Рекуррентно-статистический метод и информационная система прогнозирования экономической конъюнктуры для нефтехимических предприятий тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Кордунов, Дмитрий Юрьевич

• Кордунов, Дмитрий Юрьевич
• кандидат экономических наук
• 2005

Оглавление диссертации кандидат экономических наук Кордунов, Дмитрий Юрьевич

Введение.

1. Современные экономико-математические методы и инструментальные средства анализа экономической конъюнктуры промышленного предприятия.

• 1.1. Содержательная постановка задачи анализа и прогнозирования показателей экономической конъюнктуры для промышленных предприятий.

1.2. Анализ и классификация современных экономико-математических методов и инструментальных средств прогнозирования экономических процессов.

1.3. Условия и предпосылки использования методов калмановской фильтрации для прогнозирования показателей экономической конъюнктуры промышленных предприятий в условиях неопределенности.

1.4. Цели и задачи диссертации.

2. Организационно-экономический анализ состояния и определение тенденций развития нефтехимической промышленности Российской Федерации в условиях международной экономической интеграции.

2.1. Организационно-экономический анализ современного состояния и тенденций развития нефтехимической отрасли Российской Федерации.

2.2. Организационно-экономический анализ деятельности предприятий химического и нефтехимического комплекса республики Башкортостан.

2.3. Предпосылки использования инструментальных методов прогнозирования показателей экономической конъюнктуры для повышения эффективности управления химическими и нефтехимическими предприятиями в современных условиях хозяйствования.

2.4. Выводы.

3. Рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры для нефтехимических предприятий в условиях неопределенности.

3.1. Рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры на основе калмановской фильтрации

3.2. Алгоритмы прогнозирования показателей экономической

Ф конъюнктуры с использованием модифицированной процедуры калмановской фильтрации.

3.3. Вычислительные эксперименты по анализу эффективности разработанного метода и алгоритмов прогнозирования показателей экономической конъюнктуры в условиях неопределенности

3.4. Выводы.

4. Методика разработки и практическое применение информационной системы поддержки принятия решений по прогнозированию показателей экономической конъюнктуры для нефтехимических предприятий. щ 4.1. Архитектура информационной системы поддержки принятия решений по прогнозированию показателей экономической конъюнктуры для нефтехимических предприятий.

4.2. Методика проектирования и использования информационной системы поддержки принятия решений по прогнозированию 106 показателей экономической конъюнктуры для нефтехимических предприятий.

4.3. Практическое использование разработанных математических методов и инструментальных средств прогнозирования экономической конъюнктуры для повышения эффективности управления ОАО «Салаватнефтеоргсинтез».

4.4. Выводы.

Введение диссертации (часть автореферата) на тему «Рекуррентно-статистический метод и информационная система прогнозирования экономической конъюнктуры для нефтехимических предприятий»

В современных условиях хозяйствования, которые характеризуются быстрым развитием мировых интеграционных процессов и обострением конкурентной борьбы, задача анализа и прогнозирования экономической конъюнктуры для предприятий является важнейшей составляющей процесса управления деятельностью отечественных нефтехимических предприятий. Очевидно, что точность прогноза рыночной конъюнктуры в значительной мере влияет на обоснованность и рациональность принимаемых управленческих решений и, соответственно, на экономическую эффективность нефтехимических предприятий. Для прогнозирования экономической конъюнктуры предприятий необходимо применять информационные системы поддержки принятия решений (СППР) по ситуационному анализу и прогнозированию внешней среды промышленного предприятия.

В настоящее время для прогнозирования показателей экономической конъюнктуры для предприятий используются различные экономико-математические методы и инструменты эконометрики, входящие в состав программно-математического обеспечения информационных СППР по управлению предприятиями. Проблеме прогнозирования экономической конъюнктуры посвящены работы таких отечественных и зарубежных ученых как С.А. Айвазян, Т.Андерсон, В.Н. Афанасьев, Дж. Бокс, Д.Е. Бэстенс, Г. Дженкинс, И.Н. Драгобытский, А.А.Емельянов, И.В. Зайцевский, А.Н. Колмогоров, М.Кэндэл, Ю.П. Лукашин, B.JI. Макаров, В.П. Мешалкин, B.C. Мхитарян, И.М. Петрушко, B.C. Пугачев, P.JI. Раяцкас, А.Ф.Тельнов, Е.М. Четыркин и др.

Одним из подходов к прогнозированию экономической конъюнктуры для промышленного предприятия является использование математического аппарата теории фильтрации случайных процессов, в которой наиболее широкими возможностями обладают калмановские фильтры. Применение фильтров Калмана для прогнозирования экономической конъюнктуры, рассмотрены в работах К. Браммера, Р. Бьюси, С.Я. Виленкина, Д.Гропа, Г. Зиффлинга, Р. Калмана, В.В. Круглова, А.Н. Перова, Э. Сейджа, Е.П. Чуракова.

В тоже время, прогнозирование экономической конъюнктуры для нефтехимических предприятий на практике осложняется рядом факторов, среди которых можно выделить сложность исследуемых экономических процессов, неопределенность и неравномерность информации о состоянии внешней социально-экономической среды. Указанная неопределенность информации чаще всего проявляется в пропуске отдельных показателей или их несвоевременном поступлении, вызванных, например, задержкой информации об объёмах продаж торговых представительств, непостоянством доступа к информации о деятельности конкурентов, календарными эффектами, нерегулярностью проведения маркетинговых щ исследований и т.д. Указанные обстоятельства в значительной степени снижают эффективность применения для решения данной задачи известных методов прогнозирования сложных экономических процессов на основе метода калмановской фильтрации, так как существующие варианты данного метода предполагают равномерное поступление информации об исследуемом процессе.

В связи этим решаемая в диссертации задача разработки рекуррентно-статистического метода и инструментальных средств прогнозирования экономической конъюнктуры для нефтехимических предприятий с применением метода калмановской фильтрации, позволяющих повысить качество принимаемых решений по управлению промышленными предприятиями в условиях рыночной экономики, является актуальной научной задачей, имеющей существенное значение для теории и практики экономико-математического моделирования в условиях неопределенности.

Основные разделы диссертации выполнялись в соответствии с заданиями ряда комплексных программ социально-экономического развития Республики Башкортостан на 2002-2005 г.г. Тема диссертации соответствует перечню критических технологий, определяемых политикой РФ в области науки и технологии на период до 2010 г. - «Компьютерное моделирование».

Цель диссертационного исследования. Разработать рекуррентно-статистический метод и инструментальные средства прогнозирования экономической конъюнктуры для нефтехимических предприятий, основанные на использовании метода калмановской фильтрации, которые позволяют повысить точность прогноза в условиях неопределенности и неравномерности информации о состоянии внешней социально-экономической среды.

Практически применить разработанные рекуррентно-статистический метод и инструментальные средства прогнозирования экономической конъюнктуры для выработки научно-обоснованных рекомендаций по совершенствованию стратегического управления ОАО

Салаватнефтеоргсинтез" для повышения экономической эффективности и конкурентоспособности предприятия.

Цель исследования обусловила необходимость постановки и решения следующих задач:

1. Анализ экономико-математических методов и инструментальных средств прогнозирования показателей экономической конъюнктуры для промышленных предприятий.

2. Организационно-экономический анализ современного состояния и тенденций развития нефтехимической промышленности Российской Федерации и республики Башкортостан.

3. Обоснование предпосылок использования математических методов и инструментальных средств прогнозирования экономической конъюнктуры для нефтехимических предприятий для повышения эффективности управления промышленными предприятиями.

4. Разработка рекуррентно-статистического метода и алгоритмов для прогнозирования показателей экономической конъюнктуры для предприятий на основе процедуры калмановской фильтрации.

5. Разработка архитектуры и основных компонентов программного обеспечения информационной системы поддержки принятия решений по прогнозированию экономической конъюнктуры для управления нефтехимическими предприятиями.

6. Практическое применение разработанных математического метода и инструментальных средств для повышения эффективности ОАО «Салаватнефтеорсинтез» Республики Башкортостан.

Методы исследования в диссертации.

При выполнении данной работы использовались методы экономического анализа, эконометрики и экономико-математического моделирования, теории случайных процессов и методы вычислительного эксперимента.

Достоверность научных результатов, выводов и рекомендаций, сформулированных в диссертации, определяется корректным применением методов эконометрики и экономико-математического анализа, теории случайных процессов и имитационного моделирования.

Обоснованность теоретических разработок подтверждена вычислительными экспериментами на персональных компьютерах, результаты которых позволяют сделать вывод об адекватности разработанных методов и моделей прогнозирования экономических явлений.

Основные положения, выносимые на защиту.

1. Результаты организационно-экономического анализа современного состояния и тенденций развития нефтехимической отрасли

Российской Федерации, нефтехимического комплекса республики Башкортостан.

2. Рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры для нефтехимических предприятий с использованием аппарата калмановской фильтрации.

3. Методика проектирования и применения информационной системы поддержки принятия решений по прогнозированию экономической конъюнктуры для управления нефтехимическими предприятиями.

4. Архитектура и программное обеспечение информационной системы поддержки принятия решений по прогнозированию экономической конъюнктуры для управления нефтехимическими предприятиями.

Научная новизна.

К наиболее существенным научным результатам, полученным лично соискателем, относятся следующие.

1. Результаты организационно-экономического анализа состояния и тенденций развития нефтехимической отрасли Российской Федерации, показавшие наличие объективных предпосылок использования математических методов и инструментальных средств прогнозирования экономической конъюнктуры для нефтехимических предприятий в условиях неопределенности для повышения эффективности их деятельности.

2. Рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры для предприятий, отличающийся использованием аппарата калмановской фильтрации, что позволяет повысить точность прогноза в условии неопределенности и неравномерного поступления информации о внешней среде организации.

3. Алгоритмы прогнозирования показателей экономической конъюнктуры нефтехимических предприятий на основе модифицированной процедуры калмановской фильтрации, позволяющие создавать инструментальные средства с учетом возможности их интеграции в общую структуру автоматизированной системы управления предприятием.

4. Методика по проектированию архитектуры и программного обеспечения информационной системы поддержки принятия решений по прогнозированию показателей экономической конъюнктуры, которая характеризуются высокой степенью универсальности и дает возможность повысить точность прогнозирования в условиях неопределенности и неравномерности информации о состоянии внешней среды в произвольные моменты времени.

Практическая значимость результатов исследования.

1. Разработанный в диссертации рекуррентно-статистический метод прогнозирования экономической конъюнктуры на основе модифицированной процедуры калмановской фильтрации может практически использоваться при создании программно-математического обеспечения информационных СППР по управлению нефтехимическими предприятиями.

2. На основе предложенных метода и алгоритмов прогнозирования экономической конъюнктуры с использованием среды визуального программирования Borland Delphi 7.0 разработано программное обеспечение информационной ССПР по прогнозированию экономической конъюнктуры «Химпрогноз 1.0», который может применяться либо самостоятельно, либо в составе автоматизированных систем управления предприятием для повышения эффективности принятия решений по управлению предприятиями нефтехимической промышленности в условиях рыночной экономики.

Реализация результатов работы.

Разработанная информационная система поддержки принятия решений по прогнозированию экономической конъюнктуры практически используется на предприятии ОАО "Салаватнефтеоргсинтез" для прогнозирования показателей экономической конъюнктуры, что позволяет повысить качество принимаемых решений по оперативному планированию производственно-хозяйственной деятельности предприятия.

Основные методические и теоретические результаты работы используются при обучении студентов на кафедре логистики и экономической информатики РХТУ им. Д.И. Менделеева, в филиале Московского энергетического института в г. Смоленске и Уфимском государственном нефтяном университете.

Апробация работы.

Основные результаты диссертационной работы докладывались и обсуждались на Международной научной конференции «Математические методы в интеллектуальных информационных системах» (Смоленск, 2002), Всероссийской научной конференции «Современные информационные технологии в медицине и экологии» (Смоленск, 2003), Всероссийской научной конференции с международным участием «Информация, инновации, инвестиции» (Пермь, 2004), а также на научных семинарах в РХТУ им. Д.И. Менделеева, филиале Московского энергетического института в г. Смоленске и Уфимском государственном нефтяном университете.

Публикации.

По теме диссертации опубликовано 6 печатных работ, общим объемом 1,7 п.л.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 121 наименование и приложений. Диссертация содержит 146 стр. машинописного текста, 17 рисунков и 7 таблиц.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Кордунов, Дмитрий Юрьевич

Основные результаты работы и предложения.

1. На основе анализа современных математических методов и инструментальных средств прогнозирования экономических процессов выявлены объективные предпосылки эффективного использования методов калмановской фильтрации для прогнозирования показателей экономической конъюнктуры для промышленных предприятий в условиях рынка.

2. Проведен организационно-экономический анализ состояния и тенденций развития нефтехимической отрасли Российской Федерации, результаты которого показали, что в условиях международной экономической интеграции возникают предпосылки использования математических методов и инструментальных средств прогнозирования показателей экономической конъюнктуры для нефтехимических предприятий для повышения эффективности их деятельности. Определены и систематизированы основные показатели экономической конъюнктуры для нефтехимических предприятий, точность прогнозирования которых в значительной степени определяет экономическую эффективность управленческих решений.

3. Разработан рекуррентно-статистический метод прогнозирования показателей экономической конъюнктуры для нефтехимических предприятий, основанный на использовании процедуры калмановской фильтрации, который позволяет повысить точность прогноза в условии неопределенности и неравномерности поступления информации о внешней социально-экономической среде предприятия.

4. Предложены алгоритмы прогнозирования показателей экономической конъюнктуры для нефтехимических предприятий, основанные на рекурентно-статистическом методе прогнозирования с использованием процедуры калмановской фильтрации, которые позволяют создавать инструментальные средства управления предприятием с учетом необходимости интеграции этих средств в общую структуру автоматизированных систем управления предприятиями.

5. Разработаны научно-обоснованные рекомендации и методика проектирования и применения информационной системы поддержки принятия решений по прогнозированию показателей экономической конъюнктуры для нефтехимических предприятий, которая позволяет повысить эффективность управления предприятиями в условиях неопределенности информации и внешней среды.

6. Показано, что разработанный в диссертации рекуррентно-статистический метод прогнозирования экономической конъюнктуры на основе модифицированной процедуры калмановской фильтрации может практически использоваться в качестве математического обеспечения информационных систем поддержки принятия решений по управлению предприятиями химической и нефтехимической отрасли.

7. На основе предложенного рекуррентно-статистического метода с использованием среды визуального программирования Borland Delphi 7.0 разработано программное обеспечение СППР «Химпрогноз 1.0», которое может применяться либо самостоятельно, либо в составе автоматизированных систем управления предприятием в качестве инструментального средства прогнозирования показателей экономической конъюнктуры для повышения эффективности принятия решений по управлению предприятиями нефтехимической промышленности.

8. Разработанная информационная система поддержки принятия решений «Химпрогноз 1.0» практически используется на предприятии ОАО "Салаватнефтеоргсинтез" в составе АСУ предприятием для прогнозирования показателей экономической конъюнктуры, что позволяет повысить качество принимаемых управленческих решений по оперативному планированию производственно-хозяйственной деятельности предприятия.

ЗАКЛЮЧЕНИЕ

Совокупность полученных в диссертации результатов представляет собой решение актуальной научной задачи разработки модифицированных процедур калмановской фильтрации, позволяющих проводить прогнозирование показателей экономической конъюнктуры нефтехимических предприятий в условиях неравномерности поступления информации о состоянии конъюнктуры.

Список литературы диссертационного исследования кандидат экономических наук Кордунов, Дмитрий Юрьевич, 2005 год

1. Новый иллюстрированный энциклопедический словарь/ Ред. кол.: В.И Бородулин, АЛ. Горкин, А.А.Гусев, Н.М. Ланда и др. М.: Большая Российская энциклопедия, 2000.

2. Математика. Большой Энциклопедический словарь. / Гл.ред. Ю.В. Прохоров. М.: Большая Российская энциклопедия, 2000.

3. Чураков Е.П. Математические методы обработки экспериментальных данных в экономике: Учеб. пособие. -М.: Финансы и статистика, 2004.

4. Растригин Л.А. Современные принципы управления сложными объектами. -М.: Сов. радио, 1980.

5. Дли М.И. Локально-аппроксимационные модели сложных объектов. — М.: Физматлит (МАИК «Наука/Интерпериодика»), 1999.

6. Ефимов А.Н. Предсказание случайных процессов. М.: Знание, 1976.

7. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

8. Редкозубов С.А. Статистические методы прогнозирования в АСУ. М.: Энергоиздат, 1981.

9. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001.

10. Ю.Зеленский К.Х., Игнатенко В.Н., Коц А.П. Компьютерные методы прикладной математики. К.: Дизайн-В, 1999.

11. Хеннан Г. Анализ временных рядов. М.: Наука, 1964.

12. Планирование эксперимента в исследовании технологических процессов. / К. Хартман, Э. Лецкий, В. Шефер и др. М.: Мир, 1977.

13. Коршунов Ю.М., Бобиков А.И. Цифровые слаживающие и преобразовывающие системы. М.: Энергия, 1969.

14. Гхосал А. Прикладная кибернетика и ее связь с исследованием операций. М.: Радио и связь, 1982.

15. Боровиков В.П., Боровиков И.П. STATISTICA- Статистический анализ и обработка данных в среде Windows. М.: Филинъ, 1997.

16. D'Esopo. A notation on Forecasting by the Exponential Smoothing Operator // Operation Research. 1964. V.9. №5. P. 686-687.

17. Brown R.G. Statistical Forecasting for Inventory Analysis. N.Y.: McGrant Hill, 1969.

18. Meyer R. Proc. Third International Conference on O.R. London: English Univ, Press, 1967.

19. Trigg D.W., Leach A.G. Exponential smoothing with adaptive response rate//Oper. Res. Qtly.l967.№18. P.53.

20. Chandra В., Ghosal A. An adaptive procedure in exponentially weighted predictiors. // J. Management Science and Applied Cybernetics. 1973. № 2. P. 63-78.

21. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе Statistica в среде Windows. М.: Финансы и статистика, 2000.

22. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. М.: ИНФРА-М, Финансы и статистика, 1995.

23. Дюк В. Обработка данных на ПК в примерах. СПб.: Питер, 1997.

24. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1 и 2. М.: Мир, 1974.

25. Кендэл М. Временные ряды. М.: Финансы и статистика, 1981.

26. Справочник по теории вероятностей и математической статистике. / B.C. Королюк, Н.И. Портенко, А.В. Скороход, А.Ф. Турбин. М.: Наука, 1985.

27. Вентцель Е.С. Теория вероятностей. М.: Высш. школа, 1999.

28. Драймз Ф. Распределенные лаги. Проблема выбора и оценивания модели. М.: Финансы и статистика, 1982.

29. Эйкхофф П. Основы идентификации систем управления. Оценивание параметров и состояния. М.: Мир, 1975.

30. Гроп Д. Методы идентификации систем. М.: Мир, 1979.

31. Дейч A.M. Методы идентификации динамических объектов. М.: Энергия, 1979.

32. Кашьяп Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. М.; Наука, 1983.

33. Wiener N. Extrapolation, interpolation and smoothing of stationary time series. N.Y. :ZohnWilley, 1949.

34. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. М.: Наука, 1968.

35. Цыпкин Я.З. Теория линейных импульсных систем. М.: Физматлит, 1963.

36. Kalman R.E., A new approach to linear filtering and prediction problems. //Trans. ASME. J. Basic eng., ser. D. 1960. V.80. P. 34-35.

37. Kalman R.E., Bucy T.S. New results in linear filtering and prediction theory. //Trans. ASME.J. Basic eng.ser.D. 1961. V85, P. 95-107.

38. Виленкин С.Я, Статистическая обработка результатов исследования случайных функций. М.: Энергия, 1979.

39. Mehra R.K. A comparison of several nonlinear filters for reenty vehicle tracking. // IEEE Trans. 1971. V AC-16. № 4. P.307-319.

40. Абраменкова И.В., Круглов B.B., Дли М.И. Мультимодельный метод прогнозирования процессов с переменными структурами.

41. Дьяконов В.П., Круглов В.В. MATLAB. Анализ, идентификация и моделирование систем. Специальный справочник. СПб.: Питер, 2002.

42. Головко В.А. Нейронные сети: обучение, организация и применение. -М.: ИПРЖР, 200.

43. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия Телеком, 2001.

44. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002.

45. Уоссермен Ф. Нейрокомпьютерная техника. -М.: Мир, 1992.

46. Каллан Р. Основные концепции нейронных сетей. М.: «Вильяме», 2001.

47. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.

48. Галушкин А.И. Теория нейронных сетей. -М.: ИПРЖР, 2000.

49. Дьяконов В.П., Круглов В.В. Математические пакеты расширений MATLAB. Специальный справочник. СПб.: Питер, 2001.

50. Заде JI. Понятие лингвистической переменной и его применение для принятия приближенных решений. -М.: Мир, 1976.

51. Литвак Б.Г. Экспертная информация. Методы получения и анализа. -М.: Радио и связь, 1982.

52. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001.

53. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М.: Физматлит, 2002.

54. Круглов В.В., Борисов В.В. Гибридные нейронные сети. Смоленск: Русич, 2001.

55. Ротштейн А.П., Познер М., Ракитянская А.Б. Нейро-нечеткая модель прогнозирования результатов спортивных игр. // Труды 8-й Всероссийской конф. «Нейрокомпьютеры и их применение» НКП-2002. М.:2002. С.251-263.

56. Бабешко Л. О. Коллокационные модели прогнозирования в финансовой сфере. М.: ЭКЗАМЕН, 2001.

57. Гхосал А. Прикладная кибернетика и ее связь с исследованием операций. М.: Радио и связь, 1982.

58. Ивахненко А. Г., Зайченко Ю. П., Димитров В. Д. Принятие решений на основе самоорганизации. М.: Сов. радио, 1976.

59. Тихонов В. И. Статистическая радиотехника. М.: Радио и связь, 1982.

60. Вентцель Е. С., Овчаров Л. А. Теория случайных процессов и ее инженерные приложения. М.: Наука, 1991.

61. Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

62. Круглов В. В., Борисов В. В. Гибридные нейронные сети. Смоленск: Русич, 2001.

63. Ротштейн А. П., Познер М., Ракитянская А. Б. Нейронечеткая модель прогнозирования результатов спортивных игр. // Труды 8-й Всероссийской конф. «Нейрокомпьютеры и их применение» НКП-2002. М.: 2002. С.251-263.

64. Ротштейн А. П., Познер М., Ракитянская А. Б. Нейронечеткая модель прогнозирования динамики заболеваний. // Труды 8-й Всероссийскойконф. «Нейрокомпьютеры и их применение» НКП-2002. М.: 2002. С. 664-667.

65. Jang R. ANFIS: Adaptive-Network-Based Fuzzy Inference. 1993. V.23. №3. P.665-685.

66. Круглов В. В., Абраменкова И. В. Компьютерная поддержка систем нечеткой логики. // Сб. трудов Международной научной конференции «Математические методы в интеллектуальных системах» ММИИС-2002. Смоленск, 2002. С.6-7.

67. Ивахненко А.Г, Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987.

68. Ивахненко А. Г. Системы эвристической самоорганизации в технической кибернетике. Киев: Техника, 1969.

69. Ивахненко А. Г., Лапа В. Г. Предсказание случайных процессов. Киев: Наукова думка, 1971.

70. Holt С. С. Forecasting seasonals and trends by exponentially weighted moving averages. / Carnegie Inst. Tech. Res. 1957. Men. №52.

71. Winters P. R. Forecasting sales by exponentially weighted moving averages. // Mgmt.Sci. 1960.№6. P. 324-332.

72. Harrison PJ. Shot-merm sales forecasting. // Applied Statistics. 1965.№14. P. 102-112.

73. Планирование эксперимента в исследовании технологических процессов. / К. Хартман, Э. Лецкий, В. Шефер и др. М.: Мир, 1977.

74. Редкозубов С. А. Статистические методы прогнозирования в АСУ. М.: Энергоиздат, 1981.

75. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. М.: Наука, 1974.

76. Крутько П. Д. Статистическая динамика импульсных систем. М.: Сов. радио, 1963.

77. Лэнинг Дж. X., Бэттин Р. Г. Случайные процессы в задачах автоматического управления. М.: Изд-во иностр. лит-ры, 1958.

78. Питерсон И. Л. Статистический анализ и оптимизация систем автоматического управления. М.: Сов. радио, 1964.

79. Концепция развития химической и нефтехимической промышленности на период до 2010 года М., 2003.

80. Химическая и нефтехимическая промышленность России. Аналитическая записка ЗАО «ИК АВК». М.,2004.

81. Официальный интернет-сайт рейтингового агентства «Эксперт РА» -hppt: // www.raexpert.ru.

82. Потенциал для процветания есть. Журнал «Экономика России XXI век» №14, 2004.

83. Официальный интернет-сайт республики Башкортостан —

84. Инвестиционный обзор промышленности республики Башкортостан. -Уфа, БашКредит Банк, 2003.

85. Здоровье экономики в силе государства. Интервью с Муртазой Рахимовым Президентом Башкортостана. «Нефтегазовая Вертикаль» №7-8, 2000.

86. Лента новостей информационного агентства «Башинформ», 2004. -http://www.bashinform.ru.

87. Официальный интернет-сайт ОАО «Салаватнефтеоргсинтез» hppt://www.snos.ru.

88. Обзор отрасли: нефтехимия Башкирии и Татарстана. Отраслевой обзор ЗАО "РосБизнесКонсалтинг". М., 2003.

89. Ежеквартальный отчет ОАО «Уфанефтехим» за III квартал 2004 г. -Уфа, 2004.

90. Ежеквартальный отчет ОАО «Уфанефтехим» за III квартал 2003 г. -Уфа, 2003.

91. Ежеквартальный отчет ОАО «Салаватнефтеоргсинтез» за III квартал 2004 г. Башкортостан, Салават, 2004.92.0фициальный инетрнет-сайт ЗАО «Стерлитамакский нефтехимический завод» http://www.snhz.ru

92. Официальный интернет-сайт ЗАО «Каучук» hppt://www.kautschuk.ru

93. Ежеквартальный отчет ЗАО «Каустик» за III квартал 2004 г. — Башкортостан, Стерлитамак, 2004.

94. Шакиев В. Башкирские предприятия лауреаты конкурса «Всероссийская марка (III тысячелетие). Знак качества XXI века» - Уфа: «Башинформ», 2004.

95. Кафаров В.В. Методы кибернетики в химии и химической технологии. -М.: Химия, 1986.

96. Вальков В.М., Вершин В.Е. Автоматизированные системы управления технологическими процессами. М.: Политехника, 1991.

97. Информационный портал, посвященный разработке, поставке и внедрению систем сбора данных и оперативного диспетчерского управления -http://www.scada.ru

98. Мировой рынок стирола: спрос и перспективы развития Материалы информационно-аналитического агентства RCC Group. hppt:/www.rccnews.ru

99. Мировой нефтехимический рынок: состояние и прогнозы. Материалы информационно-аналитического агентства RCC Group.-hppt:/www.rccnews.ru

100. Официальный интернет-сайт Госкомстата РФ. hppt:/www.gks.ru

101. Браммер К., Зиффлинг Г. Фильтр Калмана-Бьюси. М.: Наука. 1982.

102. Круглов В.В., Пучков А.Ю. Оптимальная линейная фильтрация в условиях случайной дискретизации сигналов.- М.: Деп. ВИНИТИ 24.11.94. N2685-1394.

103. Круглов В.В, Пучков А.Ю. Алгоритм определения параметров дискретного фильтра Калмана при случайной дискретизации сигналов // Сб.науч. трудов "Устройства и системы автоматического управления / Смоленский филиал МЭИ 1996. С. 24-27.

104. Сейдж Э., Мелса Дж. Теория оценивания и ее применение в связи и управлении. М.: Связь. 1976.

105. Фильтрация и стохастическое управление в динамических системах / Под ред. К.Т.Леондеса М.: Мир. 1980.

106. Вероятностные методы обработки данных в информационых системах/ Ю.В. Бородакий, Н.А. Курицина, Ю.П. Кулябичев, Ю.Ю. Шумилов. М.: Радио и связь. 2003.

107. Изерман Р. Цифровые системы управления. М.: Мир. 1984.

108. Прохоренкова А.Т. Разработка и исследование методов оптимальной линейной фильтрации в условиях случайной дискретизации сигналов. Дисс. канд. техн. наук. М.: Моск.энерг. ин-т. 1993.

109. Круглов В.В., Прохоренкова А.Т. Винеровская фильтрация в условиях случайной дискретизации // Изв. РАН Теория и системы управления. 1995. N4. С. 47-57.

110. Бесекерский В.А., Попов Е.П. Теория систем автоматического управления. М.: Наука. 1972.

111. Основы управления технологическими процессами / Под ред.Н.С. Райбмана. М.: Наука. 1978.

112. Толчеев О.В., Ягодкина Т.В. Методы идентификации одномерных линейных динамических систем. М.: Издательство МЭИ. 1997.

113. Чураков Е.П. Оптимальные и адаптивные системы. М.: Энергоатомиздат. 1987.

114. Вазан М. Стохастическая аппроксимация. М.: Мир, 1972.

115. Холл Д., Уатт Д. Современные численные методы решения обыкновенных дифференциальных уравнений. М.: Мир. 1979.

116. Бахвалов Н.С, Жидков Н.П., Кобельков Г.М. Численные методы. М.: Наука. 1987.

117. Ефитов Г.Л., Артемьев С.Б. АСУТП на химических предприятиях. -М.: Химия, 1990.

118. Автоматизация управления предприятием / В.В. Баронов, Г.Н. Калянов, Ю.Н.Попов и др. М.: Инфра-М, 2000.

119. Отчет по использованию производственных мощностей ОАО «Салаватнефтеоргсинтез» за 11 месяцев 2004 г. Салават, 2004

120. Обзор отрасли: производство полимеров. Аналитический отдел РИА «РосБизнесКонсалтинг» М., 2003.