Прогнозирование сельского хозяйства

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО  ОБРАЗОВАНИЯ

МГУ им.Огарева

Аграрный  институт

Кафедра технологии производства и переработки продукции  животноводства

 

 

 

 

Контрольная работа

По прогнозированию

 

 

 

Специальность: ТППСХП

   Автор : Мишина Карина

                                                            Руководитель работы: Кудряшов В.  Ю.

 

 

 

 

 

Саранск 2011

 

вопрос № 1.1.1. основные понятия о методах  прогнозирования.

 

Наиболее  распространенной в экономической  литературе является классификация  методов прогнозирования по степени  формализации, которая приводится на рисунке ниже (рис.1).

 

Методы прогнозирования (классификация  по степени формализации)

Формализованнные

Интуитивные (экспертные)

Логические

Статистические

• Метод комиссий
• Метод  мозговой атаки
• Метод Дельфи

• По аналогии
• Построение дерева целей
• Сетевые модели
• Дерево целей
• Прогнозный граф
• Дерево решений
• Прогнозная экстраполяция
• Прогнозирование на основе  регрессионных моделей
• Прогнозирование на основе индикаторов и индексов
• Прогнозирование сезонных колебаний

 

 

 

 

Информационное  моделирование

Стохастическое  моделирование

Структурное моделирование

 

 

Рис.1 - Классификация методов прогнозирования по степени формализации

 

В правой части схемы представлены формализованные методы, наиболее часто употребляемые для прогнозирования развития социально-экономических систем.  В пользу использования количественного подхода к прогнозному процессу, который реализуется на основе статистических методов,  можно привести следующие аргументы:

• Статистические методы прогнозирования входят в большинство известных статистических пакетов прикладных программ (ППП), таких как Statistica, SPSS и др. Соответственно, несмотря на довольно сложные математические вычисления при использовании большинства методов – они наиболее просты и требуют сравнительно небольшого времени для их применения и/или обновления оценок параметров.
• Представленные методы основываются на реальной статистической информации и поэтому относительно экспертных методов объективны.
• Требуют сравнительно небольшого объема данных (обычно один временной ряд), кроме того практически любой другой метод прогнозирования требует прогнозирования хотя бы одного временного ряда.

Интуитивные методы прогнозирования (основные из которых представлены в левой части рисунка) как научный инструмент решения сложных неформализуемых проблем позволяют получить прогнозную оценку состояния развития объекта в будущем независимо от информационной обеспеченности. Их сущность заключается в построении рациональной процедуры интуитивно-логического мышления человека в сочетании с количественными методами оценки и обработки полученных результатов. При этом обобщенное мнение экспертов принимается как решение проблемы.

В случае применения  методов экспертных оценок для предвидения результатов  развития  экономических объектов преимущественно реализуется качественный подход к прогнозному процессу.

Методы экспертных оценок “в чистом виде” используются в следующих случаях:

• отсутствие или недостаточное количество статистических данных об объекте ;
• объект прогнозирования чрезвычайно сложен для формализации, крупномасштабен или достаточно велик период упреждения прогноза;
• достаточно велик фактор неопределенности, связанный с будущим состоянием прогнозного фона:
• острый дефицит времени в связи с экстремальной ситуацией и др.

Экспертные методы прогнозирования, которые также называют интуитивными, по принципу действия можно разделить на индивидуальные и коллективные экспертные оценки. Индивидуальные оценки целесообразно использовать только тогда, когда есть очень компетентный специалист в сфере деятельности, подлежащей прогнозному исследованию. Индивидуальная экспертная оценка включает методы прогнозирования, основанные на использовании в качестве источника информации одного эксперимента. В зависимости от того, каким образом проводится опрос эксперта, индивидуальные экспертные оценки можно условно разделить на методы прямого и анонимного экспертного опроса. К первой группе относятся методы интервью и психоинтеллектуальной генерации идей, а ко второй - аналитическая индивидуальная оценка (докладные оценки), метод сценария, морфологический анализ и др. При аналитической индивидуальной оценке эксперт анализирует представленную ему совокупность достоверных и разнообразных сведений по исследуемой проблеме.

Метод построения сценария – аналитический метод прогнозирования, основанный на установлении логической последовательности состояний объекта прогнозирования и прогнозного фона во времени. Преимуществом разработки сценария является необходимость детальной проработки экспертом будущего состояния и альтернативных путей развития объекта, что могло быть упущено, если бы эксперт обсуждал прогнозируемые варианты поверхностно, а не с общих позиций. Недостатком методов индивидуальной экспертной аналитической оценки является необходимость использования специалиста, энциклопедически информированного в различных смежных областях знаний, что на практике очень проблематично.

Морфологический анализ – метод прогнозирования, основанный на построении матрицы характеристик объекта прогнозирования и их возможных значений с последующим перебором и оценкой вариантов сочетаний этих значений. Важнейший принцип морфологического анализа, проводимого экспертом с целью прогнозной оценки развития какого-либо объекта, состоит в рассмотрении и систематизации по всем без исключения возможным аспектам изучаемой проблемы. Недостатком метода является субъективность выбора наилучшего варианта решения проблемы, а достоинством - возможность широкого использования ЭВМ для “перебора” альтернативных решений.

Методы коллективных экспертных оценок представляют собой попытку повысить степень объективности мнений экспертов , увеличить достоверность коллективного суждения . Метод коллективного экспертного опроса – метод прогнозирования, основанный на выявлении обобщённой объективированной оценки экспертной группы путём обработки индивидуальных независимых оценок, вынесенных экспертами, входящими в группу.

Методы коллективной экспертной оценки могут осуществляться путём непосредственного  опроса экспертов (метод комиссии, методы коллективной генерации идей), а  также “заочно” с помощью анкетирования (метод “Дельфи”, эвристическое прогнозирование и др.). Первая группа методов может быть отнесена к “зависимому интеллектуальному эксперименту”, так как каждый эксперт “лицом к лицу” должен аргументировать или отстаивать своё мнение, в идеале независящее от мнения большинства, от личностного восприятия и эмоциональной окраски отдельных суждений и т.д., что на практике весьма затруднительно. Вторая группа методов характеризует “независимый интеллектуальный эксперимент”, когда с помощью анкет, обеспечивающих анонимность экспертов и возможность всесторонне обдумать свою точку зрения, выявляется достаточно согласованное мнение экспертной группы. Согласованность суждений достигается путём многоэтапного (два, три и более раз) анкетирование экспертов, причём итоговые характеристики каждого предыдущего этапа доводятся до сведения всех без исключения экспертов с просьбой мотивировать своё суждение, если оно в достаточной степени отлично от усреднённой оценки.

Таким образом, можно сделать вывод, что сущность экспертного метода состоит в проведении интуитивно-логического анализа проблемы, выполняемого привлечёнными для этой цели специалистами экспертами, обладающими необходимым профессиональным образованием, опытом и интуицией.

 

ВОПРОС № 1.1.8. СУЩНОСТЬ МЕТОДОВ  ПРОГНОЗНОЙ ЭКСТРАПОЛЯЦИИ.

 

  Определим  прогноз валового сбора зерна  в 2000г. с помощью экстраполяции  динамических рядов и полученный  результат сравним с данными  экспертов.

Исходной  информацией для экстраполяции  являются временные ряды.

При экстраполяции  предполагается, что:

• текущий период изменения показателей может быть охарактеризован плавной траекторией - трендом;
• основные условия, определяющие технико-экономические показатели в текущем периоде, не претерпят существенных изменений в будущем, то есть в будущем они будут изменяться по тем же законам, что в прошлом и настоящем;
• отклонения фактических значений показателей от линии тренда носят случайный характер и распределяются по нормальному закону.

Прогнозное  значение рассчитаем, используя табличный  процессор Excel.  Исходный динамический ряд представлен в таблице 1. Так как первая половина ряда имеет существенные колебания, вызванные в основном влиянием внешней среды: политические события, социально-экономические факторы, изменения границ области и т.д., то в качестве ретроспективной информации возьмем данные с 1970 года.

 

 

 

 

Таблица 1 - ВАЛОВОЙ СБОР ЗЕРНА В 1913 - 1999 г.

(в  первоначально-оприходованном весе)

(в  хозяйствах всех категорий)

Годы	Тыс.тонн.	Годы	Тыс.тонн.	Годы	Тыс.тонн.		Годы	Тыс.тонн.
1913	1141.9	1959	1115	1973	2189.7		1987	2838.6
1 920	923.1	1960	1020.5	1974	2244.2		1988	2230,3
1932	1104.7	1961	1524.9	1975	1993.6		1989	2742.2
1940	1169.0	1962	1469.9	1976	2776.5		1990	2730.8
1945	380.1	1963	1086.6	1977	2289.6		1991	2031.7
1950	777.1	1964	1592.1	1978	2286.0		1992	2534.5
1951	831.5	1965	1670.2	1979	1427.6		1993	2682.8
1952	890.9	1966	1668.1	1980	1516.9		1994	2153.7
1953	936.3	1967	1787.0	1981	1383.4		1995	1489.6
1954	911.7	1968	2048.1	1982	1913.1		1996	1459.4
1955	120.7	1969	2756.2	1983	1982.3		1997	1776.4
1955	840.7	1970	2008.0	1984	1732.8		1998	1800.2
1957	1015.5	1971	2144.7	1985	2037.4		1999	1819.1
1958	1054.5	1972	2067.8	1986	2331.3

 

Представим  информацию графически.

 

Рис.4 - Прогноз  валового сбора зерна экстраполяцией динамического ряда

 

 Прогнозное  значение валового сбора для  2000 года равно 2500 тыс.тонн, что превышает результаты экспертной оценки.

При принятии управленческого решения должны быть учтены результаты, полученные и  наивными, и экспертными методами.

 

 

ВОПРОС № 2.1.5. ЗНАЧЕНИЕ КОЭФФИЦИЕНТА ПОВТОРЯЕМОСТИ ПРИ ПРОГНОЗИРОВАНИИ  МОЛОЧНОЙ ПРОДУКТИВНОСТИ.

 

Основные  положения. Племенная работа базируется на селекции, т.е. отборе животных из существующей популяции. Без селекции каждая особь имеет равные возможности для размножения. Посредством отбора можно создать благоприятные условия для размножения желательных животных.

Признаки, улучшаемые селекцией, делят на две  большие группы - качественные и  количественные. Признак называется качественным, если его проявления можно разделить на качественно  различные категории. К качественным признакам относят масть, цвет и  блеск шерсти, группы крови, рогатость или комолость и т.п. Качественные признаки наследуются в соответствии с законами Менделя, и мало зависят от внешних условий. Большинство же хозяйственно-полезных признаков относятся к количественным. Количественные признаки могут принимать различные значения в пределах широких границ. В формировании количественных признаков принимают участие множество наследственных задатков. Определить долю влияния каждого из них в отдельности не представляется возможным, поэтому селекционеры в своей работе долгое время не могли с каким-либо успехом использовать даже очень усложненные менделевские схемы. К середине 30-х годов 20 века было установлено, что в генетике количественных признаков интерес представляет не эффект отдельных генов у определенных особей (который вообще неизмерим), а наследование признака в группе особей (популяции), например в породе или части этой породы. Поэтому генетику количественных признаков иногда называют популяционной генетикой, хотя в генетике популяций изучается также и поведение качественных признаков (например, групп крови). Главной задачей популяционной генетики является исследование генетического строения популяций статистическими методами и изменение строения этих популяций при воздействии каких-либо факторов (селекции, мутации).

Понятием "популяция" в генетическом смысле обозначается совокупность плодовитых при скрещивании друг с другом особей, обладающих наибольшим сходством между собой, нежели с особями других популяций. Природные популяции отличаются также общностью заселяемой территории. Типичным примером популяции в животноводстве является порода. Сохранение и усиление хозяйственно-полезных признаков в популяции происходит благодаря получению нового поколения. Чем короче интервал между поколениями, тем быстрее будут получены животные с желательными признаками и тем быстрее можно будет достичь нужного результата. Достижение поставленной цели в селекции зависит не только от времени, в течение которого ведется работа, но и от численности популяции. При этом во внимание берется не вся популяция, а только та ее часть, которая участвует в размножении, т.е. эффективная численность популяции. В целом успех селекции по тому или иному признаку определяют следующие факторы: