Разработка адаптивной модели спектрального анализа с применением методов фильтрации для прогнозирования динамики сахарной отрасли АПК
Анализ применения экономико-математических методов для управления экономическими параметрами интегрированных производственных систем. Описание экспериментов с нестационарными временными рядами, относящимися к аграрному сектору и пищевой промышленности.
| Рубрика | Экономико-математическое моделирование |
| Вид | статья |
| Язык | русский |
| Дата добавления | 22.05.2017 |
| Размер файла | 2,9 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Разработка адаптивной модели спектрального анализа с применением методов фильтрации для прогнозирования динамики сахарной отрасли АПК (часть 2 - прогнозирование и выводы)
Данная статья является продолжением предыдущей работы (части 1 -постановка задачи и моделирование) и посвящена решению задач в области спектрального анализа.
Блок «Аграрный сектор»
Рисунок 1 - Циклические колебания во временных рядах посевной площади сахарной свеклы в России относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 2 - Оценочный прогноз посевной площади сахарной свеклы в России на период до 2030 г.
На рисунке 38 представлена траектория возможного развития показателей посевных площадей сахарной свеклы в России. Ее базовые частоты: 3,912; 3,5; 3,167; 2,714; 3,023; 2,046; 2,83; 2,145 и 2,333. Из рисунка 39 видно, что в целом тренд развивается на повышение с двумя существенными пиками в 2024 (1,683 млн га) и 2028 (2,059 млн га) годах.
На рисунке 40 представлена траектория возможного развития показателей валового сбора сахарной свеклы в России. Ее базовые частоты: 2,463; 2,83; 3,244; 3,912; 2,254; 4,75; 5,542; 6,333 и 7,824. Из рисунка 41 видно, что в целом тренд развивается в флуктуационно. Необходимо отметить две существенные точки понижения - в 2017 (28,61 млн т) и 2026 (39,18 млн т) годах.
Рисунок 3 - Циклические колебания во временных рядах валового сбора сахарной свеклы в России относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 4 - Оценочный прогноз валового сбора сахарной свеклы в России на период до 2030 г.
На рисунке 42 представлена траектория возможного развития показателей урожайности сахарной свеклы в России. Ее базовые частоты: 3,093; 3,244; 3,912; 6,045; 2,18; 3,595 и 5,115. Из рисунка 43 видно, что в целом тренд развивается на повышение с четырьмя существенными понижениями в 2018 (368,2 ц/га), 2022 (413,6 ц/га), 2025 (442 ц/га) и 2029 (455,5 ц/га) годах.
На рисунке 44 представлена траектория возможного развития показателей посевных площадей сахарной свеклы в США. Ее базовые частоты: 3,793; 3,056; 2,391; 2,821; 3,438. Из рисунка 45 видно, что в целом тренд развивается в флуктуационно. Отметим четыре существенные точки понижения - в 2017 (422,21 тыс. га), 2022 (443,89 тыс. га), 2025 (412,91 тыс. га) и 2028 (431,71 тыс. га) годах.
Рисунок 5 - Циклические колебания во временных рядах урожайности сахарной свеклы в России относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 6 - Оценочный прогноз урожайности сахарной свеклы в России на период до 2030 г.
Рисунок 7 - Циклические колебания во временных рядах посевной площади сахарной свеклы в США относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 8 - Оценочный прогноз посевной площади сахарной свеклы в США на период до 2030 г.
Рисунок 9 - Циклические колебания во временных рядах валового сбора сахарной свеклы в США относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 10 - Оценочный прогноз валового сбора сахарной свеклы в США на период до 2030 г.
На рисунке 46 представлена траектория возможного развития показателей валового сбора сахарной свеклы в США. Ее базовые частоты - 3,056 и 3,667. Из рисунка 47 видно, что в целом тренд развивается флуктуационно. Отметим три существенные точки понижения - в 2016 (25,71 млн т) и 2019 (26,46 млн т) и 2023 (26,73 млн т) годах.
На рисунке 48 представлена траектория возможного развития показателей урожайности сахарной свеклы в США. Ее базовые частоты: 4,4; 3,143; 2,683; 2,037; 3,793; 3,333 и 2,292. Из рисунка 49 видно, что в целом тренд развивается на повышение с тремя существенными понижениями: 2020 (635 ц/га), 2023 (615 ц/га) и 2028 (631,9 ц/га) годах.
Рисунок 11 - Циклические колебания во временных рядах урожайности сахарной свеклы в США относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 12 - Оценочный прогноз урожайности сахарной свеклы в США на период до 2030 г.
На рисунке 50 представлена траектория возможного развития показателей посевных площадей сахарного тростника в США. Ее базовые частоты: 2,971; 6,118; 3,852; 4,16 и 3,586. Из рисунка 51 видно, что в целом тренд развивается на понижение с двумя существенными пиками роста - в 2019 (368,9 тыс. га) и 2027 (401 тыс. га) годах.
На рисунке 52 представлена траектория возможного развития показателей урожайности сахарного тростника в США. Ее базовые частоты: 2,261; 2,811; 3,467; 2,667 и 2,364. Из рисунка 53 видно, что тренд развивается флуктуационно. Отметим три существенные точки понижения - в 2018 (688,5 ц/га), 2021 (651,3 ц/га) и 2023 (646,4 ц/га) годах.
Рисунок 13 - Циклические колебания во временных рядах посевной площади сахарного тростника в США относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 14 - Оценочный прогноз посевной площади сахарного тростника в США на период до 2030 г.
Рисунок 15 - Циклические колебания во временных рядах урожайности сахарной тростника в США относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 16 - Оценочный прогноз урожайности сахарной тростника в США на период до 2030 г.
Рисунок 17 - Циклические колебания во временных рядах валового сбора сахарного тростника в США относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 18 - Оценочный прогноз валового сбора сахарного тростника в США на период до 2030 г.
Рисунок 19 - Циклические колебания во временных рядах урожайности сахарной свеклы в Германии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 20 - Оценочный прогноз урожайности сахарной свеклы в Германии на период до 2030 г.
На рисунке 54 представлена траектория возможного развития показателей валового сбора сахарного тростника в США. Ее базовые частоты: 3,852; 6,5; 3,586; 2,261 (4,522) и 2,97. Из рисунка 55 видно, что в целом тренд развивается флуктуационно. Отметим три существенные точки понижения - в 2021 (23,11 млн т), 2025 (20,59 млн т) и 2028 (23,87 млн т) годах.
На рисунке 56 представлена траектория возможного развития показателей урожайности сахарной свеклы в Германии. Ее базовые частоты: 2,081; 2,538; 3,853; 2,668 и 3,468. Из рисунка 57 видно, что тренд развивается на повышение с тремя существенными понижениями - в 2018 (689,3 ц/га), 2022 (656,6 ц/га) и 2025 (740,4 ц/га) годах.
Рисунок 21 - Циклические колебания во временных рядах валового сбора сахарной свеклы в Германии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 22 - Оценочный прогноз валового сбора сахарной свеклы в Германии на период до 2030 г.
На рисунке 58 представлена траектория возможного развития показателей валового сбора сахарной свеклы в Германии. Ее базовые частоты: 44,25; 3,933; 2,458 и 5,206. Из рисунка 59 видно, что тренд развивается флуктуационно с четырьмя существенными понижениями - в 2017 (24,776 млн т), 2020 (24,194 млн т), 2025 (24,167 млн т) и 2029 (25,125 млн т) годах.
На рисунке 60 представлена траектория возможного развития показателей посевных площадей сахарной свеклы в Германии. Ее базовые частоты: 3,89; 3,5; 2,764; 2,188 и 3. Из рисунка 61 видно, что в целом тренд развивается на понижение с тремя существенными пиками роста в 2020 (377,1 тыс. га), 2024 (377,3 тыс. га) и 2027 (357,8 тыс. га) годах.
Рисунок 23 - Циклические колебания во временных рядах посевной площади сахарной свеклы в Германии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 24 - Оценочный прогноз посевной площади сахарной свеклы в Германии на период до 2030 г.
Рисунок 25 - Циклические колебания во временных рядах посевной площади сахарного тростника в Индии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 26 - Оценочный прогноз посевной площади сахарного тростника в Индии на период до 2030 г.
Рисунок 27 - Циклические колебания во временных рядах урожайности сахарной тростника в Индии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 28 - Оценочный прогноз урожайности сахарной тростника в Индии на период до 2030 г.
На рисунке 62 представлена траектория возможного развития показателей посевных площадей сахарного тростника в Индии. Ее базовая частота - 3,706. Из рисунка 63 видно, что тренд развивается на повышение. Отметим три существенные точки понижения в 2019 (4,923 млн га) и 2022 (5,106 млн га) и 2026 (5,174 млн га) годах.
На рисунке 64 представлена траектория возможного развития показателей урожайности сахарного тростника в Индии. Ее базовые частоты: 3,368; 2 и 3,765. Из рисунка 65 видно, что тренд развивается флуктуационно. Отметим три существенные точки понижения: в 2017 (635,9 ц/га) и 2020 (652,5 ц/га) и 2024 (661,6 ц/га) годах.
На рисунке 66 представлена траектория возможного развития показателей валового сбора сахарного тростника в Индии. Ее базовые частоты: 3,94; 3,32; 2,42 и 2,17. Из рисунка 67 видно, что в целом тренд развивается на повышение с существенными понижениями: в 2019 (32,96 млн т), 2022 (33,6 млн т) и 2028 (34,08 млн т) годах.
Рисунок 29 - Циклические колебания во временных рядах валового сбора сахарного тростника в Индии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 30 - Оценочный прогноз валового сбора сахарного тростника
в Индии на период до 2030 г.
Рисунок 31 - Циклические колебания во временных рядах посевной площади сахарного тростника в Бразилии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 32 - Оценочный прогноз посевной площади сахарного тростника в Бразилии на период до 2030 г.
На рисунке 68 представлена траектория возможного развития показателей посевных площадей сахарного тростника в Бразилии. Ее базовые частоты: 4,077; 3,533 (10,6); 5,889 и 2,208. Из рисунка 69 видно, что в целом тренд развивается на понижение с тремя минимальными значениями: в 2017 (8,87 млн га), 2020 (8,71 млн га) и 2024 (8,93 млн га) годах.
На рисунке 70 представлена траектория возможного развития показателей урожайности сахарного тростника в Бразилии. Ее базовые частоты: 5,3; 3,118; 2,409; 3,786 и 13,25. Из рисунка 71 видно, что тренд развивается флуктуационно с двумя существенными пиками роста в 2019 (783,76 ц/га) и 2027 (800,54 ц/га) годах.
Рисунок 33 - Циклические колебания во временных рядах урожайности сахарного тростника в Бразилии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 34 - Оценочный прогноз урожайности сахарного тростника в Бразилии на период до 2030 г.
Рисунок 35 - Циклические колебания во временных рядах валового сбора сахарного тростника в Бразилии относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 36 - Оценочный прогноз валового сбора сахарного тростника в Бразилии на период до 2030 г.
Рисунок 37 - Циклические колебания во временных рядах посевной площади сахарной свеклы в Краснодарском крае относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 38 - Оценочный прогноз посевной площади сахарной свеклы в Краснодарском крае на период до 2030 г.
На рисунке 72 представлена траектория возможного развития показателей валового сбора сахарного тростника в Бразилии. Ее базовые частоты: 4,077; 5,889; 10,6; 2,409 и 2,944. Из рисунка 73 видно, что тренд развивается на повышение с тремя существенными понижениями: в 2018 (714,85 млн т), 2021 (750,75 млн т) и 2025 (722,36 млн т) годах.
На рисунке 74 представлена траектория возможного развития показателей посевных площадей сахарной свеклы в Краснодарском крае. Ее базовые частоты: 2,163; 4,043; 7,154; 2,447; 2,735 и 3,1 (15,5). Из рисунка 75 видно, что тренд развивается флуктуационно. Важно отметить три существенные точки понижения - в 2020 (161,5 тыс. га) и 2024 (156 тыс. га) и 2028 (163 тыс. га) годах.
Рисунок 39 - Циклические колебания во временных рядах валового сбора сахарной свеклы в Краснодарском крае относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 40 - Оценочный прогноз валового сбора сахарной свеклы в Краснодарском крае на период до 2030 г.
Рисунок 41 - Циклические колебания во временных рядах урожайности сахарной свеклы в Краснодарском крае относительно долгосрочного тренда с 1987 по 2030 г.
Рисунок 42 - Оценочный прогноз урожайности сахарной свеклы в Краснодарском крае на период до 2030 г.
На рисунке 76 представлена траектория возможного развития показателей валового сбора сахарной свеклы в Краснодарском крае. Ее базовые частоты: 2,216; 3,28; 2,05; 3,905 и 7,455. Из рисунка 77 видно, что тренд развивается на повышение с тремя существенными понижениями: в 2017 (7,812 млн т), 2025 (9,2 млн т) и 2029 (10,714 млн т) годах.
На рисунке 78 представлена траектория возможного развития показателей урожайности сахарной свеклы в Краснодарском крае. Ее базовые частоты: 2,05; 2,412; 3,727; 2,929 и 2,645. Из рисунка 79 видно, что тренд развивается на повышение с двумя существенными точками падения в 2023 (377,5 ц/га) и 2026 (468,8 ц/га) годах.
Выводы
аграрный математический экономический временной
1. Построены проекции латентных связей (структур) сахарного подкомплекса АПК по макрорегионам. Выявлено, что каждый макроэкономический временной ряд может содержать по меньшей мере от 2 до 9 гармоник (циклов) разного рода и разной силы воздействия на тренд.
2. Среднее базовое значение выявленных частот отдельно по каждой группе сахарного подкомплекса АПК равно:
- производство сахара - 5,33 года.
- посевные площади сахарной свеклы - 3,87 года.
- посевные площади сахарного тростника - 3,58 года.
- урожайность сахарной свеклы - 2,94 года.
- урожайность сахарного тростника - 3,64 года.
- валовой сбор сахарной свеклы - 3,34 года.
- валовой сбор сахарного тростника - 3,88 года.
3. Циклы агропромышленной активности выражаются в виде периодов быстрого роста, прерываемых периодами менее быстрого роста или, в худшем случае, небольшим спадом деловой активности в абсолютном выражении. Они могут проявляться на фоне основной тенденции любого вида, в том числе и на фоне тенденции спада [1, с. 51].
Чтобы сделать обобщенные выводы, рассмотрим три типа трендов сахарного подкомплекса АПК:
3.1. Рост
3.1.1. Производство сахара
мировое;
свекловичного - в США;
в Индии;
в Бразилии;
3.1.2. Посевные площади сахарной свеклы (тростника)
сахарной свеклы в России;
сахарного тростника в Индии;
3.1.3. Валовой сбор сахарной свеклы (тростника)
сахарного тростника в Индии;
сахарного тростника в Бразилии;
сахарной свеклы в Краснодарском крае;
3.1.4. Урожайность сахарной свеклы
в России;
в США;
в Германии;
в Краснодарском крае.
3.2. Флуктуация тренда (боковое движение)
3.2.1. Производство сахара
Общее - в России (РСФСР);
на Кубе;
общее - в США;
тростникового - в США;
в Германии;
3.2.2. Посевные площади сахарной свеклы
в США;
в Краснодарском крае;
3.2.3. Валовой сбор сахарной свеклы (тростника)
сахарной свеклы в России;
сахарной свеклы в США;
сахарного тростника в США;
3.2.4. Урожайность сахарного тростника
в США;
в Индии;
в Бразилии;
3.3. Спад
3.3.1. Производство сахара
мировое - тростникового;
мировое - свекловичного;
свекловичного - в России;
общее, Россия;
тростникового, - в России;
тростникового - в РСФСР и России (с 1999 г. начался спад, и к 2030 г. производство тростникового сахара в соответствии с прогнозом должно прекратиться);
в Краснодарском крае;
тростникового - в Краснодарском крае (полный отказ от импортного сахара-сырца произойдет к 2028 г.);
3.3.2. Посевные площади сахарной свеклы (тростника)
сахарного тростника в США;
сахарной свеклы в Германии;
сахарного тростника в Бразилии;
3.3.3. Валовой сбор сахарной свеклы
в Германии.
4. Периодические функции бывают довольно редко (для стационарных процессов - практически никогда). Поэтому предположение об их периодичности носит ограничительный характер и может рассматриваться как довольно грубое приближение к реальности.
Полученные классическими (спектральными) методами результаты частично будут реализованы в последующих работах при построении адаптивных моделей для традиционных методов сезонной декомпозиции макроэкономических временных рядов.
Список используемой литературы
Бессонов В. А. Введение в анализ российской динамики переходного периода / В. А. Бессонов. - М.: Ин-т экономики переходного периода, 2003. - 151 с.
Горбацевич В. В. Анализ и прогнозирование временных рядов. Методические указания к чтению лекций и проведению практических занятий. Часть II. §4. Спектральная теория случайных процессов /В. В. Горбацевич. - М.: МАТИ, 2000. - 25 с.
Гренджер К. Спектральный анализ временных рядов в экономике / К. Гренджер, М Хатанака. - М., 1972. - 362 с.
Дженкинс Г. Спектральный анализ и его приложения. Том 1 / Г. Дженкинс, Д Ватте. Пер. с англ. В. Ф. Писаренко. - М.: Мир, 1971. - 316 с.
Конюховский П. В. Система экономико-математических и инструментальных методов моделирования стохастической динамики финансовых ресурсов / П. В. Конюховский : автреф. дис. д-ра. экон. наук. - СПб: СПбГУ, 2002. - 331 с.
Кравчук В. К. Новый адаптивный метод следования за тенденцией и рыночными циклами / В. К. Кравчук // Валютный спекулянт. - С. 50 - 55(49). - № 12, - 2000, - Электронный ресурс. [Режим доступа]: http://download.virtuosclub.ru/gac/atcf.64.pdf.
Размещено на Allbest.ru
...Подобные документы
Общая характеристика и классификация экономико-математических методов. Стохастическое моделирование и анализ факторных систем хозяйственной деятельности. Балансовые методы и модели в анализе связей внутризаводских подразделений, в расчетах и цен.
курсовая работа [200,8 K], добавлен 16.06.2014Содержание и построение экономико-математических методов. Роль оптимальных методов в планировании и управлении производством. Экономико-математические модели оптимальной загрузки производственных мощностей. Отраслевое прогнозирование и регулирование.
контрольная работа [62,1 K], добавлен 30.08.2010Моделирование. Детерминизм. Задачи детерминированного факторного анализа. Способы измерения влияния факторов в детерминированном анализе. Расчёт детерминированных экономико-математических моделей и методов факторного анализа на примере РУП "ГЗЛиН".
курсовая работа [246,7 K], добавлен 12.05.2008Сущность и содержание метода моделирования, понятие модели. Применение математических методов для прогноза и анализа экономических явлений, создания теоретических моделей. Принципиальные черты, характерные для построения экономико-математической модели.
контрольная работа [141,5 K], добавлен 02.02.2013Теоретические основы экономико-математических методов. Этапы принятия решений. Классификация задач оптимизации. Задачи линейного, нелинейного, выпуклого, квадратичного, целочисленного, параметрического, динамического и стохастического программирования.
курсовая работа [2,3 M], добавлен 07.05.2013Описание модели поведения потребителя в условиях совершенной конкуренции. Методика нахождения равновесия потребителя для случая двух частично взаимозаменяемых благ с нелинейной функцией полезности с применением экономико-математических методов свойств.
курсовая работа [424,3 K], добавлен 14.12.2010Классификационные принципы методов прогнозирования: фактографические, комбинированные и экспертные. Разработка приёмов статистического наблюдения и анализа данных. Практическое применение методов прогнозирования на примере метода наименьших квадратов.
курсовая работа [77,5 K], добавлен 21.07.2013Роль экономико-математических методов в оптимизации экономических решений. Этапы построения математической модели и решение общей задачи симплекс-методом. Составление экономико-математической модели предприятия по производству хлебобулочных изделий.
курсовая работа [1,3 M], добавлен 09.07.2015Изучение на практике современных методов управления и организации производства, совершенствование применения этих методов. Описание ориентированной сети, рассчет показателей сети для принятия управленческих решений. Проблема выбора и оценка поставщика.
курсовая работа [137,6 K], добавлен 21.08.2010Характеристика ипотечного кредитования на примере Брянской области. Обзор математических методов принятия решений: экспертных оценок, последовательных и парных сравнений, анализа иерархий. Разработка программы поиска оптимального ипотечного кредита.
курсовая работа [1,7 M], добавлен 29.11.2012Использование различных ресурсов для производства изделия с применением математических методов и построением функциональной зависимости. Математическая идеализация процентного изменения спроса. Составление модели межотраслевого баланса разных отраслей.
контрольная работа [195,4 K], добавлен 19.08.2009Основные понятия и типы моделей, их классификация и цели создания. Особенности применяемых экономико-математических методов. Общая характеристика основных этапов экономико-математического моделирования. Применение стохастических моделей в экономике.
реферат [91,1 K], добавлен 16.05.2012Открытие и историческое развитие методов математического моделирования, их практическое применение в современной экономике. Использование экономико-математического моделирования на всей уровнях управления по мере внедрения информационных технологий.
контрольная работа [22,4 K], добавлен 10.06.2009История развития экономико-математических методов. Математическая статистика – раздел прикладной математики, основанный на выборке изучаемых явлений. Анализ этапов экономико-математического моделирования. Вербально-информационное описание моделирования.
курс лекций [906,0 K], добавлен 12.01.2009Сущность корреляционно-регрессионного анализа и его использование в сельскохозяйственном производстве. Этапы проведения корреляционно-регрессионного анализа. Области его применения. Анализ объекта и разработка числовой экономико-математической модели.
курсовая работа [151,0 K], добавлен 27.03.2009Математическое моделирование как теоретико-экспериментальный метод позновательно-созидательной деятельности, особенности его практического применения. Основные понятия и принципы моделирования. Классификация экономико-математических методов и моделей.
курсовая работа [794,7 K], добавлен 13.09.2011Предмет экономико-математического моделирования, цель разработки экономико-математических методов. Для условной экономики, состоящей из трех отраслей, за отчетный период известны межотраслевые потоки и вектор конечного использования продукции.
контрольная работа [71,0 K], добавлен 14.09.2006Организационно-экономическая характеристика ООО "Сим-Авто". Система управления персоналом и трудовой потенциал. Экономико-математическая модель объема выручки. Оценка эффективности мероприятий по улучшению системы управления персоналом предприятия.
дипломная работа [1,3 M], добавлен 22.09.2011Сравнение экономико-математических методов сетевого планирования при решении практических задач управления. Временные характеристики и правила построения сетевых графиков. Оптимизация проекта по времени и стоимости. Особенности метода критического пути.
курсовая работа [1,5 M], добавлен 29.03.2015Основные задачи и принципы экстраполяционного прогнозирования, его методы и модели. Экономическое прогнозирование доходов ООО "Уфа-Аттракцион" с помощью экстраполяционных методов. Анализ особенностей применения метода экспоненциального сглаживания Хольта.
курсовая работа [1,7 M], добавлен 21.02.2015
