ПЗ Козаков М.А. (1218841), страница 4

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

Текст из файла (страница 4)

Статистическая обработка объемов работы пути необщего пользования «Стройоптторг» за исследуемый период

Наименование показателя		Минимальное значение, вагонов	Максимальное значение, вагонов	Среднее значение, вагонов	Граница показателя с учетом критерия Стьюдента, вагонов
Погрузка, ежесуточно	КТК	128	640	387	От 54 до 61
Выгрузка, ежесуточно	КТК	45	480	275	От 45 до 52

В результате статистической обработки объемов работ пути необщего пользования «Стройоптторг» с фитинговыми платформами за исследуемый период установлены средние значения выгрузки (48 вагонов), погрузки (58 вагонов).

Рассмотрим каждый временной ряд как сумму детерминированной компоненты и случайной величины :

. (2.1)

Детерминированная компонента выражается некоторой аппроксимирующей 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 (рис. 2.1) некоторого случайного процесса является его реализацией или трендом. Тренд или функция является тенденцией развития, некоторым общим направлением и долговременной эволюцией в виде гладкой траектории. Случайная величина выражает отклонение от тренда, отражая действие случайных факторов на уровень экономического явления.

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. Для оценки исследуемого процесса и определения уравнения тренда используем метод наименьших квадратов (МНК).

Рассмотрим самый простой вид изменения динамического ряда – линейный тренд:

, (2.2)

где - параметры, которые находятся МНК.

Необходимо подобрать таким образом, чтобы =0, то есть начало отсчета времени перенесем в середину рассматриваемого периода и решим систему уравнений.

В результате получены тренды, описывающие объемы погрузки, выгрузки на пути необщего пользования ОАО «Стройоптторг» в фитинговых платформах (рис. 2.2 – 2.3):

,

.

Для данных временных рядов определены величины достоверности аппроксимации или сглаживания :

,

Рис. 2.1. Диаграмма объемов работы пути необщего пользования «Стройоптторг»:

.

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

, (2.3)

, (2.4)

где - определяемые параметры.

Аналогично определены уравнения, описывающие объемы погрузки, выгрузки вагонов на пути необщего пользования «Стройоптторг»:

,

.

Для данных временных рядов, погрузку-выгрузку, определены величины достоверности аппроксимации или сглаживания :

,

.

Линия тренда в наибольшей степени приближается к представленной на диаграмме зависимости, если значение равно или близко к единице. Анализы и прогнозы объемов погрузки, выгрузки вагонов представлены на рис. 2.2 – 2.3.

По имеющимся данным статистических исследований случайного процесса требуется в некотором смысле наилучшим образом предсказать его значения на периоды , то есть осуществить прогнозирование временных рядов.

Рис. 2.2. Анализ и прогноз объемов погрузки вагонов на пути необщего пользования «Стройоптторг»: ,

Рис. 2.3. Анализ и прогноз объемов выгрузки вагонов на пути необщего пользования «Стройоптторг»:

В данном случае задачей будет являться экстраполяция общих закономерностей на будущий период и определение объемов выгрузки, погрузки в июне 2015 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. При чем, если развитие в прошлом носило скачкообразный характер, то при достаточно продолжительном периоде наблюдений скачки оказываются "зафиксированными" в самом тренде. Основная тенденция развития данного процесса или детерминированная величина определена по формулам (2.3) и (2.4). Требуется определить случайную компоненту, а затем осуществить экстраполяцию.

Случайная компонента не является стационарной величиной, поэтому проводятся определенные преобразования, чтобы привести ее к соответствующему виду. Точно определить ее нельзя, можно только с определенной вероятностью утверждать, что вычисленные по ( ) оценки показателя будут отличаться от истинной на определенную величину, нахождение которой и является задачей экстраполяции.

Прогноз получают путем подстановки в уравнение тренда с численно оцененными параметрами значений независимых переменных. Осуществив прогноз на июнь 2015 года по формулам (2.3) и (2.4), получим объемы погрузки, выгрузки на пути необщего пользования:

платформ,

платформ.

Таким образом, полученные тренды имеют тенденцию к росту.

Перспективные объемы выгрузки, погрузки определяются по формулам:

, (2.5)

, (2.6)

где , - перспективные объемы выгрузки, погрузки вагонов, ваг/месяц;

, - коэффициент неравномерности погрузки, выгрузки , , принимаем равные годовым коэффициентам неравномерности.

.

Для определения годовых коэффициентов неравномерности используем данные табл. 2.1. Расчет годовых коэффициентов неравномерности представлен в табл. 2.3.

платформ,

платформ.

Среднесуточные объемы погрузки, выгрузки, сортировки крупнотоннажных контейнеров определяются по формулам:

, (2.7)

, (2.8)

где , , - годовые объемы выгрузки, погрузки вагонов, ваг/месяц;

, - коэффициент неравномерности погрузки, выгрузки, , , принимаем равные годовым коэффициентам неравномерности,

.

На основании табл. 2.1 среднесуточные объемы погрузки, выгрузки составят, вагонов:

вагонов,

вагон.

Сравнивая средние и перспективные значения ежесуточных объемов погрузки, выгрузки вагонов на пути необщего пользования «Стройоптторг» к дальнейшим расчетам принимаем перспективные (максимальные) значения: погрузка – 58 фитинговых платформ, выгрузка – 48 фитинговых платформ.

2.2 Разработка балансовой таблицы и диаграммы вагонопотоков

На основе суточного вагонопотока по прибытию грузов на станцию Красная Речка и отправлению грузов со станции Красная Речка составлена балансовая таблица, по которой определена потребность порожних вагонов и избыток их (табл. 2.4 – 2.5). Баланс порожних вагонов по каждому роду груза, типу вагона, грузовому пункту и в целом по станции Красная Речка определяется в результате сопоставления размеров выгрузки и погрузки. Если выгрузка больше погрузки, то на фронте будет излишек (отправление) порожних вагонов; если выгрузка меньше погрузки – недостаток (прибытие) порожних вагонов. Значения для путей необщего пользования станции Красная Речка по погрузки и выгрузки взяты из отчетов справочных систем ОАО «РЖД». Построено две балансовые таблицы, так как контейнерный поезд на путь необщего пользования ОАО «Стройоптторг» приходит один раз в двое суток. Первая балансовая таблица построена с учетом прибытия в первые сутки контейнерного поезда составом 40 вагонов. Вторая балансовая таблица построена на вторые сутки без учета прибытия контейнерного поезда составом из 40 вагонов.

На основе балансовой таблицы строится диаграмма вагонопотоков. На диаграмме показывается прибытие и отправление груженых и порожних вагонов с распределением их по грузовым пунктам. Диаграмма вагонопотоков приведена на рис. 2.4.

Таблица 2.3

Определение годовых коэффициентов неравномерности погрузки, выгрузки на пути необщего пользования «Стройоптторг» за 2014 год

Характеристики

Список файлов ВКР