Математическое моделирование и прогнозирование эксплуатационных показателей функционирования железнодорожного транспорта тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Врублевский, Иван Петрович
- Специальность ВАК РФ05.13.01
- Количество страниц 117
Оглавление диссертации кандидат наук Врублевский, Иван Петрович
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ ЭКСПЛУАТАЦИОННЫХ ПОКАЗАТЕЛЕЙ ФУНКЦИОНИРОВАНИЯ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА И
ПОДХОДЫ К ИХ МОДЕЛИРОВАНИЮ И ПРОГНОЗИРОВАНИЮ
1.1 Анализ динамики эксплуатационных показателей деятельности железнодорожного транспорта в России и за рубежом
1.2. Методические вопросы математического моделирования сложных систем на основе применения методов анализа данных
1.3. Организация конкурса регрессионных моделей
ГЛАВА 2. МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ РЕГРЕССИОННОГО МОДЕЛИРОВАНИЯ ДИНАМИКИ ЭКСПЛУАТАЦИОННЫХ ПОКАЗАТЕЛЕЙ ДЕЯТЕЛЬНОСТИ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА
2.1. Способ формирования области определения линейной регрессионной зависимости
2.2. Формирование факторного пространства модели динамики
эксплуатационных показателей функционирования железной дороги
2.3 Регрессионная модель динамики эксплуатационных показателей
функционирования Красноярской железной дороги
ГЛАВА 3. СРЕДНЕСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ЭКСПЛУАТАЦИОННЫХ ПОКАЗАТЕЛЕЙ КРАСНОЯРСКОЙ ЖЕЛЕЗНОЙ ДОРОГИ
3.1. Программный комплекс БИВИН среднесрочного прогнозирования эксплуатационных показателей деятельности железной дороги
3.2. Результаты многовариантного прогнозирования значений эксплуатационных показателей функционирования Красноярской железной дороги
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Методологические основы управления производительностью локомотивов по экономическим критериям2006 год, кандидат экономических наук в форме науч. доклада Груздев, Роман Аркадьевич
Развитие методов управления перевозочным процессом в условиях рыночной экономики и реформирования железнодорожного транспорта2013 год, кандидат наук Шенфельд, Константин Петрович
Разработка и применение математической модели оперативного прогнозирования поездной работы железнодорожного направления в АСУЖТ1984 год, кандидат технических наук Макаров, Виктор Михайлович
Совершенствование экономических методов управления качеством грузовых перевозок2003 год, кандидат экономических наук Мельников, Алексей Аркадьевич
Оценка надежности организационно-технологических процессов инфраструктурных объектов на транспорте2022 год, кандидат наук Яньшина Ирина Викторовна
Введение диссертации (часть автореферата) на тему «Математическое моделирование и прогнозирование эксплуатационных показателей функционирования железнодорожного транспорта»
ВВЕДЕНИЕ
Актуальность темы. Железнодорожный транспорт является важнейшей отраслью страны, играющей ключевую роль в ее успешном развитии. Он представляет собой исключительно сложную для анализа многоуровневую иерархическую неоднородную систему, управление которой представляет собой уникальную проблему, требующую для ее успешного решения значительной непрерывно обновляемой аналитической информации различного характера и масштаба. Значительный, и вместе с тем очень важный, пласт такой информации составляют результаты так называемых дескриптивных прогнозных расчетов относительно будущих значений ключевых показателей функционирования транспортной отрасли. Вербальное представление таких прогнозов может быть выражено вопросом: «Что будет с объектом анализа в будущем, если в настоящее время принять какие-то конкретные решения?».
Именно к ключевым, несомненно, относятся показатели, связанные с грузовыми перевозками, как их определяющие, так и испытывающие их влияние. В свою очередь, эффективность грузовой работы на железнодорожном транспорте в значительной мере зависит от его эксплуатационных параметров (показателей, факторов). Их глубокий анализ позволяет сформировать качественные управленческие решения, реализация которых можем вызвать существенное повышение указанной эффективности. Значительный вклад в исследование связанных с этим проблем внесли такие ученые, как Зайцев А.А., Мачерет Д.А., Чернигина И.А., Сулакшин Т.С., Терешина Н.П., Филина В.Н., Хусаинов Ф.И. и другие.
Эффективным инструментом анализа сложных систем любой природы, в частности, технических, является математическое моделирование, так как при этом появляется возможность экспериментировать не с «живой» системой, а с ее моделью, перенося полученные расчетные решения на исследуемый объект. Вопросами применения математических методов для анализа эффективности
железнодорожной отрасли активно занимались, в частности, Лакин И.К., Юсипов Р.А., Тимохина А.В., Цыпин А.П., Тимофеев Д.Н. Крюков А.П.
Существует много подходов к математическому моделированию систем. Один из наиболее эффективных из них основан на методах регрессионного анализа. Можно назвать много зарубежных и российских ученых, внесших значительный вклад в развитие таких методов. Это, в частности, Джонстон Дж., Дрейпер Н., Смит Г., Поллард Дж., Айвазян С.А., Демиденко Е.З., Матросов В.М., Дадаян В.С., Носков С.И.
Цель и задачи исследования. Целью диссертационной работы является разработка математической модели регрессионного типа и реализующего её программного комплекса для описания динамики эксплуатационных показателей деятельности железнодорожного транспорта на статистическом материале Красноярской железной дороги, а также проведение вариантных среднесрочных прогнозных расчетов (для оценки эффективности тех или иных управленческих решении).
Для реализации этой цели необходимо решить следующие задачи:
- произвести обобщенный анализ деятельности железнодорожного транспорта России и зарубежных стран с учетом предыстории;
- сформировать наборы эксплуатационных показателей деятельности железнодорожного транспорта и факторов, на них влияющих;
- разработать алгоритм построения областей определения регрессионных уравнений;
- построить математическую регрессионную модель динамики этих показателей;
- разработать программный комплекс среднесрочного многовариантного прогнозирования эксплуатационных показателей на основе модели;
- построить вариантный прогноз эксплуатационных показателей Красноярской железной дороги на среднесрочную перспективу.
Объект исследования - эксплуатационные показатели железнодорожного
транспорта и определяющие их факторы.
Предмет исследования - модельное описание динамики эксплуатационных показателей с учетом межфакторных взаимодействий.
Методы исследования. Для решения поставленных в работе задач использовались методы системного анализа, математического моделирования, регрессионного анализа, основы разработки современного программного обеспечения.
Научную новизну диссертации составили следующие результаты:
- выделены факторы, в основном характеризующие процесс грузоперевозок на железнодорожном транспорте;
- разработан алгоритм построения области определения многофакторного регрессионного уравнения;
- разработана рекурсивная динамическая регрессионная модель эксплуатационных показателей функционирования железнодорожного транспорта;
- на основе модели разработан программный комплекс среднесрочного прогнозирования значений эксплуатационных показателей;
- проведено многовариантное прогнозирование этих значений для Красноярской железной дороги.
Достоверность полученных результатов обусловлена корректным применением математических методов и соответствия результатов прогнозных расчетов реальным данным.
Практическая значимость результатов работы. Программный комплекс БИВИН и результаты среднесрочного прогнозирования эксплуатационных показателей внедрены в Управлении Красноярской железной дороги. В целом результаты диссертации используются в учебном процессе ИрГУПС.
Апробация работы. Основные положения диссертации докладывались на 19-ой научно-практической межвузовской конференции КрИЖТ ИрГУПС (2015г.), Международной конференции молодых ученых «Проспект
Свободный-2015», Красноярск, V Международной научно-практической конференции «Образование, наука, транспорт в XXI веке: опыт, перспективы, инновации», (2015г.), Самара-Оренбург, 6-ой (2015г.) и 7-ой (2016г.) Международных научно-практических конференциях «Транспортная инфраструктура Сибирского региона», Иркутск.
Публикации. По теме диссертации опубликовано 10 научных работ, в том числе 4 - в изданиях, рекомендованных ВАК.
Состав и объем работы. Диссертация состоит из введения, трех глав, заключения и списка литературы из 121 наименования. Общий объем 117 стр., включая 20 таблиц и 45 рисунков.
ГЛАВА 1. АНАЛИЗ ЭКСПЛУАТАЦИОННЫХ ПОКАЗАТЕЛЕЙ ФУНКЦИОНИРОВАНИЯ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА И ПОДХОДЫ К ИХ МОДЕЛИРОВАНИЮ И ПРОГНОЗИРОВАНИЮ.
1.1 Анализ динамики эксплуатационных показателей деятельности железнодорожного транспорта в России и за рубежом.
Анализу формирования эксплуатационных показателей железнодорожного транспорта России, их динамики, закономерностей взаимодействия с другими факторами посвящена весьма обширная научная литература. Над этим вопросом трудились такие авторы, как Аксененко Н.Е., Лапидус Б.М., Мачерет Д.А. [3-5, 8, 11,21, 32, 39, 41, 49, 57-59, 62, 65, 79, 80, 92, 99, 103].
Под эксплуатационной работой в разных источниках обычно понимается рационально (правильно) организованный процесс использования всех технических средств железнодорожного транспорта с целью осуществления перевозок в нужном (требуемом, желаемом, запланированном) объеме. В общем виде эксплуатационная работа включает в себя:
1. грузовую, техническую, коммерческую и пассажирскую работу станций;
2. организацию движения поездов по всем или специальным образом выделенным участкам сети;
3. текущее содержание и ремонт всего подвижного состава, а также инфраструктуры транспорта.
Показатели эксплуатационной деятельности железных дорог подразделяются на количественные и качественные.
Количественные показатели сдержат объемы перевозок пассажиров и грузов, а также работу подвижного состава. К ним, в частности, относятся: число перевезенных пассажиров, пассажирооборот, число погруженных и выгруженных вагонов (погрузка, выгрузка), грузооборот, пробеги вагонов, локомотивов, поездов, грузонапряженность и другие показатели.
Погрузку и выгрузку обычно принято рассматривать в вагонах и тоннах,
грузооборот — в тонно-километрах нетто (т-км), пассажирооборот — в пассажиро-километрах (пасс.-км). Пробеги подвижного состава оцениваются в трех измерителях: вагоно-километрах, локомотиво-километрах, поездо-километрах. Грузонапряженность, или загрузка линии, определяется одним показателем - тонно-километрами нетто на 1 км линии в год.
Число вагонов измеряется в физических и так называемых условных единицах. Физической единицей считается каждый вагон независимо от общего числа осей и грузоподъемности. Условными единицами измеряют длину состава. В качестве такой единицы принят полувагон длиной 14 м. Любой другой вагон представляет собой столько условных единиц, во сколько раз его длина превосходит 14 м. Так, 4-осный крытый вагон равен по длине 1.06 условного вагона, 8-осная цистерна — 1.58 условного вагона.
Качественные показатели определяют использование подвижного состава. К этим показателям относятся: скорость движения поездов, оборот вагона, среднесуточный пробег и производительность вагонов, локомотивов, нагрузка вагона, производительность труда и себестоимость собственно перевозок.
Скорость движения поездов отражает уровень технической вооруженности железных дорог и организации движения. С ее повышением сокращаются сроки доставки грузов, ускоряется проезд пассажиров, улучшается использование вагонов и локомотивов, увеличивается провозная способность линий. При этом в зависимости от структуры скорость бывает четырех видов: ходовая, техническая, участковая, маршрутная. С другой стороны, с повышением скорости движения снижается уровень безопасности движения.
Ходовой называется скорость движения поезда без учета времени на их остановки, а также на разгоны и замедления в пути следования.
Техническая скорость наоборот учитывает затраты времени на разгоны и замедления.
В расчет участковой скорости включаются затраты времени на разгоны, замедления и остановки на промежуточных станциях.
Маршрутная скорость является средней скоростью движения на направлении с учетом разгонов, замедлений, стоянок на промежуточных и технических станциях следования.
Оборот вагона представляет собой время (сут.) с момента начала (окончания) одной погрузки до момента начала (окончания) следующей погрузки обного вагона.
Среднесуточным пробегом вагона называется среднее расстояние, проходимое им за сутки.
Производительностью вагона — число тонно-километров нетто, приходящихся в среднем на один вагон за сутки.
Статическая нагрузка вагона — это среднее число тонн груза, приходящееся на один погруженный вагон на станции погрузки.
Динамическая нагрузка вагона представляет собой число тонн груза, приходящегося на один вагон, с учетом дальности пробега вагонов.
Среднесуточным пробегом локомотива называется расстояние, проходимое в среднем одним локомотивом за сутки.
Производительностью локомотива — число тонно-километров брутто, приходящееся в среднем на один локомотив за сутки. Этот показатель отражает эффективность использования всего локомотивного парка.
Экономическую сторону эксплуатационной работы транспорта характеризуют обобщающие показатели работы железных дорог:
Производительность труда — число тонно-километров нетто, приходящихся в среднем на одного занятого в сфере перевозок сотрудника в единицу времени.
Себестоимость перевозок — сумма всех затрат, приходящихся соответственно на 10 т-км или 10 пасс.-км.
Показатели эксплуатационной работы применяются для оценки и анализа деятельности железных дорог, определения необходимой потребности в подвижном составе, а также экономического анализа экономических
результатов работы железнодорожного транспорта.
Рассмотрим теперь основные эксплуатационные понятия, принятые на железной дороге.
График движения (ГД) — графическое изображение движения поездов по участкам и направлениям. Это главный документ в технологии перевозочного процесса, которому подчинена вся деятельность многочисленных служб железных дорог сети. В широком смысле - это план эксплуатационной работы, сязывающий действия всех служб для обеспечения движения поездов.
План формирования (ПФ) — система организации вагонопотоков, устанавливающая, какие поезда, из каких вагонов и в какой пункт назначения должны формироваться сортировочными, участковыми и другими станциями.
Пропускная способность линии — наибольшие размеры движения в поездах (либо парах поездов), которые могут быть освоены в течение суток в зависимости от технического оснащения и способа организации движения.
Провозная способность линии — наибольшие размеры грузовых перевозок (в тоннах), которые можно осуществить на данной линии в течение года.
Перерабатывающая способность станции — максимальное число вагонов, которое станция может обработать в течение суток.
Направление — железнодорожная линия между пунктами массового формирования и погашения поездопотоков. Направление делится на участки.
Участок — часть направления между техническими станциями. Участок делится на перегоны промежуточными станциями и раздельными пунктами, имеющими собственное путевое развитие.
Рабочий парк вагонов — вагоны, необходимые сети, дороге, региону, станции для выполнения заранее заданной работы.
Нерабочий парк — вагоны, находящиеся в ремонте, запасе, аренде, хозяйственном движении; в сумме рабочий и нерабочий парки дают наличный
инвентарный парк вагонов.
Эксплуатируемый парк локомотивов — локомотивы, занятые исключительно на поездной и маневровой работе.
Тяговое плечо — расстояние следования локомотива в одном направлении.
Условный вагон — условная единица для определения длины состава.
Основными объектами управления движением на участках железных дорог являются поезда. Поездом называют сформированный и сцепленный состав вагонов с одним или несколькими действующими локомотивами или моторными вагонами и снабженный установленными сигналами.
Поезда подразделяют:
по роду перевозок — на пассажирские, грузовые, хозяйственные, людские, грузопассажирские и одиночные локомотивы;
по дальности следования — на дальние, местные, пригородные (в пассажирском движении); сквозные, участковые, сборные, вывозные, передаточные (в грузовом движении);
по условиям формирования (грузовые) — на отправительские, ступенчатые и технические маршруты;
по состоянию вагонов (грузовые) — на груженые, порожние, комбинированные;
по числу групп вагонов в составе грузового поезда — на одногруппные поезда и групповые.
В развитых странах мира значения показателей эксплуатационной работы существенно разнятся:
Таблица 1.1- Показатели работы железнодорожного транспорта ведущих стран
мира за 2014 г.
Показатель Германия Франция Великобритания Швеция Австрия Италия Польша Канада США Российская Федерация Китай
Средний вес грузового поезда, т. 509 380 800 480 460 450 640 2900 4376 3920 3550
Среднее количество вагонов в грузовом поезде 13 12 20 13 12 12 17 72 69 61 87
Среднее расстояние грузовой перевозки, км. 320 375 215 345 205 300 245 1100 1619 1668 722
Грузонапряженность на сети, млн. т.-км. 2,97 1,16 1,32 2,05 3,18 0,89 2,53 7,05 10,05 26,9 23,5
Интенсивность движения на сети (грузовые и пассажирские вагоны), тыс. вагоно-км. 200 175 185 115 181 180 135 225 310 730 480
Производительность грузовых локомотивов, млн.т-км/год 63 45 н/д 104 42 39 35 185 107 186 н/д
Производительность грузовых вагонов, тыс. т.-км./год 993 430 н/д 1520 886 511 577 5015 2080 1963 2995
Производительность труда, тыс. поездо-км./год 3,4 3,15 4,45 н/д 3,2 н/д 2,5 4,6 5,1 1,5 н/д
Таким образом, Россия является одной из передовых в мире по основным показателям функционирования железнодорожного транспорта [31, 35].
Уровень конкуренции между всеми видами транспорта в России существенно ниже, чем в остальных странах мира, что обусловлено значительными расстояниями между пунктами формирования и погашения грузо- и пассажиропотоков. Это исключительно важный фактор, который следует учитывать при выборе модели развития железнодорожной отрасли.
Таблица 1.2 Объем работы, выполненной железнодорожным транспортом и системой в целом в 2015 году.
Страна Грузооборот, млн. т.км. Доля грузооборота в национальном масштабе Пассажирооборот, млрд. пасс.-км. Доля пассажирооборота в национальном масштабе
Россия 2 295,3 45,3% 129 26,6%
США 2 703,9 29,3% 30,6 0,7%
Китай 2 917,0 10,5% 1 160 38,8%
Индия 665,0 15,9% 1 159 13,8%
Германия 115,0 16,9% 88 8,1%
Франция 32,2 15,1% 92 9,2%
Япония 20,7 3,5% 425 72,1%
По эксплуатационной длине железные дороги России занимают третье место в мире - после США (1) и Китая (2).
По грузообороту и объёму перевозимых грузов - также третье (после США и Китая), по пассажирообороту - снова третье (после Китая и Индии), по перевозкам пассажиров - опять третье (после Японии и Индии).
В ОАО «РЖД» сегодня работает около миллиона человек, что составляет примерно 1,61 % трудоспособного населения России.
Российским железным дорогам присущи некоторые особенности, которые следует отметить:
- отсутствие или сезонность функционирования некоторых видов транспорта в отдельных регионах;
- неравномерность железнодорожной сети и различия в уровне транспортной обеспеченности всех регионов;
- возможность взаимодействия по технологическим стандартам со странами СНГ и ее отсутствие - с другими странами;
- превышение грузовых перевозок перед пассажирскими, с преобладанием
сырьевых грузов;
- необходимость содержания нерентабельных (невыгодных) линий;
- необходимость датирования убыточных пассажирских (в т.ч. до 2010 г. -пригородных) перевозок, тарифы на которые не могут быть повышены по комплексу причин социального характера.
Ещё одна специфическая особенность железнодорожного транспорта в России заключается в наличии многочисленного перекрёстного субсидирования перевозок одних грузов за счёт других, которое выглядит следующим образом. Тариф на перевозку нефтепродуктов существенно выше, чем на перевозку угля на то же расстояние, в результате от ее перевозок ОАО «РЖД» имеет прибыль, а уголь вынуждена везти, даже не покрывая всех затрат. В совокупности же деятельность компании остается безубыточной.
Железные дороги США всегда уступали железным дорогам СССР по большинству эксплуатационных (внутренних для отрасли) показателей. Но они существенно превосходили нас по таким факторам, как скорость и срок доставки грузов. На железных дорогах США доля отправок, прибывших с просрочкой, не превышает 1.5-2 %.
Динамика изменения грузовых перевозок железнодорожным транспортом отражает общую экономическую и социальную ситуацию в стране и связана с динамикой ВВП, соответственно, снижение объёмов перевозок, имевшее место на протяжении 1990-1997 гг., сменилось некоторым ростом в 1998-2003 гг.
За последнее десятилетие изменилась структура грузооборота: возросла доля сырьевых товаров на всех перевозках.
Работа железнодорожного транспорта России, начиная с 1989 г., проходила в условиях спада объёма перевозок и общеэкономического кризиса. Объём перевозок в нижней точке спада - в 1998 г. - составлял 39,1 % от уровня 1990г., грузооборот в 1998 г. составлял 40,3 % от показателя 1990 г.
Начиная с 1999 г., (и вплоть до 2008 г.) в динамике объёма перевозок и грузооборота наблюдался рост (рис.4). Указанный рост объёмов перевозок
обусловлен несколькими обстоятельствами. Начиная с 1999 г., увеличение объёмов перевозок стало возможным, в первую очередь, благодаря последствиям финансового кризиса августа 1998 года. Девальвация рубля в условиях незагруженных производственных мощностей привела к широкому импортозамещению, что увеличило физические объёмы перевозимых грузов внутри страны и повысило конкурентоспособность экспортоориентированной продукции, что привело к возрастанию перевозок в международном сообщении.
Относительно более быстрые темпы увеличения грузооборота сравнительно с темпами увеличения объёма перевозок обусловлены ростом средней дальности перевозок вследствие увеличения экспортной ориентации отечественной экономики. При этом, если в целом средняя дальность перевозки выросла в 1,61 раза (с 900 км. в 1990 г до 1576 км в 2015 г.), то по отдельным грузам этот рост был несколько выше (например, по углю с 885 км. до 2252 км).
В таблице 1.3 приведены значения некоторых показателей использования железнодорожного подвижного состава в нашей стране.
Следует обратить внимание на тот факт, что за 13 последних лет среднесуточная производительность локомотива увеличилась на 33.1% за счет совершенствования технологии перевозок и обновления существующего парка локомотивов. Среднесуточная производительность вагона, наоборот, уменьшилась на 23.2%, в связи с переходом этого парка в частную собственность, где каждый хозяйственник действует исключительно в своих интересах, тем самым увеличивая порожний пробег вагонов.
Таблица 1.3- Основные показатели использования железнодорожного подвижного состава.
Показатель Ед. изм. 2010г. 2011г. 2012г. 2013г. 2014г. 2015 г.
Среднесуточная производительность локомотива Тыс. т.-км. брутто 1631 1812 1791 1820 1965 2337
Среднесуточная производительность вагона Т.-км. нетто 6845 6551 6233 5923 6197 6652
Средняя дальность перевозки 1т груза Км. 1452 1510 1562 1543 1573 1668
Средняя участковая скорость в грузовом движении Км/ч 41,2 37,1 36 36,6 37,8 39,1
Среднее время оборота грузового вагона Сут. 12,9 13,6 15,49 15,9 14,5 13,8
Средняя статистическая нагрузка вагона т/ваг 57,37 59,35 60,79 63,2 66,5 68,7
Протяжённость узких мест на сети Км. 5466 5690 7579 7963 8100 8400
В таблице 1.4 приведены значения показателей качества услуг по грузовым перевозкам за период активного реформирования железнодорожного транспорта.
Таблица 1.4- Показатели, характеризующие повышение качества услуг по
грузовым перевозкам в 2006 - 2014 гг.
№ п/п Показатели Единицы измерения Годы реформирования ЖДТ
2006 2008 2010 2012 2014
1 Транспортная составляющая в ценах товаров, перевозимых железнодорожным транспортом. % 26,5 24,5 24,9 25,6 23,0
2 Отношение темпов изменения средней доходной ставки ОАО «РЖД» по грузовым перевозкам к темпам изменения цен производителей. коэф. 1,02 0,89 0,91 1,00 0,87
3 Доля неудовлетворенных по вине железнодорожного транспорта заявок на перевозку грузов к общему их количеству. % н/д 12,0 4,9 5,7 7,6
4 Доля выплаченных средств по претензиям к общей выручке по грузовым перевозкам. % 7,0 4,7 3,7 2,6 4,2
5 Доля грузов прибывших без просрочки в общем количестве доставленных грузов. % 90,6 90,8 90,7 89,2 88,7
6 Остатки грузов, подлежащих перевозке железнодорожным транспортом общего пользования и находящихся на прирельсовых погрузочных местах предприятий и станций. млн. т. 28,5 29,6 26,5 26,4 26,1
7 Количество железнодорожных станций, открытых для грузовой работы. ед. 3568 3511 3450 3400 3371
8 Количество отказов в подключении к количеству станций открытых для грузовой работы. отказ/100 станций 6 5 8 4 4
Здесь следует обратить внимание на некоторое снижение транспортной составляющей в ценах товаров, перевозимых железнодорожным транспортом из-за неравномерной индексации тарифов на энергоносители и тарифов на
перевозку. В то время, как поставщики ресурсов могут устанавливать цену на продукцию в соответствии с конъюнктурой, тариф на перевозку зарегулирован, только в 2016 году принято решение на уровне правительства о разрешении ОАО «РЖД» самостоятельного регулирования тарифа в заданных пределах. В таблице 1.5 приведены в динамике значения эксплуатационных показателей железнодорожного транспорта ОАО «РЖД».
Таблица 1.5- Эксплуатационные показатели ОАО «РЖД».
Показатели Единицы измерения Годы
2012 2013 2014 2015
Участковая скорость км/час 36.1 36,8 37,7 39,2
Производительность локомотива тыс. т-км брутто 1791 1820 1965 2337
Оборот грузового вагона суток 15,5 16,8 17 16,6
Среднесуточный пробег грузового вагона км 253,7 282 300,8 309,4
Отношение порожнего пробега вагона к груженому % 39,9 39,7 39,9 39,6
Средний вес грузового поезда тонн 3670 3717 3745 3920
Производительность грузового вагона т-км нетто 6233 5823 6197 6650
Темп роста производительности труда % - 107 108,4 108,9
Данная таблица показывает стабильность роста показателей, влияние на которые оказывает железная дорога (без собственников вагонов).
В таблицах 1.6-1.10 приведена динамика показателей, связанных с перевозкой грузов, по всем видам транспорта.
Таблица 1.6- Динамика грузооборота различных видов транспорта в России в 2000-2014 гг., млрд. т-км.
Грузооборот транспорта, млрд. тонно-км. В том числе:
железнодорожный автомобильный морской внутренний водный воздушный трубопроводный
2000 3 636 1373 153 123 71 2,5 1916
2005 4 676 1857 194 61 87 2,8 2474
2006 4 801 1951 198 62 87 2,9 2499
2007 4915 2090 206 67 86 3,4 2465
2008 4947 2116,2 215,5 84,6 63,9 3,7 2464
2009 4446 1865,3 180,1 97,5 52,6 3,6 2246
2010 4752,5 2011,3 199,2 102 54,3 4,7 2388
2011 4915,9 2127,8 222,8 77,5 61 4,9 2422
2012 4998,6 2222,4 247,9 45,1 80,8 5,1 2397
2013 5083,4 2196,2 250 39,4 80,1 5,0 2513
2014 5077 2299 247 33 72 5,2 2423
Как уже отмечалось ранее, наибольший рост показывают те виды транспорта, в которых нет каких-либо ограничений на тарифы, и регулирование производится на основе только рыночных механизмов (в частности, автомобильный и авиационный транспорт).
Доли различных видов транспорта в грузообороте страны по годам представлены на рисунке 1.1.
Рисунок 1.1- График распределения долей разных видов транспорта в
грузообороте страны по годам.
Как видно из рисунка, структура грузооборота довольно устойчива, трубопроводный транспорт сохраняет лидирующую позицию еще с начала 1990-х годов, что объясняется углеводородной направленностью российского экспорта при большой удаленности от границ страны основных месторождений нефти и газа [77]. Железнодорожный транспорт пока остается на втором месте, но в последние годы несколько сокращает это отставание. Автотранспорт, несмотря на свои огромные показатели тоннажа и разнородную структуру, остается преимущественно транспортом ближнего функционирования с невысоким грузооборотом. Остальные виды транспорта по существу играют роль специфических дополнительных (вспомогательных): внутренний водный, морской и воздушный.
Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Анализ экономических механизмов и результатов реструктуризации железнодорожного транспорта России2018 год, кандидат наук Жданов, Александр Игоревич
Методология риск-ориентированного планирования качественных показателей эксплуатационной работы железных дорог2014 год, кандидат наук Котенко, Алексей Геннадьевич
Рациональная организация вагонопотоков на основе методов многокритериальной оптимизации2000 год, доктор технических наук Осьминин, Александр Трофимович
Железнодорожный транспорт России в показателях перевозочной деятельности и качества обслуживания клиентуры2012 год, кандидат наук Сулакшин, Тимофей Степанович
Алгоритмическое обеспечение комплексного прогнозирования базовых показателей перевозочного процесса2017 год, кандидат наук Давааням Тамир
Список литературы диссертационного исследования кандидат наук Врублевский, Иван Петрович, 2017 год
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: исследование зависимостей. - М.: Финансы и статистика, 1985. - 487 с.
2. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. - М.: Юнити, 1998. - 1022 с.
3. Аксёненко Н.Е. В интересах государства и отрасли // Железнодорожный транспорт. - 2000. - № 9. - С.2-11
4. Аксёненко Н.Е., Лапидус Б.М., Мишарин А.С. Железные дороги России: от реформы к реформе. - М.: Транспорт, 2001. - 335 с.
5. Аникеева-Науменко Л. О. Методы повышения эффективности использования вагонов грузового парка на железнодорожном транспорте. Дисс. на соиск. уч. ст. канд. эконом. наук: 08.00.05/ Аникеева-Науменко Любовь Олеговна.- М: 2014.-190с.
6. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. - М.: Мир, 1982. - 486 с.
7. Базилевский М.П., Носков С.И., Врублевский И.П., Яковчук И.С. Среднесрочное прогнозирование эксплуатационных показателей функционирования Красноярской железной дороги//Фундаментальные исследования.-2016.-№ 10-3 .-С.471 - 476.
8. Балалаев С.В. Безопасность движения на железных дорогах : учебное пособие. Ч.1. Основы безопасности / С.В.Балалаев, И.Е. Кологривая. -Хабаровск : Изд-во ДВГУПС, 2013 - 111 с.
9. Баркалов Н.Б. Производственные функции в моделях экономического роста. -М.: Изд-во МГУ, 1981. - 128 с.
10. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. - СПб.: БХВ-Петербург, 2004. -336 с.
11. Берндт Э.Р. Практика эконометрики: классика и современность: учебник для студентов вузов / Пер. с англ. под ред. проф. С.А. Айвазяна. - М.: ЮНИТИ-ДАНА, 2005. - 863 с.
12. Боровиков В. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. / В. Боровиков. Спб.: Питер, 2003. - 688 с.
13. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. - М.: Наука, 1983. - 464 с.
14. Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей: Пер. с нем. — СПб.: ДиаСофтЮП, 2005. — 608 с.
15. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. -М.: Наука, 1979. - 448 с.
16. Вараксин А.Н. Статистические модели регрессионного типа в экологии и медицине. - Екатеринбург, 2006. - 256 с.
17. Васильев С.Н., Селедкин А.П. К построению пакета программ по принятию решений // Пакеты прикладных программ. Методы, разработки. -Новосибирск: Наука, 1981. - с.132-140
18. Васильев С.Н., Селедкин А.П. Синтез функции эффективности в многокритериальных задачах принятия решений // Известия АН СССР. Тех. Кибернетика. - 1980.-№3. - С.186-190
19. Вилкас Э.И., Майминас Е.З. Решения: теория, информация, моделирование.- М.: Радио и связь, 1981.- 328 с.
20. Вучков И., Бояджиева Л., Солаков Е. Прикладной линейный регрессионный анализ.-М.: Финансы и статистика, 1987. - 239 с.
21. Виньков А.И. Жизнь без вагонов. МПС не в состоянии обеспечить вагонами всех желающих // Эксперт. - 2001. - № 40. - С.20-22
22. Врублевский И.П. Анализ работы горочного комплекса с целью оптимизации процесса роспуска вагонов//Мат-лы V Международной
конференции «Образование. Наука. Транспорт в XXI веке: опыт, перспективы, инновации», Самара-Оренбург. -2015.-С.21 -23
23. Врублевский И.П. Комплексный анализ узких мест в работе горочного комплекса сортировочных станций//Сборник мат-лов Межд. конф. молодых ученых «Проспект Свободный 2015», Красноярск.-2015.- С.2-5
24. Врублевский И.П. Контроль за отстоем вагонов: новые методы организации//РЖД-Партнер.- 2014.- № 22.- С.42-44
25. Врублевский И.П. Применение комплексного подхода для контроля за использованием железнодорожной инфраструктуры на основе автоматизированного анализа конечных операций//Сборник трудов 19-ой научно-практической конференции КрИЖТ, ИрГУПС.-2015.-1 т.-С.51-54
26. Врублевский И.П. Факторное пространство модели эксплуатационных показателей функционирования железнодорожного транспорта//Информационные технологии и проблемы математического моделирования сложных систем.- 2015. -вып. 14.-С. 22-26
27. Гайдышев И. Анализ и обработка данных: специальный справочник. -СПб: Питер, 2001. - 752 с.
28. Галушко В.Н., Алферова Т.В., Алферов А.А., Бахур С.И. Моделирование параметров надёжности электрооборудования на предприятиях железнодорожной отрасли//Вестник ГГТУ.- 2014.-3(58).-С.56-65.
29. Гантмахер Ф.Р. Теория матриц. - М.: Гостехиздат, 1953. - 491 с.
30. Голубков Е.П. Технология принятия управленческих решений/Е.П. Голубков.- М.: Изд-во «Дело и Сервис», 2005.-544 с.
31. Грузовой железнодорожный транспорт России в 2010-2015 гг. (аналитический доклад) [Электронный ресурс]/Институт проблем естественных монополий, май 2016. URL: http://www.ipem.ru/files/files/ research/2016 05 25 analiticheskiy doklad po zhd transportu 2010 2015.pdf (Дата обращения 20.11.2016 г.).
32. Давыдов Г.Е. Программа реформ: нужны реальные цели // Бюллетень транспортной информации.- 2001. - № 5. - С.27-35
33. Демиденко Е.З. Линейная и нелинейная регрессии. - М.: Финансы и статистика, 1981. - 304 с.
34. Демиденко Е.З. Оптимизация и регрессия. - М.: Наука, 1989. - 296 с.
35. Динамика грузоперевозок в России[Электронный ресурс]/Бюллетень социально - экономического кризиса в России- 2015- №08. URL: http://ac.gov.ru/files/publication/a/7400.pdf ( дата обращения 20.06.2016 г.).
36. Доугерти К. Введение в эконометрику. - М.: ИНФРА-М, 2009. - 465 с.
37. Дьяконов В. П. MATLAB R2006/2007/2008 + Simulink 5/6/7. Основы применения. Изд-е 2-е, переработанное и дополненное. Библиотека профессионала. — М.: «СОЛОН-Пресс», 2008. — 800 с.
38. Егошин А.В. Анализ и прогнозирование сложных стохастических сигналов на основе методов ведения границ реализаций динамических систем: Автореферат дис. канд. техн. наук.- СПб., 2009.-19 с.
39. Ефименко Ю.И., Уздин М. М., Ковалев В. И. Общий курс железных дорог: Учеб. пособие для учреждений сред. проф. образования . «Академия», 2005. - 256 с.
40. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Ин-та математики, 1999. - 270 с.
41. Зайцев А.А. Экономическая стратегия управления железными дорогами - СПб.: СПГУПС, 1995. -123 с.
42. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. - Киев: Наукова думка, 1982. - 296 с.
43. Ивахненко А.Г., Ивахненко Г.А. Обзор задач, решаемых по алгоритмам Метода Группового Учета Аргументов (МГУА) // Group Method of Data Handling [электронный ресурс]. URL: http://www.gmdh.net/articles/ rus/obzorzad.pdf (дата обращения 01.12.2016).
44. Иглин С.П. Математические расчеты на базе Matlab. - СПб.: БХВ, 2005.640 с.
45. Кади Дж. Количественные методы в экономике.- М.: Прогресс, 1977.-247с.
46. Калиткин Н.Н. Численные методы. - М.: «Наука», 1978. - 512 с.
47. Клейнер Г.Б. Производственные функции. Теория, методы, применение- М.: Финансы и статистика, 1986. - 239 с.
48. Клейнер Г.Б., Смоляк С.А. Эконометрические зависимости: принципы и методы построения. - М.: Наука, 2000. - 104 с.
49. Копылов М. The Economist: Мир в цифрах-2013 - М.: Олимп-Бизнес, 2013. - 272 с.
50. Лапидус Б.М., Мачерет Д.А., Вольфсон А.Л. Теория и практика управления эксплуатационными затратами железнодорожного транспорта/Под ред. Б.М. Лапидуса.- М.:МЦФЭР, 2002.- 256 с.
51. Левин Д.Ю. Диспетчерские центры и технология управления перевозочным процессом: Учебное пособие.- М:Маршрут, 2005.-760 с.
52. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzyTECH.- СПб: БХВ-Петербург, 2005.- 736 с.
53. Лисенков В.М. Статистическая теория безопасности движения поездов: Учеб. для вузов. -М.:ВИНИТИ РАН, 1999.- 332 с.
54. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. - 6-е изд., перераб., и доп. - М.: Дело, 2004. - 576 с.
55. Макаров И.М., Виноградская Т.М. и др. Теория выбора и принятия решений.- М.: Наука, 1982.-210 с.
56. Матросов В.М. Моделирование и прогнозирование показателей социально-экономического развития области / Матросов В.М., Головченко В.Б., Носков С.И. - Новосибирск : Наука, Сиб. отд-ние, 1991. - 144 с.
57. Мачерет Д.А. Планирование и регулирование работы железнодорожного транспорта // Экономика железных дорог. -1999.- № 1.-С.25-31
58. Мачерет Д.А. Экономические методы управления производственными ресурсами и работой железнодорожного транспорта. - М.: МИИТ, 2000. - 146 с.
59. Мачерет Д.А. Экономические проблемы грузовых железнодорожных перевозок/ Д.А. Мачерет, И.А. Чернигина. — М.: МЦФЭР, 2004.- 240 с.
60. Мерков А.Б. Распознавание образов: Введение в методы статистического обучения.- М.:Едиториал УРСС, 2011.-254 с.
61. Многофакторное прогнозирование потребления электроэнергии в промышленном и бытовом секторах / Т. Кирилова и др.//Энергорынок.-2009,-№11.- С. 40 - 43
62. Морозов В.Н. Взаимодействие ОАО «РЖД» с компаниями-операторами//Железнодорожный транспорт. - 2008. - № 12. - С.8-12
63. Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия: В 2-х вып. Вып. 2 / Пер. с англ. Б.Л. Розовского; Под. ред. и с предисл. Ю.П. Адлера. - М.: Финансы и статистика, 1982. - 239 с.
64. Мудров В.И., Кушко В.А. Методы обработки измерений. Квазиправдоподобные оценки. - М.: Радио и связь, 1983. - 304 с.
65. Нормативные системы в прогнозировании развития предпринимательского сектора экономики / Л.И. Муратова и др//Управление экономическими системами [электронный ресурс]. Управление экономическими системами: электроннный научный журнал 2009, №20. URL: http://cyberleninka.ru/article/n/normativnye-sistemy-v-prognozirovanii-razvitiya-predprinimatelskogo-sektora-ekonomiki-chast-1 (дата обращения 01.11.2016).
66. Носач В.В. Решение задач аппроксимации с помощью персональных компьютеров. - М.: МИКАП, 1994. - 382 с.
67. Носков С.И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных.- Иркутск: Облинформпечать, 1996. - 320 с.
68. Носков С.И., Врублевский И.П. Регрессионная модель динамики эксплуатационных показателей функционирования железнодорожного транспорта//Современные технологии. Системный анализ. Моделирование.-2016.-№2.-С. 192-197
69. Носков С.И., Врублевский И.П. Формирование области определения линейной регрессионной зависимости//Современные технологии. Системный анализ. Моделирование. 2016.-№1.-С. 95- 97
70. Орлов А.И. Прикладная статистика. - М.: Издательство «Экзамен», 2007. - 672 с.
71. Орлов А.И. Статистические пакеты - инструменты исследователя// Заводская лаборатория. Диагностика материалов.- 2008, -№5, том 74 -с.76-78
72. Орлов А.И. Теория принятия решений. - М.: Экзамен, 2006. - 576с.
73. Орлов А.И. Эконометрика. - М.: Экзамен, 2004. - 576 с.
74. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. — М.: Наука, 1982. — 256 с.
75. Расин Дж. Непараметрическая эконометрика: вводный курс// Квантиль. 2008. - №4.-с.7-56.
76. Растригин Л.А. Системы экстремального управления.- М.: Наука, 1974.- 632с.
77. Россия в цифрах. 2015: Крат.стат.сб.//Росстат- M., 2015 - 543 с.
78. Рогачёва Л.С., Мазо Л.А., Шмелёв А.В. Методические основы формирования нового прейскуранта тарифов на грузовые перевозки и услуги инфраструктуры, выполняемые российскими железными дорогами // Бюллетень транспортной информации. - 2002. - №10. - С.5-8.
79. Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. - 2-е изд., испр. - М.:Физматлит, 2001. - 320 с.
80. Саакян Ю., Савчук В.,Терешко И. Анализ зарубежных исследований целесообразности разделения инфраструктуры железнодорожного транспорта и перевозочной деятельности //Экономика железных дорог. - 2013.-№7-С12-20
81. Сайбаталов Р.Ф. Ключевые задачи перехода к планированию и организации движения на полигонах //Железнодорожный транспорт.-2016.-Вып.6-С.32-38
82. Себер Дж. Линейный регрессионный анализ. Под ред. М.Б. Малютова. - М.: Издательство «Мир», 1980. - 456 с.
83. Семенов В.В. Математическое моделирование динамики транспортных потоков мегаполиса. -М.: ИПМ им. М.В.Келдыша РАН, 2004.-38с.
84. Сигора Г.А., Кучеренко О.Н. Применение метода регрессионного анализа к количественному описанию степени влияния загрязнения на здоровье населения // Вестник СевНТУ. - Севастополь, 2008. -с.188-191
85. Сидоров С.Г., Никологорская А.В. Анализ временных рядов как метод построения потребления электроэнергии // Вестник ИГЭУ. 2010 -Вып. 3. -С. 81 - 83
86. Симчера, В.М. Методы многомерного анализа статистических данных / В.М. Симчера .— учеб. пособие .— М. : Издательство "Финансы и статистика", 2008 .— 399 с.
87. Скоков В.А. Система построения и исследования производственных функций. // Системное моделирование.- Новосибирск: ВЦ СО АН СССР, 1989. - С.146-162
88. Смирнова О.С. Программное обеспечение для статистического анализа. // Заводская лаборатория. Диагностика материалов. 2008.-№5, т. 74,-С.68-74
89. Смоленцев Н.К. Создание Windows-приложений с использованием математических процедур МАТЬАБ. - М.: ДМК-Пресс, 2008. - 456 с.
90. Стрижов В.В. Методы индуктивного порождения регрессионных моделей. М.: ВЦ РАН, 2008. - 54 с.
91. Стрижов В.В. Поиск параметрической регрессионной модели в индуктивно заданном множестве // Вычислительные технологии. Том 12. 2007.-№1- С.93-102
92. Стрижов В.В., Крымова Е.А. Методы выбора регрессионных моделей. М.: ВЦ РАН. Москва, 2010.-60 с.
93. Сулакшин Т.С. Железнодорожный транспорт России в показателях перевозочной деятельности и качества обслуживания клиентуры. Дисс. на соиск. уч. степ. канд. эконом. наук.-М.,2012.-25 с.
94. Суперкомпьютерные технологии в науке, образовании и промышленности / Под редакцией: академика В.А. Садовничего, академика Г.И. Савина, чл.- корр. РАН Вл.В. Воеводина.-М.: Издательство Московского университета, 2009.-232 с.
95. Супрун В.Н., Лакин И.К. Системный анализ показателей работы железных дорог как исходных данных систем менеджмента качества-Красноярск: Изд-во «Гротеск», 2005-52с.
96. Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А. Эконометрия. - Новосибирск: СО РАН, 2005. - 744 с.
97. Тихонов Э.Е. Прогнозирование в условиях рынка: учебное пособие. Невинномысск.- 2006.- 221 с.
98. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере / Под ред. В.Э. Фигурнова. - 3-е изд., перераб. и доп. - М.: ИНФРА-М, 2003. - 544 с.
99. Фёрстер Э., Рёнц Б. Методы корреляционного и регрессионного анализа. - М.: Финансы и статистика, 1983. - 304 с.
100. Филина В.Н. Эффективность работы транспорта с позиций рынка и стратегических интересов России// Проблемы прогнозирования. М.-№ 4 /2015-с.30-42.
101. Ханк Д.Э., Уичерн Д.У., Райте А.Дж. Бизнес-прогнозирование. -М.: Издательский дом «Вильямс», 2003. - 656 с.
102. Хантер Д., Рафтер Дж. и др. XML. Базовый курс - М.:Издательский дом «Вильямс», 2009. - 1344 с.
103. Хардле В. Прикладная непараметрическая регрессия: Пер. с англ. -М.: Мир, 1993. -349 с.
104. Хусаинов Ф.И. Демонополизация железнодорожного транспорта и развитие системы операторских компаний. Монография- Саратов, Новый ветер, 2009. - 322 с.
105. Хьюбер П. Робастность в статистике.- М.: Мир, 1984. - 304 с.
106. Хьюз Дж., Мичтом Дж. Структурный подход к программированию. Под ред. В.Ш. Кауфмана. - М.: Издательство «Мир», 1980. - 280 с.
107. Чучуева И. А. Модель экстраполяции временных рядов по выборке максимального подобия // Информационные технологии. 2010. №12.- С. 43 - 47
108. Шаров В.А. Технологическое обеспечение перевозок грузов железнодорожным транспортом в условиях рыночной экономики.- М:Изд-во ВНИИЖТ, 2001-198 с.
109. Эфрон Б. Нетрадиционные методы многомерного статистического анализа: Сб. статей: Пер. с англ.- М.: Финансы и статистика, 1988. - 263 с.
110. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. транспорта / Терёшина Н.П., Галабурда В.Г., Трихунков М.Ф. и др.; Под ред. Терёшиной Н.П., Лапидуса Б.М., Трихункова М.Ф.. - М.: УМЦ ЖДТ, 2006.801 с.
111. Якунин В.И. Железные дороги России и государство. Монография -М.: Научный эксперт, 2010.- 432 с.
112. Draper, N.R. and Smith, H. (1998). Applied Regression Analysis. Wiley Series in Probability and Statistics.
113. Efroymson M. A. Multiple regression analysis. New York: Ralston, Wiley, 1960.
114. Giudici P. Applied data mining: statistical methods for business and industry.Wiley, 2003. - p. 379.
115. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. - Springer, 2001.
116. Hullermeier E., Furnkranz J., Cheng W., Brinker K. Label ranking by learning pairwise preferences. Artificial Intelligence, 172(16), 2008- P.1897-1916.
117. Mahfoud S., Mani G. Financial Forecasting Using Genetic Algorithms // Applied Artificial Intelligence. 1996, Vol. 10, No.6. P. 543 - 565.
118. Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014(255)- P.743-752.
119. Renfro C.G. A compendium of existing econometric software packages //Journal of Economic and Social Measurement. 2004, №29. - p. 359-409.
120. Singh S. Pattern Modelling in Time-Series Forecasting // Cybernetics and Systems-Anlnternational Journal. 2000, Vol. 31, No. 1. P. 49 - 65.
121. Stenina M.M., Kuznetsov M.P., Strijov V.V. Ordinal classification using Pareto fronts // Expert Systems with Applications, 2015, 42(14) : 5947-5953. A
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.