Прогнозирование перевозок грузов в Оренбургской области

Оренбургская область относится к среднеразвитым индустриально-аграрным регионам. Предприятия Оренбургской области дают более 5% общероссийской добычи природного газа, 3% нефти, 6% производства стали, по 30% доменного оборудования и производства серы, более 30% асбеста. Важное место занимает Оренбуржье в производстве медных концентратов и черновой меди, никеля, кобальта, муки и крупы, мясной продукции, соли, электродвигателей переменного тока, шелковых тканей.

Значительное развитие ориентированных на экспорт отраслей (топливно-энергетической, металлургической) и сравнительно небольшие масштабы военно-промышленного комплекса, а также сельскохозяйственная специализация обеспечили относительную устойчивость экономики Оренбургской области в период кризиса 90-х годов.

В Оренбургской области относительно слабо развита сфера услуг и лучше развиты отрасли материального производства. Это объясняет их больший вклад в валовой внутренний продукт (ВВП) России.

Промышленность - важная отрасль экономики Оренбургской области. В ней занято 25% экономически активного населения и производится 55% валового регионального продукта. Основные отрасли - топливно-энергетический и металлургический комплексы.

Газовая промышленность. Ведущая отрасль топливно-энергетического комплекса (20%). Наличие самого крупного в Европе уникального газоконденсатного месторождения способствовало основанию в области крупнейшего газоперерабатывающего комплекса, основные объекты которого - газоперерабатывающий и гелиевый заводы.

Нефтяная и нефтеперерабатывающая промышленность. Ведущая отрасль промышленности области (21%). Около 60% нефти добывается в Курманаевском, Первомайском, Сорочинском районах. Черная металлургия является третьей ведущей отраслью промышленного комплекса области.

Металлургия. В Оренбургской области действуют предприятия цветной металлургии. Выпуск и переработка меди, цинка, криолита, фтористого алюминия и натрия, никеля и кобальта, свинца.

Машиностроение. Машиностроение производит 8,3% объема промышленной продукции и является важной составляющей экономики области.

Предприятия машиностроительного комплекса специализируются на выпуске металлургического оборудования, кузнечно-прессовых машин, гидравлического оборудования машиностроительного применения, металлорежущих станков, автомобильных и тракторных прицепов, металлических конструкций для промышленных, административных и других зданий, котлов и блочных котельных, радиаторов к автомобилям и тракторам, электродвигателей переменного тока, низковольтной электрической аппаратуры, силовых преобразователей, бытовых холодильников и морозильников.

В структуре машиностроительного комплекса развито сельскохозяйственное, транспортное машиностроение и станкостроение. Тяжелое машиностроение является основной отраслью специализации машиностроительного комплекса области. Близость металлургических предприятий и черный металлопрокат - основных поставщиков сырья и одновременно главных потребителей его продукции - способствует относительно стабильной работе тяжелого машиностроения.

Химический комплекс. Предприятия отрасли производят хромовые соединения, эмалевые краски, формовые и неформовые резинотехнические изделия, изделия из пластмасс. Развитие и размещение химической промышленности Оренбургской области в основном связано с возможностями ее комбинирования с черной и цветной металлургией, нефте- и газоперерабатывающей промышленностью. Химическая промышленность в значительной степени сконцентрирована на востоке области. Здесь находятся крупные металлургические и нефтеперерабатывающие предприятия, с которыми взаимодействует химическая промышленность на основе комбинированного, комплексного использования сырья и побочных продуктов технологического процесса.

Легкая промышленность.Оренбургская область производит широкую номенклатуру готовой продукции: шелковые ткани, нетканые материалы, искусственный мех и изделия из него, бельевой и верхний трикотаж, пуховые платки, чулочно-носочные и перчаточные изделия, разнообразные швейные изделия: мужская, женская, детская одежда от платьев и верхних сорочек до современного пальто, кожаную обувь.

Легкую промышленность Оренбуржья прежде всего ассоциируют с пуховязальным производством. Оренбургский пуховый платок продолжает оставаться символом и визитной карточкой региона. До сих пор это словосочетание является более распространенным, чем, например, Оренбургский газ или Оренбургский каравай. Действительно, продукция этого традиционного промысла получила всемирную известность. Из мягкого и тонкого пуха оренбургской породы ангорских коз производят знаменитые шали, платки-паутинки, палантины. Пуховязальное производство занимает незначительную долю в структуре легкой промышленности. Ведущей отраслью, безусловно, является текстильная промышленность. В начале 1990-х годов легкая промышленность по стоимости производимой продукции была сопоставима с такими отраслями, как черная и цветная металлургия.

Рис.2. Структура объема отгруженных товаров  собственного производства, выполненных работ и услуг собственными силами обрабатывающих производств  по видам деятельности

1.3.           Анализ методов прогнозирования и планирования перевозок

Методы прогнозирования

 В развитии методологии прогнозирования социально-экономических процессов большую роль сыграли научные разработки отечественных и зарубежных ученых А.Г. Аганбегяна, И.В. Бестужева-Лады, Л. Клейна, В. Гольдберга. В работах этих ученых рассматривается значение, сущность и функции прогнозирования, его роль и место в системе планирования, исследуются вопросы методологии и организации экономического прогнозирования, показываются особенности научного прогнозирования. Развитие работ, освещающих вопросы прогнозирования, осуществляются по таким основным направлениям: углубление теоретических и прикладных разработок нескольких групп методик, отвечающих требованиям разных объектов и разных видов работ по прогнозированию; разработка и реализация на практике специальных способов и процедур использования различных методических приемов в ходе конкретного прогнозного исследования; поиск путей и способов алгоритмизации методик прогнозирования и реализация их с использованием ЭВМ.

 Под методами прогнозирования следует понимать совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а также их измерений в рамках рассматриваемого явления или процесса вывести суждения определенной достоверности относительно его (объекта) будущего развития. По оценкам отечественных и зарубежных ученных, в настоящее время насчитывается свыше 20 методов прогнозирования, однако число базовых значительно меньше (15-20). Многие из этих методов относятся скорее к отдельным приемам и процедурам, учитывающим нюансы объекта прогнозирования. Другие представляют собой набор отдельных приемов, отличающихся от базовых или друг от друга количеством частных приемов и последовательностью их применения. 

В существующих источниках представлены различные классификационные принципы методов прогнозирования. Одним из наиболее важных классификационных признаков методов прогнозирования является степень формализации, которая достаточно полно охватывает прогностические методы. Вторым классификационным признаком можно назвать общий принцип действия методов прогнозирования, третьим – способ получения прогнозной информации. 

По степени формализации (по первому классификационному признаку) методы экономического прогнозирования можно разделить на интуитивные и формализованные. Интуитивные методы прогнозирования используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования. В этом случае используются оценки экспертов. При этом различают индивидуальные и коллективные экспертные оценки. В состав индивидуальных экспертных оценок входят: метод «интервью», при котором осуществляется непосредственный контакт эксперта со специалистом по схеме «вопрос – ответ»; аналитический метод, при котором осуществляется логический анализ какой-либо прогнозируемой ситуации, составляются аналитические докладные записки; метод написания сценария, который основан на определении логики процесса или явления во времени при различных условиях. Методы коллективных экспертных оценок включают в себя метод «комиссий», «коллективной генерации идей» («мозговая атака»), метод «Дельфи», матричный метод. Эта группа методов основана на том, что при коллективном мышлении, во- первых, выше точность результата во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, по меньшей мере могут возникнуть продуктивные идеи. 

В группу формализованных методов входят две подгруппы: экстраполяции и моделирования. К первой подгруппе относятся методы: наименьших квадратов, экспоненциального сглаживания, скользящих средних. Ко второй – структурное, сетевое и матричное моделирование. 

Рассмотренные классы интуитивных и формализованных методов схожи по своему составу с экспертными и фактографическими методами. Фактографические методы основаны на фактически имеющейся информации об объекте прогнозирования и его прошлом развитии, экспертные базируются на информации, полученной по оценкам специалистов-экспертов. В класс экспертных методов прогнозирования входит метод эвристического прогнозирования (эвристика – наука, изучающая продуктивно творческое мышление). Это аналитический метод, суть которого заключается в построении и последующем усечении «дерева поиска» экспертной оценки с использованием какой-либо эвристики. При этом методе осуществляется специализированная обработка прогнозных экспертных оценок, получаемых путем систематизированного опроса высококвалифицированных специалистов. Он применяется для разработки прогнозов научно-технических проблем и объектов, анализ развития которых либо полностью, либо частично не поддается формализации. Конструктивная классификация позволяет наглядно изобразить совокупность методов прогнозирования в виде иерархического дерева и охарактеризовать каждый уровень своим классификационным признаком. На первом уровне все методы по признаку «информационное основание метода» делятся на три класса: фактографические, комбинированные и экспертные. Фактографические базируются на фактической информации об объекте прогнозирования и его прошлом развитии. В экспертных методах используется информация, которую доставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения их мнений. В свою очередь, классы экспертных и фактографических методов подразделяются на подклассы по методам обработки информации. Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействия на мнение каждого эксперта мнения другого эксперта и всего коллектива. Экспертные оценки с обратной связью в том или ином виде реализуют принцип обратной связи на основе воздействия на оценку экспертной группы (одного эксперта) мнениями, полученными ранее от этой группы (или от одного из экспертов). Класс фактографических методов объединяет следующие три подкласса: методы аналогий, опережающие и статистические методы. Методы аналогий направлены на выявление сходства в закономерностях развития различных процессов. К ним относятся методы математических и исторических аналогий. Методы математических аналогий в качестве аналога для объекта используют объекты другой физической природы, других областей науки и техники, имеющие математическое описание процесса развития, совпадающие с объектом прогнозирования. Опережающие методы прогнозирования основаны на определенных принципах специальной обработки научно-технической информации, учитывающих ее свойство опережать прогресс науки и техники. К ним относятся методы исследования динамики научно-технической информации, использующие построение динамических рядов на базе различных видов такой информации анализа и прогнозирования на этой основе развития соответствующего объекта (например, метод огибающих). К опережающим методам можно отнести также методы исследования и оценки уровня техники, основанные на использовании специальных методов анализа количественной и качественной научно-технической информации для определения характеристик уровня качества существующей и проектируемой техники. Статистические методы представляют собой совокупность методов обработки количественной информации об объекте прогнозирования, объединенной по принципу выявления содержащихся в ней математических закономерностей изменения характеристик данного объекта с целью получения прогнозных моделей. Таким образом, методы планирования и прогнозирования — это способы, приемы, с помощью которых обеспечивается разработка и обоснование планов и прогнозов.

Формализованные методы прогнозирования

Эти методы базируются на математической теории, которая обеспечивает повышение достоверности и точности прогнозов, значительно сокращает сроки их выполнения, позволяет обеспечить деятельность по обработке информации и оценке результатов. Формализованные методы позволяют получать количественные показатели. При разработке таких прогнозов исходят из предложения об инерционности системы, т.е. предполагают, что в будущем система будет развиваться по тем же закономерностям, которые были у неё в прошлом и есть в настоящем. Недостатком формализованных методов является ограниченная глубина упреждения, находящаяся в пределах эволюционного цикла развития системы, за пределами которого на надёжность прогнозов падает.

Классификация формализованных методов прогнозирования

К формализованным методам относятся экстраполяционные и регрессивные методы, метод группового учёта аргументов (МГУА), факторный анализ и др. 

Экстраполяция относится к формализованным методам прогнозирования, основой которых является математическая теория, которая повышает достоверность, точность прогнозов, позволяет облегчить работу по обработке информации и результатов прогноза, значительно сокращает сроки его производства. Экстраполяция заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций экономического развития и перенесении их на будущее. При простой экстраполяции действующие ранее факторы, обуславливающее исследуемую тенденцию в прошлом и настоящем, останутся неизменными и в будущем. Однако сохранение тенденции прошлого и настоящего неизменными для будущего чаще всего мало вероятно. И поэтому, хотя экстраполяция лежит в основе всякого прогноза, она способна давать эффект только в очень узком диапазоне не особенно сложного процесса. Следует различать формальную и прогнозную экстраполяцию. Формальная базируется на предположении о сохранении  в будущем прошлых и настоящих тенденций развития объекта. При прогнозной – фактическое увязывается с гипотезами о динамике исследуемого объекта, т.е. следует исходить из необходимости учёта в перспективе альтернативных изменений самого объекта, его сущности. Основу экстраполяционных методов прогнозирования составляет изучение временных рядов, представляющих собой упорядоченные во времени наборы измерений тех или иных характеристик исследуемого объекта прогнозирования. Метод подбора функций – один из распространённых методов экстраполяции. Главным этапом экстраполяции тренда является выбор оптимального вида функции, описывающей эмпирический ряд. Для этого проводятся предварительная обработка и преобразование исходных данных с целью облегчения выбора вида тренда путём сглаживания и выравнивания временного ряда. Задача выбора функции заключается в подборе по фактическим данным (xi,yi) формы зависимости (линии) так, чтобы отклонения данных исходного ряда yi  от соответствующих расчётных `yi, находящихся на линии, были наименьшими. После чего можно продолжить эту линию и получить прогноз. Классический метод наименьших квадратов предполагает равноценность исходной информации в модели. В реальной практике будущее поведение процесса значительно в большей степени определяется поздними наблюдениями, чем ранними. Уменьшение ценности более ранней информации (дисконтирование) можно учесть путём, например, введения в модель  некоторых весов. S=Sbi(`Уi –Уi )2 ®  min (i=1,n) Форма представления коэффициента может быть различной: числовая форма, функциональная зависимость, но таким образом, чтобы по мере продвижения в прошлое веса убывали. Для этого используются различные модификации метода наименьших квадратов. Метод наименьших квадратов широко применяется в прогнозировании в силу его простоты и возможности реализации на ЭВМ. Недостаток метода состоит в том, что модель тренда жёстко фиксируется, а это делает возможным его применение только при небольших периодах упреждения, т.е. при краткосрочном прогнозировании. Метод экспоненциального сглаживания даёт возможность получить оценки параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения, т.е. позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода, и тем самым не просто экстраполирует действующие зависимости в будущее, а приспосабливается к изменяющимся во времени условиям (иначе адаптируется). Преимущества метода состоят в том, что он не требует обширной информационной базы и предполагает её интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности.  Модели, которые описывают динамику показателя, имеют простую математическую формулировку, а адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда. Метод применяется при кратко- и среднесрочном прогнозировании. Метод скользящей средней даёт возможность выравнивать динамический ряд путём его расчленения на равные части с обязательным совпадением в каждой из них сумм модельных и эмпирических значений. Методы экстраполяции, основанные на продлении тенденции прошлого и настоящего на будущий период, могут использоваться в прогнозировании лишь при периоде упреждения в 5-7 лет.  При более длительных сроках прогноза они не дают точных результатов.