Структурно-классификационные методы анализа и прогнозирования в социально-экономических системах управления тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат технических наук Дорофеюк, Юлия Александровна

• Дорофеюк, Юлия Александровна
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Дорофеюк, Юлия Александровна

ОГЛАВЛЕНИЕ

Введение

Глава 1. Современное состояние методов классификационного ана- 11 лиза в социально-экономических системах управления. Постановка задачи исследования.

1.1. Методы автоматической классификации объектов * *

1.1.1. Содержательная постановка задачи. Эвристические алгорит-

мы автоматической классификации

1.1.2. Формальная постановка задачи - вариационный подход к зада-

че автоматической классификации

1.1.3. Формальная постановка задачи - вероятностно-статистический

подход

1.1.4. Методы диагонализации матрицы связи

1.2. Структурный подход к проблеме исследования социально- 49 экономических систем управления - постановка задачи

Глава 2. Разработка методов и алгоритмов структурно-классифика- 52 ционного анализа сложно-организованных данных

2.1. Разработка комплекса алгоритмов автоматической классификации

2.1.1. Алгоритм га-локальной оптимизации

2.1.1.1. Случай одномерной классификации 5

2.1.1.2. Размытый вариант алгоритма

2.1.2. Алгоритм выбора информативных параметров

2.1.2.1. Алгоритм ш-локальной оптимизации в задаче группиров- 63 ки параметров

2.1.2.2. Процедура выбора информативных параметров

2.1.3. Алгоритм построения начального разбиения

2.1.4. Алгоритм выбора числа классов

2.1.5. Особенности реализации комплексного алгоритма 7 *

2.1.5.1. Выбор свободных параметров алгоритма

2.1.5.2. Процедура заполнения пропущенных наблюдений

2.1.6. Адаптивный вариант комплексного алгоритма

2.2. Разработка классификационного алгоритма повышения достоверно- 79 сти статистических показателей в условиях малых выборок

86

88

2.2.1. Содержательная постановка задачи

82

2.2.2. Метод структурной группировки объектов

2.2.2.1.Формирование виртуального объекта для /-эталонного 83 объекта

2.2.2.2. Процедура масштабирования

2.3. Разработка алгоритмов построения хорошо интерпретируемых клас- 87 сификаций

2.3.1. Покоординатная и спрямляющая классификации

2.3.2. Содержательно-экспертная классификация.

2.4. Моделирование и анализ эффективности разработанных алгоритмов 94 структурно-классификационного анализа

2.4.1. Формирование массивов данных для моделирования

2.4.2. Результаты моделирования

Глава 3. Разработка методов и алгоритмов структурно-классификационного прогнозирования в социально-экономических системах управления

3.1. Разработка алгоритма структурного прогнозирования в социально- 104 экономических системах управления

3.1.1. Методы классификационного анализа в задаче структурно- 105 классификационного прогнозирования объектов в динамике

3.1.2. Алгоритм структурно-классификационного прогнозирования

3.2. Разработка адаптивного алгоритма структурного прогнозирования в 109 условиях существенной динамики структуры объектов

3.3. Разработка оптимальных алгоритмов кусочно-линейной аппрокси- 112 мации для задач структурной идентификации и структурного прогнозирования

3.3.1. Постановка задачи

94

104

112 116

3.3.2. Методы решения задачи кусочной аппроксимации

3.3.2.1. Алгоритм, базирующийся на вариационном подходе.

3.3.2.2. Двухэтапный алгоритм кусочно-линейной идентифика- 123 ции

Глава 4. Использование структурно-классификационных методов 127 анализа и прогнозирования для решения прикладных задач

4.1. Разработка программно-алгоритмического комплекса структурно- 127 классификационного анализа сложноорганизованных данных (ПАК)

157

4.1.1. Состав программно-алгоритмического комплекса

4.2. Задача исследования социально-экономического развития субъектов 135 РФ

^

4.2.1. Отбор и предобработка исходных данных

4.2.2. Структуризация исходных параметров и отбор основных по- 138 казателей, характеризующих регионы

4.2.3. Классификация регионов и прогнозирование показателей их 144 социального развития

4.3. Задача разработки системы мониторинга и оценки эффективности 151 функционирования жилищно-коммунального хозяйства крупного города

4.3.1. Результаты предварительного обследования существующей 154 системы

4.3.2. Структура и состав первичной информации (первичных показателей).

4.3.3. Экспертно-классификационные методы структуризации первичных показателей и объектов оценки

4.3.4. Методы экспертно-статистической корректировки результатов

4.4. Задача корректировки (сглаживания) оценок показателей экономической активности по субъектам РФ в условиях малых выборок

4.4.1. Результаты работы метода на примере конкретного региона

4.4.2. Результаты экспериментальных расчетов

4.5 Структурно-классификационный анализ пульсового сигнала лучевой артерии в задачах медицинской диагностики.

4.5.1. Основные характеристики пульсового сигнала

4.5.2. Структурно-классификационные алгоритмы выделения характерных элементов пульсового сигнала

4.5.3. Классификации характеристик пульсограмм

4.5.4. Методы классификационного анализа параметров пульсового сигнала в задачах медицинской диагностики

Заключение и основные выводы Список использованной литературы Приложения

162

167

172

173

174

179

185 187

Введение диссертации (часть автореферата) на тему «Структурно-классификационные методы анализа и прогнозирования в социально-экономических системах управления»

Введение

В современных условиях возрастает важность и актуальность задач исследования сложных, слабо формализованных систем управления. Это относится ко многим сферам деятельности - социально-экономической, политической, научной, образовательной и др., однако такие исследования наиболее актуальны именно для социально-экономической сферы деятельности. Как совершенно справедливо отмечено в [1] рыночные отношения требуют от экономических субъектов взвешенного подхода к планированию производственного процесса. Как недопроизводство, так и перепроизводство ведут к недополученным прибылям или потерям, что в определённых условиях может привести к серьезным структурным изменениям. Необходимость оперативного реагирования на конъюнктуру рынка и быстро меняющуюся экономическую ситуацию, стремительный рост объёма обрабатываемой информации, неопределённость в поведении социально-экономических и производственных субъектов, а также появившаяся возможность использовать современные информационные технологии требуют разработки высокоэффективных методов анализа и прогнозирования основных экономических процессов и тенденций для совершенствования процессов управления (прежде всего, процессов принятия управленческих решений).

В настоящее время разработано множество методов и алгоритмов, предназначенных для анализа и совершенствования, а также для прогнозирования базовых параметров функционирования социально-экономических объектов. Эффективность подобных методов во многом определяется выбором используемого инструментария в этих разработках. Наиболее используемыми являются методы математической статистики, а также экспертные методы. Следует отметить, что в последнее время появился целый класс социально-экономических систем, который характеризуется с одной стороны повышенной сложностью и высокой размерностью объектов, входящих в систему, а с другой -существенно возросшей неопределенностью и размытостью как самих параметров, характеризующих эти объекты, так и методов принятия решений в процессе функ-

ционирования таких систем. Для подобных систем прогнозирование точных значений параметров (или их вероятностных характеристик), определяющих функционирование объектов в составе системы, становится чрезвычайно сложным, а в некоторых случаях практически невозможным. В этих условиях необходимо искать новые подходы, позволяющие разработать методы анализа и прогнозирования специальных интегральных характеристик рассматриваемой системы.

В диссертации для такого класса сложных социально-экономических систем разработаны структурно-классификационные методы анализа и прогнозирования, базирующиеся на методологии классификационного анализа сложно организованных данных. Необходимо отметить, что тематика классификационного анализа данных широко развита как в России, так и за рубежом. Помимо одной из ведущих в мире школы М.А.Айзермана (Э.М.Браверман, Е.В.Бауман, И.Б.Мучник), большой вклад в эту область внесли следующие учёные: Ю.И.Журавлёв, Я.З.Цыпкин, К.В.Рудаков, Н.Г.Загоруйко, М.И.Шлезингер, В.А.Ковалевский, В.А.Якубович, Ю.И.Неймарк, С.А.Айвазян, В.М.Бухштабер, В.В.Моттль, С.Д.Двоенко, Б.Г.Миркин, Ь.гаёеЬ, Г.ЯозепЫай, Е.Б1<1ау, 1.С.Вегс1ек, К.8.Би, О.Ва11, Б-БПеу и др.

Основная идея предлагаемого в работе подхода состоит в следующем. Для исследуемой системы реально существует выраженная структура рассматриваемых объектов, а также существует такое пространство параметров, которое достаточно полно описывает исследуемую систему объектов. Каждый рассматриваемый объект представляется точкой в этом пространстве параметров. Предлагается при анализе и прогнозировании исследовать не положение соответствующих точек в пространстве параметров, а принадлежность каждой точки (объекта) к некоторому классу в рамках такой структуры. Таким образом, задача сводится к выявлению структуры взаиморасположения точек в многомерном пространстве параметров и прогнозированию в следующий момент времени принадлежности каждого объекта к некоторому классу выявленной структуры. Разработке методов решения именно таких задач и посвящена настоящая диссертационная работа.

Цель диссертационной работы. Основной целью диссертационной работы является создание методологии и разработка алгоритмической базы структурно-классификационного анализа и прогнозирования для сложных систем управления.

Задачи исследования. Для достижения поставленной цели в диссертации сформулированы и решены следующие задачи:

• анализ существующих методов структуризации (классификации) исходной информации, а также методов прогнозирования для решения широкого класса прикладных задач;

• создание методологии и разработка алгоритмов структурно-классификационного анализа сложно организованных данных;

• создание структурных методов прогнозирования в задачах исследования сложных социально-экономических систем управления;

• компьютерное моделирование разработанных алгоритмов и процедур при решении как модельных, так и прикладных задач.

Объект и предмет исследования. Объектом исследования являются сложные социально-экономические системы управления, функционирующие в условиях неопределенности, слабой формализации и наличии пропущенных наблюдений, а предметом исследования - методы, алгоритмы и процедуры структурно-классификационного анализа и прогнозирования.

Методы исследования. Полученные в диссертации результаты основываются на использовании системного подхода; аппарата математической статистики; методов теоретической и прикладной информатики, в том числе методов интеллектуального анализа сложно организованных данных, распознавания образов и автоматической классификации; численных методов; имитационного моделирования.

Научная новизна. Впервые предложена методология структурного анализа и прогнозирования для исследования сложных систем управления, функционирующих в условиях слабой формализации и неопределённости. Разработан новый высокоэффективный комплекс алгоритмов автоматической

классификации, включающий алгоритмы: m-локальной оптимизации заданного критерия качества классификации, выбора информативных параметров, заполнения пропущенных наблюдений, выбора начального разбиения, выбора оптимального числа классов. Впервые разработана методология структурного прогнозирования, которая использовалась для создания соответствующих алгоритмов. Разработаны новые эффективные алгоритмы структурной идентификации сложных систем, базирующиеся на процедурах кусочной аппроксимации моделей функционирования сложных социально-экономических и производственно-технологических систем управления. Разработана методика проведения имитационного моделирования с целью проверки эффективности созданных в диссертационной работе алгоритмов и процедур автоматической классификации.

Практическая ценность результатов. Разработанные в диссертационной работе методы, алгоритмы и процедуры использовались при решении следующих прикладных задач:

1. Исследование социально-экономического развития субъектов РФ.

Эта задача имеет чрезвычайно важное прикладное значение для оптимизации и повышения эффективности финансирования субъектов РФ по социальным программам из федерального бюджета.

2. Разработка системы мониторинга и оценки эффективности функционирования жилищно-коммунального хозяйства крупного города.

После указа Президента РФ от 26 июня 2007 г. № 825 «Об оценке эффективности деятельности органов исполнительной власти субъектов Российской Федерации» задача оценки эффективности работы системы ЖКХ стала одной из важнейших задач государственного управления.

3. Задача корректировки (сглаживания) оценок показателей экономической активности по субъектам РФ в условиях малых выборок.

Решение этой задачи позволило существенно повысить достоверность оценок экономической активности населения по регионам без дополнительного финансирования соответствующей службы мониторинга.

4. Структурно-классификационный анализ пульсового сигнала лучевой артерии в задачах медицинской диагностики.

На базе результатов решения этой задачи разработана методика ранней диагностики гипертензии детей и подростков. Внедрение этой методики позволит на порядок повысить эффективность выявления этого достаточно распространенного заболевания.

Основные положения, выносимые на защиту.

1. Методология структурно-классификационного анализа и прогнозирования

для сложных систем управления.

2. Алгоритмическое обеспечение задач автоматической классификации сложно организованных данных и структурного прогнозирования.

3. Методология имитационного моделирования и проверки эффективности разработанных алгоритмов автоматической классификации.

4. Программно-алгоритмический комплекс структурно-классификационного анализа сложно организованных данных.

5. Результаты апробации методологии и разработанных алгоритмов и процедур структурно-классификационного анализа и прогнозирования в задачах исследования социально-экономического развития субъектов РФ; разработки системы мониторинга и оценки эффективности функционирования ЖКХ крупного города; структурно-классификационного анализа пульсового сигнала лучевой артерии в задачах медицинской диагностики; корректировки (сглаживания) оценок показателей экономической активности по субъектам РФ в условиях малых выборок

Практическая значимость работы состоит в том, что использование разработанных в ней методов и алгоритмов позволяет повысить эффективность решения широкого круга прикладных задач. В работе были решены следующие прикладные задачи: исследование социально-экономического развития субъектов РФ; разработка системы мониторинга и оценки эффективности ЖКХ крупного города; задача корректировки (сглаживания) оценок показателей экономической активности по субъектам РФ в условиях малых

выборок; структурно-классификационный анализ пульсового сигнала лучевой артерии в задачах медицинской диагностики. Эффективное применение разработанных в диссертации алгоритмов и процедур во всех описанных прикладных задачах подтверждается соответствующими актами о внедрении.

Апробация работы. Основные результаты диссертационной работы докладывались на семинарах ИПУ РАН, МГИЭМ (ТУ), на общемосковском семинаре «Экспертные оценки и анализ данных» (2007, 2008, 2009, 2010 гг.); на 19 международных и 9 всероссийских конференциях, в том числе: Международная конференция по проблемам управления (МКПУ) - 2006, 2009; «Интеллектуализация обработки информации» (ИОИ) - 2006, 2008, 2010; «Управление развитием крупномасштабных систем» (MLSD) - 2007, 2008, 2009, 2010, 2011; «Когнитивный анализ и управление развитием ситуаций» (CASC) - 2007, 2009, 2011; «Теория активных систем» (TAC) - 2007, 2009, 2011; «Инноватика» (Сочи) - 2006, 2007; «Автоматизация в промышленности» - 2009, Симпозиум IFAC (Москва) - 2009; «Математические методы распознавания образов» (ММРО-15, Петрозаводск) - 2011; «Проблемы управления и информационные технологии» (ПУИТ, Самара) - 2008; «Молодёжная конференция по проблемам управления» (МолКПУ, Москва) - 2008; «Проблемы управления и моделирования в сложных системах» (ПУМСС, Самара) - 2009; «Управление большими системами» (УБС) - 2008 (Липецк), 2009 (Ижевск), 2010 (Пермь), 2011 (Магнитогорск).

Публикации. Автором опубликовано 36 основных работы по теме диссертации, в том числе 14 публикаций в реферируемых изданиях списка ВАК.

Структура и объем работы. Диссертация состоит из введения, четырёх глав, заключения, списка литературы, содержащего 146 наименований, Приложения. Основной текст диссертации излагается на 193 машинописных страницах и содержит 15 рисунков и 12 таблиц, Приложение содержит 81 страниц текста.

Заключение диссертации по теме «Управление в социальных и экономических системах», Дорофеюк, Юлия Александровна

ЗАКЛЮЧЕНИЕ

В диссертационной работе сформулирована и решена важная народнохозяйственная проблема создания методологии анализа и прогнозирования сложных, слабо формализованных систем управления, в основном социально-экономического характера.

Для создания такой методологии разработаны новые эффективные методы и алгоритмы интеллектуального анализа и обработки сложно организованных данных, а также методы структурно-классификационного прогнозирования для сложных социально-экономических систем.

Эффективность этих разработок подтверждена результатами компьютерного моделирования, а также результатами решения 4 крупных прикладных задач.

В рамках решения сформулированной выше проблемы получены следующие основные результаты.

1. Создана методология и программно-алгоритмическая база структурно-классификационного анализа сложно организованных данных, в том числе:

1.1. разработаны методы и алгоритмы структуризации параметров и выбора информативных характеристик функционирования исследуемых объектов;

1.2. разработаны методы и алгоритмы автоматической классификации объектов;

1.3. разработаны процедуры оптимизации выбора числа классов в задачах автоматической классификации объектов;

1.4. разработана процедура выбора начальных условий в задачах автоматической классификации;

1.5. разработан алгоритм структуризации информации в задачах с пропущенными данными;

1.6. разработаны алгоритмы построения хорошо интерпретируемых классификаций.

2. Проведено моделирование и анализ эффективности разработанных алгоритмов структурно-классификационного анализа.

3. Разработан программно-алгоритмический комплекс (ПАК) структурно-классификационного анализа сложноорганизованных данных.

4. Создана методология структурно-классификационного прогнозирования в задачах исследования сложных социально-экономических систем, в том числе:

4.1. разработан алгоритм структурного прогнозирования, базирующийся на методологии классификационного анализа;

4.2. разработан алгоритм адаптивного структурного прогнозирования в задачах исследования систем с существенно изменяющейся со временем структурой объектов;

4.3. разработан алгоритм структурной идентификации в задачах прогноза функционирования сложных объектов управления;

5. Проведено компьютерное моделирование разработанных алгоритмов и процедур при решении как модельных, так и ряда прикладных задач, в том числе:

5.1. исследование социально-экономического развития субъектов РФ; 5.2 разработка системы мониторинга и оценки эффективности функционирования жилищно-коммунального хозяйства крупного города;

5.3. разработка алгоритма корректировки (сглаживания) оценок показателей экономической активности по субъектам РФ в условиях малых выборок;

5.4. структурно-классификационный анализ пульсового сигнала лучевой артерии в задачах медицинской диагностики.

Список литературы диссертационного исследования кандидат технических наук Дорофеюк, Юлия Александровна, 2012 год

Список литературы

1. Дж. Бокс, Г.Дженкинс Анализ временных рядов. Прогноз и управление. - М.: Изд. «Мир», 1974, 406 с.

2. С. Ушке Математическая статистика. - М.: «Наука», 1967, 632 с.

3. Айвазян СЛ., Мхитарян B.C. Прикладная статистика и основы эконометрии. - М.: ЮНИТИ, 1998.

4. Орлов А.И. Эконометрика: Учеб. пособ. для вузов - М.: Издательство «Экзамен», 2002.-576 с. Тихонов Э.Е. Методы прогнозирования в условиях рынка: учебное пособие. - Невиниомысск, 2006. -221 с.

6. Андерсон Т. Статистический анализ временных рядов. - М.: Наука, 1976. - 343 с. 7 Четыркин Е.М. Статистические методы прогнозирования. - М.: Статистика, 1977.

8. Легостаева И.Л., Ширяев А.Н. Минимальные веса в задаче выделения тренда случайного процесса. -

«Теория вероятностей и ее применение», 1971,-Т. XVI, -№2. 9 Brown R.G. "Smoothing, Forecasting and Prediction". Prentice-Hall, Englewood Cliffs, N.Y., 1963.

10. Рожков Л.Н., Френкель A.A. Выбор оптимального параметра сглаживания в методе экспоненциального сглаживания. - Основные проблемы и задачи научного прогнозирования. - М.: Наука, 1972,- 154 с.

11. Nerlove М. "The Dynamics of Supply: Estimation of Farmers Response to Price". The Johns Hopkins Press. Baltimore, 1958.

12. Френкель A.A. Математические методы анализа динамики и прогнозирования производительности труда. - М.: Наука, 1972.

13. Гренджер К, Хатанака М. Спектральный анализ временных рядов в экономике. Пер.с англ. - М.: Статистика., 1972. - 312 с.

14. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. - Киев: Наукова думка, 1975.-340 с.

15. Чуев Ю.В., Михайлов Ю.Б., Кузьмин В.И. Прогнозирование количественных характеристик процессов. М., «Сов. радио», 1975.-400 с.

16. Ивахненко А.Г., Лапа Р.Г. Предсказание случайных процессов. - Киев: Наукова думка, 1971.-416с.

17. 'Волн Б.. Хуанъ К. Дж. Многомерные статистические методы для экономики. М.: Наука, 1979. - 348 с.

. Если N = 0,

18. Хенан Э.Дж. Многомерные временные ряды. - М.: Мир, 1986. - 346 с.

19. Ивахненко А.Г., Степаненко B.C. Особенности применения метода группового учета аргументов в задачах прогнозирования случайных процессов//Автоматика. -1986. - №5. - С. 3-14.

20 Бодянский Е.В., Кучеренко Е.И. Диагностика и прогнозирование временных рядов многослойной ради-ально-базисной нейронной сети //Труды VIII Всероссийской конференции «Нейрокомпьютеры и их применение»: Сб. докл., 2002. - С. 69-72.

21. ЛизерС. Эконометрические методы и задачи.-М.: Статистика, 1971.-141с.

22. Wold Я A Study in the Analysis of Stationary Time Series. Stockholm: Almqvist and Wiksel, 1938.

23. Канторович Г.Г. Лекционные и методические материалы: Анализ временных рядов//Экономический журнал ВШЭ.-2002,-№1-С.85-116.

24. Bachelier L. «Theorie de la Speculation», Annales de l'Ecole Normal Superieure. 1900. Series 3, 17, 21-86.

25. Носко В.П. Эконометрика. Введение в регрессионный анализ временных рядов, М.:,www.iet.ru, 2002

26. Канторович Г.Г. Анализ временных рядов // Экономический журнал ВШЭ. - 2002. - №2. - С. 251 -273.

27. Е. А. Гребенюк "Методы анализа нестационарных временных рядов с неявными изменениями свойств "Автоматика и Телемеханика, 2005, № 12, 3-30

28. Nelson C.R. and Kang Н. Pitfalls in the Use of Time as an Explanatory Variable in Regression // Journal of

Business & Economic Statistics. 1984. V. 2. P.73-81.

29. Chan K.H, Hayya J.C., OrdJ.K. A Note on Trend Removal Methods: The Case of polynomial versus vatiate

differencing//Econometrica. 1977. V.45. P.737-744.

30. Nelson C.R., Kang H. Spurious Periodicity in Inappropriately Detrended Time Series // Journal of Monetary

Economics. 1981. No. 10. P. 139-162.

31. Slutsky E. The Summation of Random Causes as the Source of Cyclical Processes // Econometrica. 1937.V. 4.

P.105-46.

32 Stock J.H. Unit roots, structural breaks and trends // Handbook of econometrics. 1994. V. IV. P. 2740-2841.

33. Mann H.B., Wald A. On Stochastic Limit and Order Relationships // Annals of Mathematical Statistics. 1943. V.14 P. 217-277.

34. White J.S. The Limiting Distribution of the Serial Correlation Coefficient in the Explosive Case // Annals ot Mathematical Statistics. 1958. V.29. P. 1188-1 197.

35. Phillips P.C.B. Time Series Regression with a Unit Root // Econometrica. 1987 V. 55. P. 277-301.

36. Dickey D.A. Estimation and Hypothesis Testing in Nonstationary Time Series // Ph. D. dissertation. Iowa

State University. 1976.

37. Fuller W.A. Introduction to Statistical Time Series. New York: Wiley, 1976.

38. Hamilton J. D. Time Series Analysis. Prinseton: Princeton University Press. 1994

39. Dickey D.A., Fuller W.A. Distribution of the Estimators for Autoregressive Time Series with a Unit Root // Journal of the American Statistical Association. 1979. V.74. P. 427-431.

40. Dickey D.A., Fuller W.A. Likelihood Ratio Statistics for Autoregressive Time Series With a Unit Root //

Econometrica. 1981. V.49. P. 1057-1072.

41. Dolado H„ Jenkinson Т., Sosvilla-Rivero S. Cointegration and Unit Roots //Journal of Economic Surveys.

1990. №4, P. 243-273.

42. Phillips P.C.B., Perron P. Testing for a Unit Root in Time Series Regression // Biometnka. 1987. V.75. P. 335-346.

43. Newey W„ West К A Simple Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Co-

variance Matrix // Econometrica. 1987. V. 55. P.703-708.

44. MacKinnon J.G. Critical Values for Cointegration Tests // Глава 13 в . Longrun Economic Relationships: Readings in Cointegration, edited by Engle R.F.and Granger C.W.J., Oxford University Press. 1991.

45. MacKinnon J. G. Approximate asymptotic distribution functions for unit-root and cointegration tests // Journal of Business and Economic Statistics. 1994. No. 12. P. 167-176.

46. Ericsson N. R., MacKinnon J. G. Distributions of error correction tests for cointegration // Econometrics

Journal. 2002. №5. P. 185-318.

47. Kwiatkowski D„ Phillips P.C.B., Schmidt P., Shin Y. Testing of the Null Hypothesis of Stationary against the Alternative of a Unit Root // Journal of Econometrics. 1992. V. 54. P.159-178.

48. Elliott G., Rothenberg T.J., Stock J.H Efficient Tests for an Autoregressive Unit Root// Econometrica. 1996.

V.64. P. 813-836. .

49. Granger, C. W.J. Developments in the Study of Cointegrated Variables // Oxford Bulletin of Economics and

Statistics. 1986. V. 48. P. 213-228.

50. Granger C. W.J. Co-Integrated Variables and Error-Correcting Models // UCSD Discussion Paper. 1983. P.

83-13. . .

51. Engle R.F., Granger C. W.J. Co-integration and Error Correction: Representation, Estimation, and Testing //

Econometrica. 1987. V.55. P. 251-276.

52. Johansen S. Statistical Analysis of Cointegration Vectors // Journal of Economic Dynamics and Control. 1988.

No. 12. P. 231-254.

53. Phillips P.С. В., Ouliaris S. Testing for cointegration using principal components methods //Journal of Economic Dynamics and Control 1988. №12. P. 205 -230.

54. Perron P. The Great Crash, the Oil Price Shock and the Unit Root Hypothesis // Econometrica. 1989. V.57.

P.1361—1401.

55. Maddala G. The effects of different types of outliners on unit root tests // Advance in Econometrics. 1997. V. 13. JAI Press. Greenwich Conn.

56. Perron P. Further Evidence on Breaking Trend Functions in Macroeconomic Variables // Journal of Econometrics. 1997. V.80. P. 355-385.

57. Gregory A. W., Nason J.M., Watt D. Testing for structural breaks in cointegrated relationships II Journal of

econometrics. 1994. P. 491-504.

58. Боровков A.A. Математическая статистика. M.: Наука, 1984.

59. Chow G.C. Tests of Equality Between Sets of Coefficients in Two Linear Regressions // Econometrica. 1960. V. 28. P. 591-605.

60. Quandt R.E. Tests of the Hypothesis that a Linear Regression System Obeys Two Separate Regimes // Journal of the American Statistical Association. 1960. V. 55. P. 324-330.

61. Andrews D. W.K. Tests for Parameter Instability and Structural Change with Unknown Change Point // Econometrica. 1993.V.61. P. 821-856.

62. Hansen B.E. Approximate asymptotic p values for structural-change tests // Journal of Business & Economic

Statistics. 1997. V.15. P. 60-67.

63. Hansen B.E. Tests for parameter instability in with regression with 1(1) processes // Journal of business and economic statistics. 1992. №10. P.321 -335.

64. Andrews D. W. К and Ploberger W. Optimal Tests When a Nuisance Parameter is Present Only Under the Alternative // Econometrica. 1994. V. 62. P. 1383-1414.

65. Inclan C., Tiao G.C. Use of Cumulative Sums of Squares for Retrospective Detection of Changes of Variance // Journal of the American Statistical Association. 1994. V. 89.P. 913-923.

66. Bai J., Perron P. Estimating and Testing Linear Models With Multiple Structural Changes // Econometrica. 1998.V. 66. P. 47-78.

67. Chong T.T.L. Partial Parameter Consistency in a Misspecified Structural Change Model// Economics Letters. 1995. V. 49. P. 351-357.

68. Lepski O., Spokoiny V. Optimal pointwise adaptive methods in nonparametric estimation // Annals of Statistics. 1997. V. 25. P. 2512-2546.

69. Liptser R„ Spokoiny V. Deviation probability bound for martingales with applications to statistical estimation

// Stat. & Prob. Letter. 1999. V. 46. P. 347-357.

70. Brown R.L., Durbin J., Evans J.M. Techniques for Testing the Constancy of Regression Relationships over Time with Comments // Journal of the Royal Statistical Society. 1975. Series B, V.37. P. 149 - 192.

71. Ploberger W., Kramer W. The CUSUM Test With OLS Residuals // Econometrica. 1992. V. 60. P. 271 - 286.

72. Никифоров И.В. Применение кумулятивных сумм для обнаружения изменения характеристик случайного процесса. / АиТ, 1979, №2, с. 48-58.

73. Chu C.S.J., Hornik К, Kuan С.М. MOSUM tests for parameter constancy // Biometrika. 1995. V. 82. P. 603617.

74. Ploberger W., Kramer W., Kontrus К A. New Test for Structural Stability in the Linear Regression Model //Journal of Econometrics. 1989. V. 40. P. 307-318.

75. Karatzas /., Shreve S.E. Brownian Motion and Stochastic Calculus. New York. Springer Verlag, 1991.

76. Chu C.S.J., Stinchcombe M., White H. Monitoring structural change // Econometrica. 1996. V. 64. P. 10451065.

77. Leisch F., Hornik K, Kuan C.M. Monitoring structural changes with the generalized fluctuation test // Econometric Theory. 2000. V.16. P. 835-854.

78. Вальд А. Последовательный анализ. M: ФМ, 1960.

79. Ширяев А.Н. Статистический последовательный анализ. Оптимальные правила остановки. М. Наука, 1976.

80. Page E.S. Continuous insrection schemes // Biometrika. 1954. V.41. P.100-115.

81. Lorden G. Procedures for reacting to a change in distribution // Ann. Math. Stat. 1971. V. 42. P.1897-1908.

82. Moustakides G. V. Optimal stopping times for detecting changes in distributions // Ann. Statist. 1986. V.14. P. 1379-1387.

83. Ritov Y. Decision theoretic optimality of the CUSUM procedure // Ann. Satist. 1990. V.18. P. 1464-1469.

84. Гребенюк E.A. Мониторинг нестационарных процессов: анализ и исследование изменения свойств стационарности // Проблемы управления. 2004. №3. С. 15-20.

85. Гребенюк Е. А. Обнаружение изменений свойств нестационарных случайных процессов // АиТ. 2003. №12. С. 44-59.

86. Гребенюк Е. А. Анализ и оперативная диагностика систем, описываемых нестационарными случайными процессами // Проблемы управления. 2003. №4. С. 23-29.

87. Бородкин Л.И., Моттлъ В.В. Алгоритм обнаружения моментов изменения параметров уравнения случайного процесса. // АиТ. 1976. №6. С. 23-29.

88. Perron P., Vogelsang T. Nonstationarity and level shifts with an application to purchasing power parity // Journal of Business and Economic Statistics. 1992. №10. P. 301-320.

89. Zivot E„ Andrews D. W.K. Further Evidence on the Great Crash, the Oil Price Shock and the Unit Root Hypothesis' // Journal of Business and Economic Statistics. 1992. №10. P. 251-270.

90. Perron P. Further Evidence on Breaking Trend Functions in Macroeconomic Variables // Journal of Econometrics. 1997. V.80. P. 355-385.

91. Gregory A.W., Hansen В. E. Residual-based tests for cointegration in models with regime shifts // J ournal of

econometrics.' 1996. V.70. P.99 - 126.

92. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов: Учеб. пособие.

- М.: Финансы и статистика, 2003.-416 с.

93. Holt С. С. "Forecasting Seasonals and Trends by Exponentially Weighted Moving Averages", Carnegie Inst.

Tech. Res. Mem., 52, 1957.

94. Winters P.R. "Forecasting Sales by Exponentially Weighted Moving Averages", Mgmt. Sci., 6, 324, 1960.

95. Сазонов В.Г. Планирование и прогнозирование в условиях рынка: Учебное пособие. - Владивосток:

ТИДОТ ДВГУ, 2001.- 146 с.

96. В.И. Борисевич, Г.А. Кандаурова, НИ. Кандауров и др. Прогнозирование и планирование экономики: Учебное пособие. - Мн. Интерпрессервис; Экоперспектива, 2001. - 380 с.

97. Granger С. W., Morris MJ. Time series modelling and interpretation //J. of the Royal Stat. Soc. - 1976. - Ser. A. -Vol. 139.-Part. 2.

98. Дуброва T.A. Статистические методы прогнозирования: Учеб. пособие для вузов. - М.: ЮНИТИ-ДАНА, 2003.-206 с.

99. Розенберг Г.С., Шитиков В.К., Брусиловский П.М. Экологическое прогнозирование (Функциональные предикторы временных рядов). - Тольятти, 1994. - 182 с.

100. Алексеев С.В. Прогнозирования продаж на продукцию предприятий спортивного бизнеса / Алексеев С.В., Петренко С.Н. // Материалы совместной научно-практической конференции РГАФК, МГАФК и ВНИИФК. - М.: 2001. - С. 138-141.

101. Комаров С. Рынок недвижимости России: прогнозирование с помощью наивных моделей Chttp://investzem.ru/economv/investment/investment 93.html)

102. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. — М.: Финансы и статистика, 2001. — 228 с.

103. -В.И Суслов, Л.П. Талышева, Н.М. Ибрагимов, А.А. Цыплаков. «Эконометрия», учебник для студентов высших учебных заведений.— Новосибирск: Изд-во СО РАН, 2005.— 744 с.

104. Арженовский С.В., Молчанов И.Н. Статистические методы прогнозирования. Учебное пособие/ Рост, гос. экон. унив./ П Ростов-н/Д., □ 2001 - 74 с.

105. Wade R.C. A technique for initializing exponential smoothing forecasts // Management Science. 1967. Vol.13,

N. 7

106. Brown R.G., Meyer R.F. The fundamental theorum of exponential smoothing//Oper. Res. - 1961. - Vol.9. -№ 5.

107. Harrison P.J. Short-term sales forecasting. — Applied statistics // J.of the Royal Stat. Soc. 1965. Ser. С Vol. 14. N2,3.

108. Harrison P.J. Exponential smoothing and short-term sales forecasting // Management Science, 1967. Vol. 13. N 11.

109. Ward D.H. Comparison of different systems of exponential weighted prediction // The Statistician.L. 1963. Vol. 13. N3.

110. Антохонова ИВ. Методы прогнозирования социально-экономических процессов: Учебное пособие. -

Улан-Удэ: Изд-во ВСГТУ, 2004. - 212 с.

111. КендэлМ. Временные ряды/Пер. с англ. и предисл. Ю.П.Лукашина. -М.:Финансы и статистика, 1981.

-199 с.

112. Болч Б., Хуанъ КДж. Многомерные статистические методы для экономики: Пер. с англ. — М.: Статистика, 1979.

113 Лугачев М.И., Ляпунцов Ю.П. Методы социального прогнозирования. - М.: МГУ, ТЕИС, 1999.

114.' Judge G. G., Griffits W. Е„ Hill R. С., Lutkepohl Н„ Lee Tsoung-Chao. The Theory and Practice of Econometrics. Second edition. NY: John Willey and Sons, 1985.

115. Akaike H. A New Look at the Statistical Model Identification, IEEE Transactions on Automatic Control, AC-

19. 1974. P. 716-723.

116 Schwarz G. Estimating the Dimension of a Model // The Annals of Statistics. 1978. 6. P. 461-464.

117. Ljung G. M. and Box G. E. P. On a Measure of Lack of Fit in Time Series Models // Biometrika. 1978. 65. P. 297-303.

118. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. - М.: Статистика, 1980.

119. Орлов А.И. Экспертные оценки. Учебное пособие. - М.: 2002. - 31 с.

120. Сиротин А.В., Мицкевич А.А. Методы и процедуры обработки экспертных оценок в управлении / МИУ. -М., 1980.

121. Литвак Б.Г. Экспертные оценки и принятие решений. - М.: Патент, 1996.

122. Дорофеюк А.А. Методы организации и проведения экспертизы в организационных системах.// Материалы 1-го Всесоюзного совещания по статистическому и дискретному анализу нечисловой информации, экспертным оценкам и дискретной оптимизации. Москва - Алма-Ата, 1991, с. 132-156.

123. Сиделъников Ю.В. Теория и организация экспертного прогнозирования. - М.: Институт МЭМО АН СССР, 1990.

124. Сиделъников Ю.В. Экспертиза: состояние и тенденции развития. - М.: МЭ и МО, №2, 1997.

125. Сиделъников Ю.В. Системный анализ технологии экспертного прогнозирования. - М.: Изд-во МАИ-ПРИНТ, 2007. - 348 с.

126. Панкова Л.А., Петровский A.M., Шнейдерман М.В. Организация экспертизы и анализ экспертной информации. М.: Наука, 1984.

127. Дубровский С.А. Определение компетентности экспертов в методе парных сравнений// Вопросы кибернетики. Экспертные оценки. - М.: НСК АН СССР, 1979. Вып. 58. С 157-162.

128. Саркисян С.А. и др. Анализ и прогноз развития больших технических систем. - М.: Наука, 1983.

129. Dalkey N.C., Helmer О. An experimenial application of the Delphi method to the use of experts. - Management Science, 1963, Vol. 9, No. 3.

130. Mucchielli K. Le questionnaire dans l'enquete psychosociale. - P., 1967.

131. Whiting Ch. S. Creative thinking, 1958.

132. OsbornA.F. Applied imagination, NY, 1957.

133. Гордон Т.Дж. Новые подходы к методу «Дельфи» // Научно-техническое прогнозирование для промышленности и правительственных учреждений. -М.: Прогресс, 1972. С. 84-99.

134. "Dalkey N.C. The Delphi Method: an experimental study of group opinion, Memorandum RM - 5888 - PR, The Rand Corporation, Santa Monika, California, 1969, June.

135. Буш Г.О. Методы технического творчества. - Рига, Лиесма, 1972.

136. Метод ситуационного анализа: Методические указания. - М.: ИМЭМО, 1985.

137. Ford D.A. Shang Inquiry as an alternative to Delphi: some experimental findings. - Technol. Forecast. And Soc. Change, 1975, 7(2), p. 139-164.

138. Котляр С.Б. Модель коллективного принятия решения пр локальном взаимодействии// VI Симпозиум по кибернетике. Ч. III. - Тбилиси: Ин-т кибернетики АН ГССР, 1972, с. 98-99.

139. Панкова Л.А., Шнейдерман М.В. Последовательная процедура экспертного опроса// АиТ, 1975, №8, с.73-80.

140. Press S.J. Qualitative Control Feedback for Forming Group Judgement and Making Decisions. - J. American Statist Assoc., 1978, №363, p. 526-535.

141. Шнейдерман М.В. Экспертная процедура с индивидуальной обратной связью// Тез. Докл. II Всесоюзн. Конф. По статистическому и дискретному анализу нечисловой информации и экспертным оценкам. -М.; Таллин, 1984. С. 394-395.

142. Глушков В.Н. О прогнозировании на основе экспертных оценок // Кибернетика, 1969, №2.

143. Gordon Т.Y., Helmer О. Report on a Long - Range Forecasting Study. The RAND Corporation, Report P -2928, Santa-Monica, California, Sept. 1964.

144. Анализ на проблемных сетях. Вып. 1/Под ред. С.А.Петровского. - М.: ИМЭМО, 1980.

145. Анализ на проблемных сетях. Вып. 2/Под ред. С.А.Петровского. - М.: ИМЭМО, 1982.

146. Поспелов Г.С., Вен В.Л., Солодов В.М др. Проблема программно-целевого планирования и управления. -М.: Наука, 1980.

147. Доугерти К. Введение в эконометрику: Пер. с англ. — М: ИНФРА-М, 1999, 402 с.

148. Ларичев О.И., Мечитов А.И. и др. Выявление экспертных знаний. М.: Наука, 1989.

149. Многокритериальные задачи принятия решений./ Под редакцией Д.М.Гвишиани, С.В.Емельянова. М.: Наука, 1988.

150. Панкова Л.А., Петровский A.M., Шнейдерман М.В. Организация экспертизы и анализ экспертной информации. М.: Наука, 1984.

151. Тюрин Ю.Н. О математических задачах в экспертных оценках.// Сб.: Экспертные оценки. М.: Научный Совет по комплексной проблеме "Кибернетика", 1979, с. 174-182.

152. Бородкин A.M., Бородкин С.М., Шнейдерман М.В. Система обработки экспертных оценок научных работ.//Сб. Методы и алгоритмы анализа эмпирических данных. М.: ИПУ, 1988, с. 48-53.

153. Dressier F. Subjective methodology in forecasting.//Technol. Forecast, and Soc. Change, 1972. V. 3. № 4. P. 265-291.

154. Janis I.L. Victims of Groupthink: A psychological stude of foreign policy decisions and fiascoes. Boston: Houghton-Mifflin, 1972.

155. Rohltl.J. Methods of comparison classification.// Ann. Rev. Ecol. and Syst., 1974. V. 5. P. 101-113.

156. Дорофеюк А.А. Методы организации и проведения экспертизы в организационных системах.//Материалы 1-го Всесоюзного совещания по статистическому и дискретному анализу нечисловой информации, экспертным оценкам и дискретной оптимизации. Москва - Алма-Ата, 1991, с. 155-156.

157. Орлов А.И. Устойчивость в социально-экономических моделях. М.: Наука, 1979.

158. М.А. Айзерман, Ф.Т. Алескеров. Выбор вариантов. Основы теории. М.: Наука, 1990.

159. Дорофеюк А.А., Чернявский А.Л. Консультативная работа по совершенствованию управления

в организационных системах (методологические основы)./ Сб.: Методы и алгоритмы анализа эмпирических данных. М.: ИПУ, 1988.

160. Чернявский А.Л. Количественные методы исследования организационных систем. I, II.// А и Т. 1988.

№ 2, 3.

161. Бауман Е.В.,Дорофеюк А.А. Классификационный анализ данных.// Сб.: "Избранные труды Международной конференции по проблемам управления. Том 1". М.: СИНТЕГ, 1999.

162. Браверман Э.М., Мучник КБ. Структурные методы обработки эмпирических данных. М.:Наука, 1983.

163. Басакер Р., Саати Т. Конечные графы и сети. М.: Наука, 1974.

164. Браверман Э.М., Дорофеюк А.А., Лумелъский В.Я., Мучник КБ. Диагонализация матрицы связи и выделение скрытых факторов.// В кн.: Проблемы расширения возможностей автоматов. ИАТ. Вып.1. М.: 1971.

165. Дорофеюк А.А., Кацыв П.Д. Метод многовариантной экспертизы в задаче совершенствования системы управления автобусными пассажирскими перевозками в крупном регионе. Материалы конференции «Интегрированные системы управления предприятиями». М.: ИПУ, 1996. С. 100-102.

166. Чернявский А.Л., Кацыв П.Д. Методы многовариантной экспертизы в задаче совершенствования управления пассажирскими перевозками. Труды Международной конференции «Интеллектуализация обработки информации». Алушта: КрГУ, 2002.

167. Бауман Е.В., Дорофеюк А.А., Чернявский А.Л., Медик В.А. Классификационные методы в аналитических задачах регионального управления. Труды Института проблем управления РАН. Том X. М.: ИПУ РАН. 2000. С. 38-39.

168. Дорофеюк А.А., Лайкам К. Э., Чернявский А.Л. Минимальный размер оплаты труда (MPOT) как инструмент социально-экономической политики.// Теория активных систем. Труды международной научно-практической конференции. Том 1. М: ИПУ. 2003. С. 100-102.

169. Панкова Л.А., Петровский A.M., Шнейдерман М.В. Организация экспертизы и анализ экспертной информации. М.: Наука, 1984.

170. Тюрин Ю.П. О математических задачах в экспертных оценках.// Сб.: Экспертные оценки. М.: Научный Совет по комплексной проблеме "Кибернетика", 1979, с. 174-182.

171. Zwicky F. Morphological astronomy,- Berlin, 1957.

172. Покровская КВ., Чернявский А.Л. Экспертно-классификационные методы анализа и совершенствования крупномасштабных организационных систем управления. Искусственный интеллект, № 2, 2004. С.360-364.

173. Манделъ А.С. Экспертно-статистические системы в задачах управления и обработки информации: часть

I // Приборы и системы управления, 1996, №12.

174. Манделъ А.С. Экспертно-статистические системы в задачах управления и обработки информации: часть

II // Приборы и системы управления, 1997, №1.

175. Беляков А.Г., Манделъ А.С. Прогнозирование временных рядов на основе метода аналогов (элементы теории экспертно-статистических систем). Препринт. М.: Институт проблем управления, 2002. С.60.

176. Манделъ А.С. Метод аналогов в прогнозировании коротких временных рядов: экспертно-статистический подход / Автоматика и телемеханика, №5, 2004.

о внедрении результатов, полученных в диссертации Дорофеюк Юлии Александровны, при выполнении Проекта «Формирование перечня важнейших индикаторов состояния социально-трудовых отношений в регионах РФ и разработка на его основе рейтингов по уровню их социального развития»

Разработанные в диссертации Ю.А.Дорофеюк методы интеллектуального анализа данных и структурного прогнозирования существенно использовались в 2007-2011 гг. при реализации проекта Фонда «Бюро экономического анализа» (БЭА) «Формирование перечня важнейших индикаторов состояния социально-трудовых отношений в регионах РФ и разработка на его основе рейтингов по уровню их социального развития», выполненного в интересах Минфина России. Минэкономразвития России. Федеральной службы государственной статистики (Росстат). Минздравсоцразвития России, при поддержке Международного банка реконструкции и развития (МБРР). Этот Проект был реализован как раздел проекта Всемирного банка «БТАБУБг» № Р092429, темы 1,2,4.

Для сравнительного анализа социального развития субъектов Российской Федерации (47 показателей для 80 регионов за 3 года) использовались разработанные в диссертации Ю.А.Дорофекж методы: выбора информативных параметров (алгоритм группировки исходных показателей и формирования факторов), структурно-классификационного анализа исследуемых объектов (алгоритмы ш-локальной оптимизации, заполнения пропущенных наблюдений, построения начального разбиения, выбора оптимального числа классов, построения хорошо интерпретируемой классификации), а также алгоритм структурно-классификационного прогнозирования. Использование этих методов позволило получить рейтинг социального развития регионов за каждый из трёх лет, имеющий хорошую содержательную интерпретацию и позволивший проанализировать и оценить (не только качественно, но и количественно) эффективность финансовой помощи для каждого региона в динамике. На базе такого анализа была разработана методика формирования объёмов финансовой помощи для социального развития регионов, позволившая повысить эффективность использования этих финансовых средств для социального развития регионов и России в целом. Были даны рекомендации Росстату по ликвидации пробелов в методике статистической отчётности, выявленных в ходе реализации схемы построения рейтинга.

Внедрение разработок Ю.А.Дорофекж имеет большой социально-экономический эффект в масштабах страны. Оценить общий экономический эффект внедрения в настоящее время не представляется возможным ввиду отсутствия утверждённой методики таких расчётов. Однако по оценкам специалистов использование алгоритма получения рейтинга регионов и соответствующей прогнозной модели только на этапе подготовки и согласования планов по объёмам финансовой помощи регионам для их социального развития позволит экономить более 20 млн. руб. ежегодно.

„иямчаям:,».. /)

Научный руководитель Пр чл.-корр. РАН, д.т.н., проф

Ю.С.Попков

о внедрении результатов диссертационной работы Дорофеюк Юлии Александровны в Федеральной службе государственной статистики (Росстат)

В диссертации Ю.А.Дорофеюк разработан новый метод повышения достоверности статистических показателей для малых (нерепрезентативных) выборок, позволяющий получать достаточно точные оценки без уменьшения оперативности мониторинга. Этот метод был успешно использован в Росстате при разработке алгоритмов и программных средств для автоматизации процедуры сглаживания показателей экономической активности населения, занятости и безработицы по субъектам РФ, формируемых по итогам месячных обследований населения по проблемам занятости (обследований рабочей силы).

До 2010 г. объём месячной выборки мониторинга ситуации на рынке труда России обеспечивал достоверные данные только в целом по РФ и некоторым крупным (по численности населения) субъектам РФ. Для двух третей субъектов РФ этот объём был недостаточным для получения достоверных оценок показателей экономической активности, занятости и безработицы населения. В связи с этим в мае 2010г. Правительством РФ было поручено Минэкономразвития России и Росстату, совместно с Минздравсоцразвития России, разработать и утвердить методику сглаживания показателей занятости и безработицы по субъектам РФ, формируемых по итогам месячных обследований населения по проблемам занятости.

Ю.А.Дорофеюк принимала активное участие в разработке, компьютерном моделировании и оценке эффективности этой методики. В основу методики был положен разработанный в диссертации Ю.А.Дорофеюк метод структурной группировки объектов и его реализация на базе алгоритма /-эталонной классификации временных рядов, также разработанного в её диссертации. Ю.А.Дорофеюк разработала программно-алгоритмическое обеспечение методики, провела его доработку и оценку эффективности в процессе её опытной эксплуатации, осуществляет авторский надзор в процессе промышленной эксплуатации методики в Росстате.

Внедрение результатов диссертационной работы Ю.А.Дорофеюк в разработку и систему функционирования мониторинга основных параметров рынка труда России позволило сэкономить значительные финансовые ресурсы. Расчётный экономический эффект этого внедрения составляет 101,2 млн. руб. в год.

Настоящий Акт не является основанием для финансовых расчётов между Росстатом и юридическими или физическими лицами.

Зам. руководителя Федеральной службы государственной статистики д.э.н., проф.

К.Э.Лайкам

- V1ЕдЛЗд

км с

. (У/, <(

-о ^у^.м,

Ч ЧЗтдал

га| государственной

"Лс/даои и кадров

о внедрении результатов разработок Дорофеюк Юлии Александровны, полученных в рамках диссертационной работы «Структурно-классификационные методы анализа и прогнозирования в социально-экономических системах управления»

В период с 2005 по 2012 годы в рамках Проектов РФФИ №№ 05-08-50312-а и 10-07-00027-а проводились работы по созданию автоматизированной системы анализа квазипериодических биосигналов (АСАКБ) применительно к задачам медицинской диагностики. Эта система в основном ориентирована на использование пульсового сигнала лучевой артерии. Начиная с 2006 года, Ю.А.Дорофеюк принимала активное участие в разработке алгоритмически-программного обеспечения системы и её использования в некоторых прикладных медико-диагностических задачах. В 2007 - 2012 гг. она являлась одним из основных исполнителей по этим Проектам РФФИ.

» При проведении работы по созданию АСАКБ на разных её этапах использовались следующие разработанные в диссертации Ю.А.Дорофеюк алгоритмы: выделения информативных параметров, адекватно описывающих форму и ритмическую структуру биосигнала, включая алгоритм группировки исходных параметров и расчёта факторов и факторных нагрузок; автоматической классификации (выделения типов) квазипериодического биосигнала (прежде всего, одномерный вариант алгоритма т-локальной оптимизации и алгоритм выбора числа классов); особо эффективным оказалось использование экспертно-классификационных алгоритмов построения хорошо интерпретируемых классификаций. Кроме этого, в работе использовались также процедуры заполнения пропущенных наблюдений, построения начальной классификации и фильтрации исходных массивов данных.

Ю.А.Дорофеюк принимала также самое активное участие в создании программной реализации разработанных ею алгоритмов. Оценка эффективности разработанного комплекса программно-алгоритмического обеспечения АСАКБ проводилась как на модельном материале, так и на массивах реальных пульсограмм. Массивы модельных данных формировались с помощью специальной методики, также разработанной в диссертации Ю.А.Дорофеюк. Результаты компьютерного моделирования разработанных алгоритмов на тестовых массивах подтвердили их высокую эффективность.

Разработанный Ю.А.Дорофеюк комплекс алгоритмов и программ составил основу программно-алгоритмического обеспечения АСАКБ. Проверка эффективности системы проводилась в рамках клинических испытаний в ФГБУ «Научный центр здоровья детей» РАМН при решении медико-диагностической задачи выявления ранней стадии артериальной гипертензии в детском и подростковом возрасте. В процессе испытаний было обследовано более 400 детей в возрасте от 9 до 16 лет с различными функциональными нарушениями. Все виды заболеваний обследуемых пациентов были разделены на 2 класса: первый класс (149 пациентов) - первичная артериальная ги-

гортензия, второй класс (253 пациента) - различные виды психосоматической функциональной патологии при нормальном артериальном давлении. Клинические диагнозы устанавливались врачами по принятым для клинического обследования методикам. С помощью АСАКБ было построено решающее правило, обеспечивающее эффективное решение задачи дифференциальной диагностики этих двух классов заболеваний. Оценка эффективности полученного решающего правила на экзаменационной выборке показала достаточно хорошие результаты - объекты первого класса правильно распознаются с вероятностью 0.87, а второго класса - с вероятность 0.92 (уровень достоверности - 0.95).

Результаты клинических испытаний подтвердили высокую эффективность разработанных в диссертации Ю.А.Дорофеюк методов, алгоритмов и процедур структурно-классификационного анализа сложно организованных * данных при решении задачи диагностики ранней стадии артериальной гипер-тензии в детском и подростковом возрасте на основе анализа ритмической структуры и формы пульсового сигнала лучевой артерии.

Полученные результаты имеют большое социальное значение для всей России, так как способствуют снижению уровня заболеваемости, нетрудоспособности и смертности от сердечно-сосудистых заболеваний, занимающих в нашей стране первое место по отрицательному влиянию на здоровье детей и подростков.

В настоящее время проводятся исследования, связанные с использованием АСАКБ для других видов заболеваний, в том числе онкологических. Кроме того, прорабатывается вопрос о целевых исследованиях по использованию АСАКБ для анализа и прогнозирования состояния и работоспособности человека-оператора на объектах повышенной опасности (авиадиспетчеры, операторы РЛС, атомных электростанций, химических и взрывоопасных ус* тановок и др.)

Руководитель Проектов РФФИ 05-08-50312-а и 10-07-00027-а, к.т.н., с.н.с.

А.А.Десова

о внедрении результатов диссертации Ю.А.Дорофеюк «Структурно-классификационные методы анализа и прогнозирования в социально-экономических системах управления» в Группе компаний «Шанс-Авто»

В 2008-2011 годах в рамках работ по комплексной автоматизации системы управления холдинга «Шанс-Авто», проходила разработка и внедрение ЕЫР-системы, основной целью которой является автоматизация основных процедур управления бизнес-процессами, повышение эффективности стратегического и оперативного планирования и управления в разрезе всех подразделений холдинга.

При проведении этих работ существенно использовались методы и алгоритмы, разработанные в диссертационной работе Ю.А.Дорофеюк. В первую очередь это относится к алгоритмам структурного прогнозирования, использование которых для формирования стратегических планов развития компаний, входящих в холдинг, позволило резко повысить их экономическую эффективность на фоне экономического кризиса и сокращения объёмов инвестиций по отрасли в целом.

Кроме того, использовался алгоритм кусочно-линейной аппроксимации для адаптивной идентификации моделей сервисного и гарантийного обслуживания и ремонта автотехники, что позволило экономить значимые финансовые, материальные и кадровые ресурсы при проведении этого вида работ. Этот же алгоритм использовался для анализа эффективности маркетинговых исследований и рекламных акций, проводимых компаниями холдинга.

По расчётам специалистов компаний «Корея Моторс» и «Хендэ Ком-Транс», входящих в холдинг, в которых в первую очередь проводилось внедрение системы, экономический эффект от внедрения разработок Ю.А.Дорофеюк составил более 15 млн. руб. в год.

Настоящий Акт не может являться основанием для каких либо взаиморасчётов между Группой компаний «Шанс-Авто» и юридическими и физическими лицами, а также организациями любой формы собственности или вида ^деятельности.

Президент Группы компаний «Шанс-Авто»

« 19 » марта 2012 г.

В.В. Гречман