции, так и в рамках добровольной сертификации. В первом случае сертификация систем качества осуществляется, если это предусмотрено способом (формой, схемой) сертификации этой продукции; во втором - если это продиктовано интересами предприятия-заявителя.
Обязательная сертификация в России, как это предусмотрено Законом "О сертификации продуктов и услуг, вводится законодательными актами и проводится уполномоченными органами федеральной исполнительной власти. Согласно Закону "О защите прав потребителей" обязательной сертификации под-
