- •Э.О. Салминен, л.Э. Еремеева, т.С. Антонова, н.А. Тюрин, в.Н. Язов
- •Введение
- •1. Расчетно - графическая работа логистический анализ
- •Изменение структуры водного транспорта леса
- •Изменение объемов плотового сплава
- •Расчет параметров для системы нормальных уравнений
- •Вычисление значений yx
- •2. Лабораторная работа. Прогнозирование развития материалопотока лесопромышленного предприятия
- •2.1. Методы прогнозирования
- •2.2. Пример прогнозирования развития материального потока.
- •2.2.1. Прогнозирование развития методом наименьших квадратов.
- •Данные зависимости спроса от времени по методу наименьших квадратов с учетом погрешности с вероятностями 0,95 и 0,98.
- •2.2.2. Применение метода Чебышева для прогнозирования спроса.
- •Варианты заданий.
- •3. Лабораторная работа прогноз развития транспортных средств лесопромышленного предприятия
- •3.1. Прогнозирование развития транспортных средств леспромхоза.
- •3.2. Пример прогнозирования развития транспортных средств лесопромышленного предприятия.
- •3.3. Варианты заданий.
- •4. Лабораторная работа формирование оптимальных грузопотоков в лесопромышленном комплексе
- •Транспортная задача линейного программирования
- •4.1. Общая постановка транспортной задачи.
- •4.2. Общий алгоритм решения транспортной задачи
- •4.3. Методы построения начального плана
- •Исходные данные для решения транспортной задачи линейного программирования (рабочая таблица).
- •Построение опорного плана методом северо-западного угла.
- •Построение опорного плана по методу минимального элемента.
- •4.5. Проверка решения на оптимальность
- •4.6. Переход от неоптимального решения к лучшему.
- •Результат решения после первой итерации.
- •Результат решения после второй итерации.
- •Альтернативное решение.
- •4.7. Решение транспортной задачи на эвм.
- •4.8. Варианты заданий.
- •Исходные данные для решения транспортной задачи.
- •Исходные данные для решения транспортной задачи.
- •5. Лабораторная работа оптимальное распределение технологического оборудования лесопромышленных предприятий
- •5.1. Описание алгоритма венгерского метода.
- •5.2. Пример решения транспортной задачи венгерским методом.
- •5.3. Алгоритм венгерского метода при определении минимальных
- •5.4. Решение транспортной задачи венгерским методом на эвм.
- •5.5. Варианты заданий.
- •Исходные данные для решения транспортной задачи венгерским методом.
- •6. Лабораторная работа. Определение месторасположения деревообрабатывающего предприятия
- •6.1. Определение месторасположения предприятия.
- •6.2. Пример определение месторасположения деревообрабатывающего предприятия
- •6.3. Варианты заданий:
- •Исходные данные для решения задачи.
- •Исходные данные для решения задачи.
- •7. Лабораторная работа. Микрологистическая система планирования mpr-1
- •7.1. Планирование потребности в материалах.
- •7.2. Разработка микрологистической системы планирования производства mrp I.
- •Исходные данные для решения задачи.
- •Пример решения mrp I.
- •7.3. Варианты заданий:
- •Исходные данные для решения задачи.
- •8. Лабораторная работа. Определение границ рынка лесопродукции
- •8.1. Определение границ рынка.
- •8.2. Пример определение границ рынка.
- •8.3. Варианты заданий:
- •Исходные данные для решения задачи.
- •Лабораторная работа. Управление запасами на складе лесопродукции
- •9.1. Управление запасами на складе лесопродукции
- •9.2. Пример управления запасами на складе.
- •9.3. Варианты заданий:
- •Исходные данные для решения задачи.
- •Содержание
- •2.Лабораторная работа. Прогнозирование
2.2.2. Применение метода Чебышева для прогнозирования спроса.
Для построения многочлена воспользуемся вспомогательной таблицей (табл.2.3.), выполненной в MS Excel:
Таблица 2.3.
Промежуточные вычисления для построения многочлена и определения погрешностей по методу Чебышева.
ti |
yi |
ti2 |
ti3 |
ti4 |
tiy |
ti2y |
yi2 |
yit |
(yit-yi)2 |
yit |
(yit-yi)2 |
1 |
180 |
1 |
1 |
1 |
180 |
180 |
32400 |
195 |
229 |
189 |
79 |
2 |
198 |
4 |
8 |
16 |
396 |
792 |
39204 |
199 |
2 |
197 |
2 |
3 |
209 |
9 |
27 |
81 |
627 |
1881 |
43681 |
204 |
27 |
204 |
28 |
4 |
208 |
16 |
64 |
256 |
832 |
3328 |
43264 |
208 |
0 |
210 |
4 |
5 |
220 |
25 |
125 |
625 |
1100 |
5500 |
48400 |
212 |
56 |
216 |
18 |
6 |
250 |
36 |
216 |
1296 |
1500 |
9000 |
62500 |
217 |
1100 |
221 |
853 |
7 |
210 |
49 |
343 |
2401 |
1470 |
10290 |
44100 |
221 |
125 |
225 |
229 |
8 |
220 |
64 |
512 |
4096 |
1760 |
14080 |
48400 |
226 |
30 |
229 |
77 |
9 |
223 |
81 |
729 |
6561 |
2007 |
18063 |
49729 |
230 |
47 |
232 |
77 |
10 |
240 |
100 |
1000 |
10000 |
2400 |
24000 |
57600 |
234 |
34 |
234 |
35 |
11 |
210 |
121 |
1331 |
14641 |
2310 |
25410 |
44100 |
239 |
814 |
236 |
660 |
12 |
260 |
144 |
1728 |
20736 |
3120 |
37440 |
67600 |
243 |
293 |
237 |
546 |
78 |
2628 |
650 |
6084 |
60710 |
17702 |
149964 |
580978 |
2628 |
2758 |
2628 |
2609 |
Построение многочлена первой степени.
Согласно (2.10)
Находим многочлен по формуле (2. 18)
.
Согласно (2.17)
.
По формуле (2.14) находим
.
Уравнение 0 степени будет равно:
y = .
Найдем а1 по формуле (2.14)
где:
Многочлен первой степени будет равен:
.
Окончательно
y=219 + 4,34t - 28,21 = 4,34t + 190,79.
Пользуясь полученным уравнением, определяем в следующем (13) месяце:
.
Если точность результатов по этой формуле достаточна, обработка на этом может быть закончена.
Построение многочлена второй степени.
Если необходимо построить многочлен второй степени, необходимо сначала отыскать выражение для многочлена и коэффициент.
Для этого по формулам (2.23) находим
,
,
где согласно формулам (2.24):
Многочлен определим по формуле (2.20)
Представим многочлен в форме:
.
Определим a2 по формуле (2.14)
,
где
Искомый многочлен второй степени будет равен:
Если принять за основу многочлен второй степени, то прогноз на 13 месяц будет равен:
.
Если точность многочлена второй степени недостаточна, то можно аналогично подбирать многочлен более высокой степени.
Для оценки точности прогнозирования по полученным формулам, найдем среднее квадратическое отклонение ошибки прогнозирования.
Результаты расчета приведены в табл. 2.4.
Таблица 2.4
Определение точности полученных зависимостей
Месяц
|
Количество вагонов, факт.
|
Уравнение первой степени |
Уравнение второй степени | ||||||
|
| ||||||||
1 |
180 |
195 |
15 |
225 |
189 |
9 |
81 | ||
2 |
198 |
199 |
1 |
1 |
197 |
-1 |
1 | ||
3 |
209 |
204 |
-5 |
25 |
204 |
-5 |
25 | ||
4 |
208 |
208 |
0 |
0 |
210 |
2 |
4 | ||
5 |
220 |
212 |
-8 |
64 |
216 |
-4 |
16 | ||
6 |
250 |
217 |
-33 |
1089 |
221 |
-29 |
841 | ||
7 |
210 |
221 |
11 |
121 |
225 |
15 |
225 | ||
8 |
220 |
226 |
6 |
36 |
229 |
9 |
81 | ||
9 |
223 |
230 |
7 |
47 |
232 |
9 |
81 | ||
10 |
240 |
234 |
-6 |
36 |
234 |
-6 |
36 | ||
11 |
210 |
239 |
29 |
841 |
236 |
16 |
256 | ||
12 |
260 |
243 |
-17 |
289 |
238 |
-22 |
484 | ||
78 |
2628 |
|
|
2776 |
|
|
2131 | ||
Среднее квадратическое отклонение |
|
|
|
Принимая условие, что ошибка прогнозирования подчиняется нормальному закону распределения, можно считать, что с вероятностью 0,95 по правилу 2σ, спрос на продукцию в следующем месяце, приняв уравнение прогноза по закону линейной регрессии, находится в пределах 215 – 279.
Если за основу принять многочлен второй степени, то с такой же степенью вероятности, спрос на продукцию будет в пределах 209 – 265.
Для определения корреляционных зависимостей при прогнозировании используются стандартные пакеты программ статистического и корреляционного анализа, например Statgraphics, SPSS и др.