Россия
Ухта, Республика Коми, Россия
Планированию производственных сил на предприятии в настоящее время уделяют важное значение, а следовательно к методам прогнозирования относятся более требовательно. Главным элементом производственных сил является перспективная потребность в материальных ресурсах. Для ее определения на длительную перспективу не стоит полагаться на простые способы экономического прогнозирования, а необходимо разрабатывать и использовать особое методическое обеспечение, которое будет соответствовать специфике и отвечать задачам и целям предплановых расчетов конкретной территории. В статье нами рассмотрены модели, предназначенные для решения двух групп задач: корреляционно-регрессионное моделирование прогноза экономических показателей ввоза-вывоза лесоматериалов и статистическое моделирование прогноза по динамическим рядам. Для определения перспективной потребности в лесных ресурсах принятые методы и модели должны отвечать главным критериям социально-экономического развития, долгосрочным целям, научно-техническому прогрессу в области потребления материальных ресурсов, территориальному разделению и специфическим особенностям регионов. К тому же, предлагаемые методы должны давать возможность проводить расчеты в условиях неопределенных показателей и отсутствия подробных технико-экономических данных. Задачу определения перспективной потребности в материальных ресурсах можно решить разными методами, но главное место в комплексном методологическом обеспечении должны занять экономико-статистические методы, так как они имеют ряд преимуществ по сравнению с другими. Статистические методы, используемые при прогнозировании, дают удовлетворительные по точности результаты, если тенденция изменения рассматриваемого показателя и механизм формирования его значения устойчивы и сохраняются в анализируемом периоде. Точность результатов будет ухудшаться при резких изменениях тенденций и характера взаимосвязей. При краткосрочном, например годовом, планировании резкие изменения происходят редко, что обеспечивает более широкую область применения статистических методов.
потоки, лесоматериалы, модели, оптимизация, дороги, расстояние, целевая функция, планирование.
1. Вагнер, Г. Основы исследования операций. В 3-х т. [Текст] / Г. Вагнер; пер. с англ. - М. : Мир, 1972.
2. Лэсдон, Л. Оптимизация больших систем [Текст] / Л. Лэсдон. - М. : Наука, 1975. - 432 с.
3. Пильник, Ю. Н. Разработка теоретических основ планирования и управления транспортными потоками в лесном комплексе [Текст] / С. И. Сушков, О. Н. Бурмистрова, Ю. Н. Пильник // Фундаментальные исследования. - 2014. - № 8 (6). - С. 1331-1335.
4. Dantzig, G. B. Large - Scale System Optimzation: A. Review, Operations Research Optimization, University of California at Berkeley, Rept. Orc 65 - 9, 1965.
5. Mesarovic, M. D., Macko, D., Takahara, Y. Theory of Multi - Level Nierarchical Systems, Academic Precc - 1970.
6. Wagner, N. M. A Linear Prodramming Solutionto Dynamic Leontiet Type Models // Manugement Sci., - 1957 - №3 - pp 234-254.
7. Benders, J. F. Partitioning Procedures for Solving Mixed-Variables Programming Problems [Теxt] // Numerische Mathematik. - 1962 - №2 - pp 238-252.
8. Rockafellar, R.T. Convex Functionsand Dual Exbremum Problems. Ph. D. Thesis, Harvard University -1963.
9. Kelley, J.E. The Cutting Plane Method for Solving Convex Programs. J. Sos. Ind. [Теxt] // Appl. Math. - 1960 - №8 - pp 703-712.
10. Manne, A.S. Linear Programming and Segulntial Decisions [Теxt] // Management Sci. - 1960 - №.3, - pp 259-269.
11. Burdett, R. Block models for improved earthwork allocation planning in linear infrastructure construction [Теxt] / R. Burdett, E. Kozan, R. Kenley // Engineering optimization. - 2015. - Vol. 47. - Issue 3. - рp. 347-369.
12. Karlin, S. Mathematical Metliods and Theory in Games. Programming and Economi cs, vol. 1, Addison - Weslay Publish ing Company, Inc., Reading, Mass. - 1959.
