ПРОГНОЗИРОВАНИЕ ТРАНСПОРТНЫХ ПОТОКОВ С УЧЕТОМ «ВЕСА» ИСХОДНОЙ ИНФОРМАЦИИ

 

Использование системы «весов» информации позволяет существенно повысить точность прогнозирования и стабильность прогноза. При этом уменьшается влияние длительности ретроспективного периода на параметры прогнозной модели. «Вес» информации – это характеристика ее ценности, надежности и достоверности. Естественно, по мере удаления в глубь ретроспекции ценность информации уменьшается. Наблюдается эффект дисконтирования информации – снижение ее ценности с течением времени. Если предположить, что «вес» информации или ее ценность убывает по экспоненциальному закону (рисунок 2) по мере удаления вглубь ретроспективного периода от момента времени, соответствующему предпрогнозному году (году прогнозного диагноза) до начального периода (начало временного ряда), получим аналитические выражения для расчета «весовых» коэффициентов:

		(2.1)

 

где t _i – период времени, соответствующий определяемому значению «веса»;

t _пред – предельный период времени, по истечении которого «вес» информации становится равным нулю.

 

Рисунок 2 – Характер изменения «веса» информации в соответствии с экспоненциальным законом убывания ее ценности

 

Для условий транспортных систем t _пред находится в диапазоне 20–35 лет. Максимальное значение соответствует наиболее капиталоемким мероприятиям по развитию транспортных систем (строительство новой железнодорожной линии, укладка дополнительных главных путей). Меньшее значение характерно для транспортных систем, где наблюдаются явления насыщения. Для сортировочных станций, локомотивных, вагонных предприятий, грузовых комплексов значение t _пред можно принимать 25 лет при с =0,155 и d =0,048. С учетом сказанного, рассчитаем «вес» информации для наблюдений, отстоящих от предпрогнозного года на 15 лет. Результаты расчетов представлены в таблице 6.

Используя «весовые» коэффициенты для наблюдений из таблицы 1, выполним построение прогнозной модели линейного вида с учетом «веса» информации.

Таблица 6 – Значения «весовых» коэффициентов при t _пред =25 лет

Номер года t i по отношению к предпрогнозному	"Вес" информации αi при длине n временного ряда
n =9	n =10	n =15
	0,155	0,155	0,155
	0,122	0,122	0,122
	0,102	0,102	0,102
	0,088	0,088	0,088
	0,077	0,077	0,077
	0,069	0,069	0,069
	0,061	0,061	0,061
	0,055	0,055	0,055
	0,049	0,049	0,049
	-	0,044	0,044
	-	-	0,039
	-	-	0,035
	-	-	0,031
	-	-	0,028
	-	-	0,025

 

 

Выражения (6) с учетом «веса» информации преобразуются к виду:

 

(2.2)

.

 

Для удобства вычислений а₀, а₁ по формулам (2.2) составляется корреляционная таблица (таблица 7).

 

Таблица 7 – Корреляционная таблица вычислений с учетом «веса» информации

 

Коэффи-циент «веса» αi	Усл. год αi Ti	Показатель αi
0,044	0,044	0,397	0,0019	0,0175	0,1575	2,82
0,049	0,098	0,541	0,0097	0,0532	0,2926	5,42
0,055	0,165	0,658	0,0271	0,1083	0,4331	8,01
0,061	0,245	1,103	0,0601	0,2703	1,2162	10,61
0,069	0,343	1,099	0,1179	0,3774	1,2077	13,21
0,077	0,465	1,084	0,2160	0,5040	1,1760	15,81
0,088	0,617	1,676	0,3812	1,0346	2,8083	18,41
0,102	0,816	2,245	0,6665	1,8328	5,0401	21,01
0,122	1,094	3,161	1,1969	3,4578	9,9892	23,61
0,155	1,549	4,338	2,4000	6,7201	18,8164	26,21

 

Используя суммарные показатели корреляционной таблицы 7, по формулам (2.2) получаем

 

 

Уравнение прогнозной модели линейного вида, полученное с учетом «веса» исходной информации (наблюдений)

.

Прогноз объемов среднесуточной переработки транспортной системы на 20-й год перспективы:

тыс.т.

Расхождение с обычным прогнозом составляет ∆ N = 52,22 – 46,24=5,98 тыс. т в большую сторону. Это может говорить о том, что обычный прогноз является недооценивающим, что усугубляет возможные ошибки принимаемых решений по развитию исследуемой транспортной системы.

Коэффициент корреляции прогнозной модели, построенной с учетом «веса» информации

(2.3)

; ()

или

 

Сравнивая полученное значение коэффициента r _α=0,99 и ранее рассчитанное для обычной линейной модели r =0,94, видим, что прогнозная модель, учитывающая «вес» информации, лучше объясняет имеющиеся исходные данные и, следовательно, имеет более точные прогнозные оценки. Для целей прогнозирования необходимо использовать прогнозную модель, учитывающую «взвешивание» исходной информации.

Аналогичные вычисления могут быть выполнены для любой прогнозной модели, в т.ч. нелинейного вида. Так, для экспоненциальной трендовой модели математическое выражение которой представлено в таблице 4, получены следующие расчетные формулы для нахождения ее параметров:

	или

 

 

Система нормальных уравнений

 

 

Расчетные формулы для нахождения неизвестных коэффициентов экспоненциальной прогнозной модели:

 

	(2.4)