Диссертация (1152263), страница 41

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 41)

Его стратегическими задачами являются: а) оценка и контроль за параметрами порядка и управляющими переменными; б) формирование зон нуклеации и стимулирование когерентного развития подсистем; в) структурно-функциональная синхронизацияиерархических уровней и корпоративное поведение субъектов.2373. Разработан способ формирования информационного макрофрактала системы сбалансированного инновационного развития ИСК. Он направлен на активизацию информационного взаимодействия экономических субъектов и инвестиционно-инновационных процессов в СЭС. Информационный макрофрактал (домен) интерпретируется в виде распределенной в пространстве информационной системы, благоприятствующей развитию рефлексивных и кооперативных процессов, которые приводят к корпоративности поведения субъектов иобразованию новых динамических структур.4.

Системный подход к выявлению ключевых позиций и заимствованиюлучшего опыта, являющегося одним из фундаментальных БП инновационногоразвития СЭС, позволяет не только повысить синергетичность системы, но иприводит ее к бифуркационным или устойчивым состояниям. Объектамибенчмаркинга для ИСК, в первую очередь, должны стать производство экологичных материалов, процессы повышения безопасности и надежности производимых товаров, а также ресурсо- и энергосберегающие технологии, соответствующие мировым тенденциям развития стройиндустрии.238Глава 5МОДЕЛИРОВАНИЕ СБАЛАНСИРОВАННОГО ИННОВАЦИОННОГОРАЗВИТИЯ ИНВЕСТИЦИОННО-СТРОИТЕЛЬНОГО КОМПЛЕКСА5.1 Метод координации развития на основерегрессионно-дифференциального моделированияМетоды прогнозирования представляют наиболее экономичный способпринятия эффективных управленческих решений. Содержание процесса моделирования соотносится с конструированием модели, основанной на предварительном исследовании СЭС, выделении ее существенных характеристик и закономерностей, теоретическом и экспериментальном анализе, корректировкой иуточнением модели, а также сопоставлении результатов моделирования с фактическими данными об объекте или процессе.Одним из способов прогнозирования последствий и качества управленческихвоздействий на развитие СЭС, в том числе ИСК является экономико-математическоемоделирование с применением аналитических моделей или специального программного обеспечения, которое мы отразим в данном разделе работы.Необходимо принимать во внимание традиции современного факторного ирегрессионного анализа, складывающихся таким образом, что в основу разрабатываемых моделей помещают, как правило, алгебраические полиномы при построении ЛММ (формула 5.1):(⃗(), ⃗(), ) = 0 + ∑ () + ∑ ()⃗ () = {1 (), 2 , … }⃗() = {1 (), 2 (), … }(5.1),239где xi – значения факторов, ai – их веса.В случае построения динамических моделей – это формула 5.2:ry  t   y x  t   a0   ai xi  t  ,iа чаще y  tn   a0   ai xi  tn (5.2),iгде t – произвольный момент времени, tn – время очередного отсчета значений врядах факторов.Подобные модели читаются упрощенно.

Примерно так: вложение инвестиций в экономический субъект по графику x1(t) позволяет получить чистый дисконтированный доход (или другой показатель экономической эффективности)y  x1  t  , z1  t   с учетом требований рынка на продукцию (возмущающего воздей-ствия) z1(t). При этом, считается, что существует только линейная связь междуфакторами и значением реакции, в которой единственным динамическим элементом в модели является временной лаг Δt (например, в моделях вида, формула 5.3).(5.3).Такое предположение, где по умолчанию принимается факт существованиятолько прямых связей между факторами и силой реакции, а единственным динамическим элементом считается чистое запаздывание, не правомерно.

Повышаязаработную плату сотрудников предприятия в разумных границах, можно добиться повышения трудоотдачи и других социальных либо экономических реакций.Во многих работах достоверно доказано, что рост в нужный момент времени t показателя x1(t) ускоряет повышение производительности труда (формула 5.4):240(, , )≈ 0 − 1 ()⁄, > 0∀: 0 < () ≤ 1(5.4).Ухудшение условий труда z(t) по большому счету ведет к снижению темповроста показателя его производительности (формула 5.5):С общефилософской точки зрения приложение силы всегда приводит кизменению ускорения какого-то процесса (второй закон Ньютона) (формула 5.6):F  ma  md 2xdt 2(5.6),где F – сила, m – масса тела, а – ускорение, х – координата.В этом смысле логично в основу модели брать дифференциальноеуравнение вида (формула 5.7):d 2 x t dt21F t m(5.7).По мнению исследователей данной области в качестве «движущих сил»должны выступать значения факторов (Таблица 5.1) [3; 6; 18; 59; 132; 295; 369; 389].Для сложных СЭС типа ИСК идентификация регрессионных коэффициентов связей между показателями y(t) и xi(t), без убедительной аксиомы их взаимной самостоятельности, ведет к возникновению некорректных и бесполез-241ных моделей, превосходно интерполирующих прошлое, но не способных к прогнозированию будущего.

Примерно те же результаты приносят попытки экстраполяции значения y(t) по данным временных рядов, в том числе с использованием авторегрессионных моделей.В настоящее время актуальны исследования (И. А. Аглиуллин, А.А. Акаев,С. А. Дзюба, Ю. А. Дорошенко, А. В. Затонский, С. Ю. Малков и др.),развивающиеидеимоделированияСЭС,сприменениемрегрессионно-дифференциального уравнения [3; 18; 30; 56; 108; 132; 212; 214; 222; 295; 369 идр.]. Ими можно моделировать колебательные и циклические переходныепроцессы без дополнительных математических операций (определения иисключения периодического процесса, тренда и т.

д.), когда появляетсявозможность выхода значения реакции СЭС на асимптоту, свойственную многимобъектам ИСК, но не учитывающуюся в моделях на основе ЛММ, и т. д.Преимуществом РДМ является более высокое качество прогнозированияСЭС, чем у других алгебраических многофакторных моделей. Достаточнопроверить корректно построенную ЛММ методом постпрогноза. Оказывается, чтоона на 2 – 3 последних года во временных рядах получается с точностью дообратного.

Т. е. широко практикуемая ЛММ для прогнозирования и поддержкипринятия решений теряет смысл.Важно разобраться в том, что же учитывать при разработке динамическойЭММ развития ИСК: связи между фактором и реакцией или фактором и динамикой ее изменения под воздействием данного фактора. Результаты эмпирическихисследований эволюции ИСК и других СЭС, а также общенаучные рассуждениясвидетельствуют, что в некоторых моделях целесообразно для основы применятьобыкновенное дифференциальное уравнение 1-го порядка с соответствующей задачей Коши (формула 5.8), имеющие следующие достоинства по сравнению сЛЛМ: 1) описание положительных и отрицательных изменений динамики от экзои эндогенных воздействий; 2) возможность асимптотических решений.242(5.8).Эконометрические модели на основе дифференциальных уравнений оказываются сложными в оснащении, и не учитывают общедоступные данные статистики для прогнозирования аспектов развития объекта управления.Модель мировой динамики Форрестера, базирующаяся на дифференциальном уравнении (формула 5.8), включает объемные данные (автор брал во внимание сведения экономических показателей с 1900 по 1970 гг.), с использованиемсистемы, состоящей из пяти дифференциальных уравнений, описывающих взаимосвязанные глобальные процессы.

Сам Дж. Форрестер делает выводы из моделиотносительно недостаточной актуальности рассчитанного им длительного прогноза до 2100 г. и по большей мере наличия ее качественного характера по причине неосуществимости учета всех изменений вследствие технического и технологического прогресса [336; 383].Поэтому разумным представляется традиционный подход регрессионногоанализа, лишенный вышеперечисленных недостатков ЛММ, когда в самом началеопределяются исключительно контуры (вид и порядок дифференциального уравнения) модели. После ставится задача (в настоящей работе она решена) получитьдостаточно простой инструмент для прогноза тренда развития ИСК, для которогоне возникает серьезной проблемы идентификации необходимых данных.РДМ обеспечивают совпадение первой и второй производных ряда значенийреакции – т.

е. если исходный ряд растет с замедлением, то и отрезок, полученныйпостпрогнозом, также будет увеличиваться с замедлением хотя может и«обгонять», и «отстать» от исходного ряда. Хорошее качество постпрогнозасвойственно моделям (например, в пространстве состояний), полученным сиспользованием метода опорных векторов или прогнозных нейронных сетей, ноони, в отличие от линейных и дифференциальных регрессионных моделей, не243являются объясняющими.Регрессию используютвтом счлучае, когданевозможно получить формализованное описание деятельности объекта на основезаконов движения, состояния и сохранения, или суть работы кроется в поискетакого закона или зависимости.Прогнозирование и принятие решений на основе РДМ не лишено изъянов инеясностей.

В частности, исследован вопрос применимости корреляционногоанализа для исключения факторов из РДМ (в силу их незначительного влияния нареакцию или, что то же самое, на среднеквадратичную погрешность модели). Мынаосновемоделиподтвердилилогичностьвыводаонеприменимостикорреляционного анализа для факторов РДМ. Следует напомнить, что онпозволяет обоснованно исключать ряды факторов с высокой взаимнойкорреляцией из ЛММ.

При построенной таким образом РДМ методом проб иошибок приходится постепенно включать и убирать факторы, наблюдая заизменением суммарного среднеквадратичного отклонения модели на протяжениивсех исходных рядов данных, либо в пределах горизонта постпрогноза.Итак, построение РДМ n-го порядка имеет следующий вид (формула 5.9):d n y t dtnm mn 1  gii 1d i y t dtim a  b  y  t   0    ci  xi  t   i  i 1m   dij  xi  t   i   x j t   j   fi   xi  t   i  i 1 j 1(5.9),2i 1где gi – коэффициенты воздействия меньших производных реакции, a – константа,дающая описание воздействия одной n-й первоначальной реакции при построениитренда, b – коэффициент «обратной связи», объясняющий воздействие величины реакции на ее n-ю производную, ci – коэффициенты действия факторов, dij : i  j –коэффициенты взаимного воздействия факторов модели, fi  dii – коэффициентывоздействия квадратов факторов модели,  i – лаг i-го фактора,  0 – лаг в обратной244связи, производится путем последовательного включения в нее рядов факторов и отказа от введения фактора, если оно ухудшает погрешность модели.В связи с этим РДМ дополняется n-1-м начальным условием (формула 5.10):dy  0 dty0',d 2 y  0dt 2y0'',…,dn1y  0   n1 y0n1dt  (5.10).Неизвестными в данном варианте оказываются все первоначальные условия, наряду сy '0 ,a, b, ci, dij, fi, 0, i.

Характеристики

Список файлов диссертации