CC BY
16
реперных точек. Осуществляя манипуляцию координатами этих точек можно обеспечить практически любую необходимую пространственную корректировку координат объектов ГИС.
Структура информационного массива выполнена в виде иерархическою дерева, каждый элемент которого представляет собой любой объект m представленного набора. Каждый объект ГИС УлГТУ в качестве одного и • своих параметров может содержать ссылку на информационный контейнер (набор различных информационных объектов), однозначно ассоциированный с данным объектом. В свою очередь любой объект из данного контейнер» также может иметь неограниченное число ссылок на другие объекты и информационные контейнеры и т.д. Таким образом, предложенная схем» информационного хранилища позволяет разместить неограниченное чися информационных элементов с произвольной структурой и типом. Я
В программе предусмотрен импорт графических данных из такм» распространенных векторных графических форматов, как "dxf" (Autocade "mif" (Mapinfo), которые поддерживаются большинством векторим» графических редакторов. Эти стандарты являются документированными t открытыми для свободного использования. Благодаря импорту вектортЛ изображений появляется возможность интеграции уже существующих Щ дан и ьгх графических информационных элементов. ^В
Каждый тип инженерных сетей расположен в отдельном слое. Прогрмм* позволяет выбрать цвет и стиль отображения слоя, либо сделан» »И невидимым. Выбранный объект помечается другим цветом и по п| нш клавише мыши становится доступным его информационный коптим^ Кроме этого, при помещении указателя мыши на объект срачу f высвечивается его наименование. Программа позволяет выиоля различные информационные запросы в базу данных, измерять плопы ц расстояние. На электронную карту может накладываться координатная • с требуемым шагом. А
Программа предназначена для работы под управлением операции! систем Windows v5 или Windows NT 4.0 на компьютере с процессорен ниже Pentium 100 и объемом ОЗУ не менее 16 Мб.
й
СПИСОК ЛИТЕРАТУРЫ
1. Кадеев Д.Н. Муниципальная геоинформационная система II конференции «Распознавание образов и анализ изображений, информационные технологии». Новосибирск, 1998. Часть И. С. 150-151.
г тзидпо ,
3. Кадеев Д.Н. Особенности построения радиотехнических систем -обработки информации в муниципальных ГИС // Тез.докладов Вссрш практ. конференции «Современные проблемы создания и ЭКСI» • радиотехнических систем». Ульяновск, 1998. С.35-36. Л\
54
Вестник Vu H
Кадеев Дамир Нурулпович, кандидат технических наук, окончил I биотехнический факультет Ульяновского политехнического института. Чоцент кафедры САПР УлГТУ. Имеет статьи в области статистической обработки изображений и геоинформационных технологий.
4
УДК 658.3.012.12
I Г.ВАЛЕЕВ, Х.Я.ГАЛИУЛЛИН
1
I »ОПРОСУ ПРИМЕНЕНИЯ РЕГРЕССИОННОГО М<)ДЕЛИРОВАНИЯ ДЛЯ АНАЛИЗА ПРОИЗВОДИТЕЛЬНОСТИ ТРУДА
У-
Имя построения экономико-статистических моделей экономических показателей, в Ькнкнш, производительности труда, предлагается применять технологию
шмынчссксгэ регрессионного моделирования (ДРМ). Повышение степени адекватности км. - и и приближения оценок их параметров к наилучшим линейным оценкам может I»'1 достигнуто за счет последовательного применения адаптивных процедур при В^милмюм сценарии обработки данных.
г
Принудительность труда, как экономический показатель, зависит от »и факторов технического, организационного, экономического и ■ 'н.мого характера. Выявление причинно-следственных связей между •»"читаемым показателем и множеством факторов является основной
математического монелипования. Достаточно стпоте р.р пушение
' • А Г—* - -----------1--------{-------
• ни | путем использования моделей прогноза обеспечить оперативное ни. и перспективное планирование для достижения повышения ^мнительности труда и, тем самым, эффективности производства. К "•»ни, используемые в экономической практике экономико-
• ннчггкие модели дают значительные ошибки б прогнозе. Это может Им пито содержанием информации, часто зависящей от изменений в им'ич кои политике; степенью профессионализма конструирующих и •гминцих модели специалистов; неадекватностью или неполной ими то моделей, обусловленной применением не вполне ч I и\ кццего для конкретных условий математического аппарата. ■Йшг рассматриваются с системных позиций способы достижения и»и 1ц ии :жокомико-математического моделирования - повышение
им»1!« митности моделей для описания производительности труда как . И * ►ого показателя, зависящего от некоторого множества факторов и " ч со временем. При этом анализируются ограничения
V .1 IV 2/99 55
экономико-математических моделей и предлагается обобщенный подход, сформулированный как динамическое регрессионное моделирование.
МАТЕМАТИКО-СТАТИСТИЧЕСКИЕ МОДЕЛИ ЭКОНОМИЧЕСКИХ
ПОКАЗАТЕЛЕЙ
В 1989 году сформулированная выше задача была решен/» Х.Я.Галиуллиным на основе применения регрессионного и спектрально»« анализа для данных производительности труда на одном из предприятии текстильной промышленности Ульяновской области [3]. Экономикс математические модели представляли собой статические и динамически зависимости. В последнем случае последовательность данных и» производительности труда рассматривалась как временной ряд. ■
На сегодняшний день можно констатировать все усиливающийся интгр» к применению методов регрессионного анализа (РА) и обработки временим рядов (ВР) для описания экономических показателей [4-6].
Обобщая в целом ситуацию, сложившуюся в практике примети»« регрессионного анализа и методов обработки временных рядов для описшЩ экономических показателей, в частности, для производительности фдо) следует отметить основные причины неадекватности разрабатыжмми моделей: использование для оценки адекватности моделей «внутропи критериев качества; применение регрессионных процедур обработки анализа соблюдения условий нормальной схемы Гаусса-Марммм | адаптации тс их нарушениям; использование упрощенных схем обрабочм* N одномерность решаемых задач.
Отмеченные трудности могут быть разрешены применением ни/ регрессионного моделирования [7], предусматривающего си<» последовательное решение многокритериальной задачи оптимив математической модели обработки данных.
щ>
РЕГРЕССИОННОЕ МОДЕЛИРОВАНИЕ ]
Регрессионное моделирование (РМ) [7] основано на испоям« вычислительной схемы РА и метода наименьших квадратов (МНК), нелинейный случай, и задачи условной оптимизации.
Пусть обычная (линейная) модель РА как постулируемом «И обработки п наблюдений представляется в виде Щ
1
В
где {Уь Ху} 0 = 1,11;]=0,р-1) - наблюдаемые выходные и входммс Н (3-, - оцениваемые параметры модели, 85 - случайные ошибки мпА
56
Вести* V
Результатом применения РМ можно считать оптимальную модель обработки данных - в частном случае модель прогноза
р-1 ]=0
(2)
где ^ - оптимальные, не обязательно МНК-оценки, у- прогноз, ^ -
компоненты, равные 0 или 1, булевого вектора, обеспечивающего ^мтимальную структуру модели. Переход от (1) к (2) осуществляется путем последовательной адаптации к нарушениям условий применения схемы РА-II1К (в основном, условий схемы Гаусса-Маркова). Кроме того, должно выполняться предположение об оптимальности самой стратегии "•»следовательной адаптации, зависящей от вида конструируемой модели. ||>одедняя может быть предназначена для прогноза, как в рассматриваемом Ими случае; может являться параметрической, если исследователя «мц'ресуют только параметры модели (3 , или параметрической моделью
фи моза при двойном назначении. По каждому из типов моделей может
и. сформулирован (разработан) глобальный критерий качества, по ту, используя оптимальную стратегию перебора структур [3], находят м» риом приближении оптимальную модель обработки данных. Дальнейшее последовательное улучшение осуществляется по критериям нарушения "ни иных предположений. Целью РМ, в частности, для моделей прогноза имея идентификация модели. Достижение этой цели возможно при
П I I Я ПЗГТТТЛЗШ.ТУ ТТ1ЛЛТТЛ77Л;п О Л Л п Л Ъ-1 гп т.г А л тч г а^учо Г7 АТТ-ТГ^Г тг*. -оуттоптх?!
14 «ДЛ/4Л1Л/1 ирчу м.^м^ л/ 1 1 п ии^ио 7 хищпл г:П1/ х
м представляющих собой в основном множество процедур оценивания и
! урной идентификации. Him.ii применения РМ [1] свидетельствует о возможности повышения и ш прогноза до одного порядка по сравнению с применением маской схемы РА-МНК.
ЗАКЛЮЧЕНИЕ
иш пис методологий обработки ВР и регрессионного моделирования |М1 к заключению о том, что системный РМ-подход включает в себя |»пт> обработки временных рядов. В случае использования последней как и в РМ, постулируется модель обработки данных. ■Кропанный характер этой модели, включающей при описании н.пмх процессов, возможно, фильтр Калмана, а при представлении Цницгал или другие описания, тем не менее не мешает реальному
• и п но банка функций при обработке данных. Наибольшее сходство и и на этапе оценивания параметров модели, точнее, ее регулярной Ирной частей. Отсюда и появление термина «динамическая и сдачах обработки ВР. Следует заметить, что множество mi.ii при обработке ВР методов идентификации параметров
7М 57
заметно менее мощно, чем при РМ. С другой стороны, при обработке BI1 появляется набор функций, аппроксимирующих случайную составляющую
£t, чего, естественно, нет при РМ. Этап идентификации структур, основной
для РМ, достаточно скромно представлен в схемах обработки BP. К тому с этим этапом тесно связана проблема критериев, которая для моделей III' разрешается путем использования их в режиме прогноза-экстраполяции.
Наконец, помимо сходства отметим принципиальные отличия BP и» случайной выборки, обрабатываемой при РМ-подходе: члены BP и» являются статистически независимыми и одинаково распределенными Сказанное означает, что не все приемы статистического анализа выбор» могут быть распространены на BP. Однако это не помешает их примени" при конструировании регулярных составляющих модели BP (особенно ni анализе невременных факторов xt). Ш
Отмеченные ранее трудности построения адекватных экономна статистических моделей производительности труда и других экономимо м» показателей могут быть разрешены применением подхода регрессионим» моделирования. Учитывая, что постулируемыми моделями могут был » статические зависимости, так и случайные процессы в виде времени рядов, предлагаемую методологию можно сформулировать как динами чод регрессионное моделирование (ДРМ), Системное программное обеспечу ДРМ может быть разработано на основе пакета СПОР [15].
СПИСОК ЛИТЕРАТУР Ы I
<
1. Тарасова ПЛ., Блюмкна М.С. Измерение & производительности М'МЦ структуре занятости в переходной период // Анализ и модели рОЯ® взаимодействия производственных и социальных сфер экономики Ро«<<| условиях перехода к рынку. М.: ЦЭМИ РАН, 1996. С.87—107. ^Н
^ А ж
2. Cicconc A., Hall R.E. Productivity and the density of economic activity ¡I Щ Econ. Rev. 1996. Vol.86. № 1. P.54-89. ■
3. Ермаков Г .ТТ., Гаяиуляин X Я. Применение гармонического и спскфЦЯ анализа при прогнозировании производительности труда рабочих // И и» Технология текстильной промышленности. 1991. № 3. С.3-6; 1991.№4.С i ft
4. Капустин Е.Е. и др. Использование регрессионных моделей для npnitf межфабричного анализа производительности труда в тс»«»* промышленности /7 Актуальные проблемы экономики тс им промышленности. М.: Моск.гос.текстил.акад., 1993. С.125-128. 1
5. Мхитарян B.C., Горбунов И .Г. Применение множественных регрем моделей при анализе качества продукции // Математико-статистичесин» социально-экономических явлений. М.: МЗСИ, 1992. С Л 0-13. J
6. Юсеф Д. Применение компонентного анализа для определения » влияющих на производительность труда // Математико-статистичсом
V a J | \ / U J 1 ЛАП J t 4 Л
социально-экономических явлении. т.: sv*.-h^ki,
7. Вале ее С.Г. Регрессионное моделирование при обработке каблм Наука, 1991.271 с.
8. Аль-Хаддад С. Математико-статистические методы аналит » временных рядов // Методы математической статистики в :шмм исследованиях. М.: МЭСИ, 1993. С.14-15.
58
Вести m
9. Ghysels E. Analyse économétrique et la saisonnalité // Actual econ., 1994. Vol.70. X» 1. P.43-62.
10. Harvey A., Scott A. Seasonally in dynamic regression models // Econ. Jornal, 1994. Vol.104. № 427. P.1324-1345.
11. Assimakopoulos V. A Luccessive iliering technique for identifying long-term trends // Jornal Forecast. 1995. Vol.14. № 1. P.35-43.
12. Phillips P.C.B. Trending multiple time series // Econ. Theory. 1995. Vol. 11. № 5. I». 811-817.
13. Latif A., King M.L. Linear regression forecasting in the procence of AR (1) (IiNturbances // Jornal Forecast. 1993. Vol. 12. № 6. P.513-524.
14. Marek L. Intervenchi analyze v casovych radach // Statistica. 1993. № 11. P.429-
118.
15. Валеев С.Г., Кадырова Г.Р. Система поиска оптимальных регрессий // Пгстник УлГТУ. 1998. № 1. С.32-37.
ч
Иилеев Султан Галимзянович, доктор физико-математических наук,
......фоссор, окончил физический факультет Казанского государственного
уч1шг[)ситета, заведующий кафедрой прикладной математики и информатики У'ГГУ. Имеет статьи и монографию в области астрометрии и небесной ii \imuku, математической статистики и разработки информационных »и уномк'ий.
I п туллин Хайдар Яруллович, кандидат технических наук, доцент, окончил * ищико-математический факультет Казанского государственного Ш . ¡п-итста, доцент Димитровградского филиала УлГТУ. Имеет статьи в Щ\'ч1пн разработки статических и динамических экономико-математических ЩАучйЦ,
!• M 9.24
|м Ю1ЯЧКИН
Itllr 11 If Л ^^ihFFTIIllIJЛГТW ft/5 дгрилгл
II' ' I 1\ / Ж / ^ t\ Д Л1Л ■ »^f V JL JTI ITIIIVI IIVI V/
.....РОЛЯ КАЧЕСТВА ТЕХНОЛОГИЧЕСКОГО
РНЦЕССА
1 I |И |#С ОЭ.СС* 4 ЙТ*$РгРЯ*л#гС а РЛППЛЛ17 лпапсгтд аЛгЬотггтл^иллттт r\oo п ti irt-хт. tv nonwoiiTAD
• w/t I| ««/VA*I мц^адш M.» VAV Л XlLfllW ± TX ptlJ.'iii ¿11ШЛ mij-'i-l^* • • Ж* тл
i юхпологическсго процесса, когда качество определяется совокупностью и И Численное исследование проведено для модельных выборок при ♦ними коэффициента корреляции между показателями и направления сдвига « 1 h наложены рекомендации по организации многомерного контроля.
•ИМ« m важнейших инструментов всеобщего менеджмента качества Intal Quaiiíy Management) является контрольная карта HiHHiKoro процесса, с помощью которой выявляются причины
M IV 2/99
59
