клава (1196715), страница 8

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

Текст из файла (страница 8)

Для выгруженных вагонов:

X(τ) = Y(τ) + E(τ).

Детерминированная компонента выражается некоторой апроксимирующей функцией, отражающей закономерности развития исследуемого явления. Появление случайной компоненты оценивается с некоторой вероятностью.

Анализ временных рядов необходимо начать с определения основной тенденции развития данного процесса, то есть детерминированной компоненты. Для выявления характера динамики исследуемого процесса проведем логический анализ временного ряда.

Данный ряд рассмотрим как функцию от элементов его внутренней структуры, причем значительную роль имеет запаздывание во времени. Последовательность наблюдений некоторого случайного процесса является его реализацией { } или трендом. Тренд или функция Y(τ) является тенденцией развития, некоторым общим направлением и долговременной эволюцией в виде гладкой траектории. Случайная величина Е(τ) выражает отклонение от тренда, отражая действие случайных факторов на уровень экономического явления.

Таблица 2.1 – Объемы погрузки крупнотоннажных контейнеров на контейнерной площадке

Таблица 2.2 – Объемы выгрузки крупнотоннажных контейнеров на контейнерной площадке

Для того чтобы выделить общую тенденцию изменения экономических явлений в течение изучаемого периода времени, следует провести аналитическое выравнивание ряда по экспоненте или сглаживание. В результате, которого получим кривые роста, описывающие закономерности развития явлений во времени.

Предположим, что рост уровней ряда происходит по геометрической прогрессии. Тогда требуется определить полином вида.

(2.2)

где – параметры, которые находятся МНК.

В результате полиноминальный тренд для объемов погрузки крупнотоннажных контейнеров Ύ = 0,3136 + 57,214х + 5934,7, а для выгрузки соответственно Ύ = 2,4615 + 26,645х + 7165,1.

Рисунок 2.6 – Анализ объемов и прогнозирование погрузки крупнотоннажных контейнеров

Рисунок 2.7 – Анализ объемов и прогнозирование выгрузки крупнотоннажных контейнеров

По имеющимся данным статистических исследований случайного процесса требуется в некотором смысле наилучшим образом предсказать его значения на периоды τ_n+1, τ_n+2, …, τ_n+l, то есть осуществить прогнозирование временных рядов. В данном случае задачей будет являться экстраполяция общих закономерностей на будущий период и определение объемов перегрузки грузов в крупнотоннажных контейнерах в июне 2016 года. Благодаря ей, возможно, осуществить описание некоторого общего будущего развития объекта прогнозирования на основе относительно небольшого объема информации, а также простоты и ясности принятых допущений. Причем если развитие в прошлом носило скачкообразный характер, то при достаточно продолжительном периоде наблюдений скачки оказываются «зафиксированными» в самом тренде.

2.5 Технико-экономические показатели станции Владивосток

Согласно анализа ПТО Владивосток неисправностей подвижного состава за 12 месяцев 2015 года на участке Владивостокского региона видим, что отцепки по станции Владивосток в количестве 2920 вагонов занимает первое место – завышение фрикционного клина, на которые приходится 22 % или 642 вагона. Второе место занимает неисправности колесных пар – 15 % или 438 вагонов, следующее место излом пружин 10 % или 292 вагона, неисправности тормозного оборудования 25 % или 730 вагонов, остальные 28 % или 818 вагонов, неисправности различного характера (кузов, автосцепка и т.д) представлены на графике ДП 190302.65.6В6.04.

Таблица 2.3 - Распределение неисправностей в процентном соотношении за 2015, 2014, 2013 года

Анализ неисправностей подвижного состава за 12 месяцев 2015 года в сравнении с 2014 годом показывает рост отцепок неисправных вагонов на станции Владивосток на 575 вагонов.

Характеристики

Список файлов ВКР