ДонНТУ   Портал магистров

Реферат по теме выпускной работы

Содержание

Введение

Вопросы моделирования экономических процессов стоят весьма остро в периоды неустойчивого экономического положения предприятий и Украины в целом. Применение методик моделирования позволяет повысить эффективность производства экономической единицы, в том числе предприятий, работающих в сфере сельского хозяйства за счет оптимального управления запасами, доходами, расходами в связи с тем, что первичной задачей сельскохозяйственного предприятия является максимизация урожая.

В связи с этим, для сельского хозяйства особенно актуальной является задача принятия разнообразных производственных и экономических решений с учетом метеорологической информации и аналитических данных по климату. Точная и своевременная информация по прогнозу погодных условий, предоставляемая гидрометеорологическими службами, обеспечивает устойчивое развитие экономики и общества в целом. Работа служб проявляется в тех случаях, когда неблагоприятные условия погоды и опасные гидрометеорологические явления непосредственно воздействуют на население и экономику.

Учитывая тот факт, что для территории Украины характерен умеренно – континентальный климат (стабильно жаркое лето, стабильно морозная зима и малое количество осадков), можно говорить о том, что вероятность возникновения опасных явлений природы достаточно высока.

Опасные явления природы наиболее сильное влияние оказывают на сельское хозяйство страны. Сельское хозяйство для Украины – это одна из важнейших отраслей экономики. В структуре ВВП (рисунок 1) наибольший вес в Украине по итогам 2010 года имеет перерабатывающая промышленность – 13%, за которой следуют торговля и ремонт – 12%, транспорт и связь – 9% и сельское хозяйство – 9% [1]. Почти треть рабочих мест и значительная часть валового продукта в государстве обеспечивается именно за счет сельского хозяйства. По подсчетам, в 2010 году результат от основной деятельности сельскохозяйственных предприятий составил 12,8 млрд. грн. прибыли. В 2009 году этот показатель составлял 7,2 млрд. грн. Уровень рентабельности составил 20,6% и 13,4% в 2010 и 2009 годах, соответственно. Прибыль от производства продукции сельского хозяйства получили 73% всех предприятий. Сумма прибыли в среднем на одно предприятие составила 2,3 млн. грн (в 2009 году – соответственно 63% и 1,8 млн. грн.). При этом 27% предприятий остались в убытке. В среднем на одно предприятие убыток составил 1,1 млн. грн (в 2009 году – соответственно 37% и 993,5 тыс. грн.).

Рис. 1. Структура ВВП в Украине 2010

Рис. 1. Структура ВВП в Украине 2010

Несмотря на рост рентабельности производства культур, по данным исследования Компании по управлению активами «Нико» [2], в 2010 году в Украине хозяйствами всех категорий получено 39,2 млн т зерновых культур, что на 14,8% меньше, чем в 2009г., однако выше среднего значения за 10 лет (36,7 млн т). В частности, производство пшеницы в 2009 году уменьшилось на 19,4%, что предопределено снижением урожайности зерновых культур (на 4,1 ц/га, или на 6,9%).

Непосредственно в Донецкой области в 2011 году уровень рентабельности составил 30% по сравнению с 25,4% в 2010 году [12]. Это значит, что в 2011 году Донецкая область получила прибыль в 1,2 млрд. грн за счет реализации растениеводческой и животноводческой продукции.

К опасным явлениям природы, которые негативно воздействуют на сельское хозяйство Украины, можно отнести следующие: температуры воздуха ниже – 25С, выше +35С, заморозки на поверхности почвы, вымерзание посевов, выпревание озимых, ледяная корка, засуха и суховеи, град и ливни со шквалистым ветром, продолжительные и обильные дожди, пыльные бури.

Все это приводит к повреждению и гибели плодовых почек, повреждению и гибели посевов озимых культур, многолетних трав, корневой системы плодовых, углеводному истощению растений, смыву посевов, заносу растений пылевидной почвой.

1. Актуальность темы

Для того чтобы противостоять опасным явлениям природы работники сельского хозяйства проводят предупредительные мероприятия. К ним следует отнести: вывод морозостойких сортов растений, полив растений, укрытие растений, снегонакопление, уборка снега, разрушение ледяной корки, противоградовая защита, рыхление посевов, пересев, почвозащитные севообороты, лесополосы.

Подобные мероприятия позволяют сельским хозяйствам снизить экономический ущерб от опасных явлений природы. Однако эффективность применения подобных мероприятий существенно зависит от своевременности их проведения, поэтому вопрос о построении модели точного прогноза погоды для управления эффективностью работы сельскохозяйственных предприятий является актуальным для экономики украинских сельских хозяйств и страны в целом.

2. Цели и задачи исследования

Целью работы является разработка модели прогнозирования влияния погодных условий на эффективность сельского хозяйства.

Задачами работы являются:

Объект исследования – средства повышения эффективности работы сельскохозяйственных предприятий.

Предмет исследования – модели и методы прогнозирования влияния погодных условий на эффективность сельского хозяйства.

Предполагается, что разработка и внедрение прототипа создаваемой прогнозной модели позволит повысить эффективность работы сельскохозяйственных предприятий Украины.

3. Обзор базовых методов к решению задачи прогнозирования опасных явлений природы.

Проводимое исследование направлено на решение задачи по прогнозированию опасных явлений природы путем построения модели, анализирующей статистические данные и на их основе формирующей рекомендацию по использованию средств защиты сельскохозяйственных культур от неблагоприятных явлений природы. Для определения возможных опасных явлений могут быть использованы статистические данные температуры, давления и влажности. Данные подобного рода предоставляются метеорологическими службами Украины и других государств. Также для проверки работоспособности модели могут быть использованы данные Национального управления океанических и атмосферных исследований (NOAA), полученные в результате работы численной модели.

Для выбора наиболее эффективного способа решения поставленной задачи, рассмотрим базовые подходы, разработанные на основе существующих методов прогнозирования опасных явлений природы.

На синоптико – статистическом методе прогнозирования основана научная работа Ермаковой Л.Н. и Толмачевой Н.И. [3], целью которой было составить синоптико-статистическую схему прогноза урожайности яровой пшеницы с учетом особенностей атмосферной циркуляции. Метеорологическая составляющая урожайности Δyi представлена в отклонениях от тренда и рассчитывается следующим образом (формула 2.1):

Формула

где yi – урожайность i – го года; yi cp – динамическая урожайность этого же года. Урожайность по тренду yi cp характеризует уровень агротехники, достигнутый в каждом году, то величина Δyi характеризует изменчивость урожайности, вызванную особенностями метеорологических условий. В зоне неустойчивых урожаев метеорологические составляющие достигают 83%, в зоне наиболее неустойчивых урожаев превышают 85%. В зонах умеренно устойчивых урожаев метеорологическая составляющая колеблется от 0 до 20%. Т.е., чем больше неустойчивость урожая, тем выше его погодная составляющая.

Такой метод прогнозирования является перспективным, благодаря тому, что он позволяет увеличить заблаговременность прогноза до 3 – 4 месяцев.

Ценность разработанного метода прогнозирования может быть существенно повышена в случае его совмещения с интеллектуальной программой. Возможности программы должны включать в себя рекомендации при, во-первых, выборе сорта засеваемой культуры с учетом прогнозных погодных значений, во-вторых, выборе времени посева и сбора культуры, в-третьих, заблаговременной подготовке средств защиты от опасных явлений природы.

Гидродинамический подход к прогнозированию характеризуется высокой сложностью на этапах создания. Об этом свидетельствует научная работа Розинкиной И.А., Астаховой Е.Д., Пономаревой Т.Я., Рузановой И.В., и Булдовского Г.С. «Гидродинамический прогноз приземной температуры воздуха по Северному полушарию на основе спектральной модели атмосферы T85L31 c заблаговременностью до 96 ч и результаты его испытания» [6]. Приведены результаты оперативных испытаний метода. Дан подробный анализ полученных результатов. Показаны достоинства и недостатки метода прогноза. К недостаткам метода можно отнести, во-первых, суточный ход успешности прогнозов: прогнозы на ночь чаще имели более высокие систематические и абсолютные ошибки по сравнению с прогнозами на день, во-вторых, в отдельные месяцы прогнозы заблаговременностью 96 ч, составляемые по исходному сроку, имели неоправданно большие положительные систематические ошибки, не согласующиеся с ошибками более ранней заблаговременности. Несмотря на подобные минусы разработанного метода, выполненный анализ показал, что прогнозы температуры полей приземного воздуха с заблаговременностью до 84 ч, удовлетворительно отражают температурные изменения.

Учитывая трудоемкость на этапах создания подобных прогностических моделей, длительный период тестирования и настройки, а также полное время от разработки до запуска модели, можно сделать вывод о том, что ее стоимость будет очень высокой, следовательно, такая модель будет недоступна для большинства небольших сельских хозяйств. Хотя ее применение в масштабах страны, скорее всего, позволит повысить эффективность сельского хозяйства.

Научные работы, в которых используется статистический метод анализа погодных условий, являются эффективными с точки зрения точности прогнозирования опасных явлений природы. Авторы работ Загребина Т.А. [5] и Бедрицкий А.И., Коршунова А.А., Хандожко Л.А., Шаймарданова М.З. [6]. Составными частями задачи (в работе Загребиной Т.А.) стали, во-первых, осведомленность о рисках, связанных с опасными явлениями, во-вторых, увеличение срока предупреждения об опасных явлениях, в-третьих, обеспечение своевременного принятия мер безопасности, в – четвертых, расчет экономической эффективности метеорологических прогнозов. Для реализации этих задач была исследована повторяемость метеорологических явлений и их влияние на отрасли экономики, разработана методическая основа оценки экономического эффекта гидрометеорологического обеспечения, а также проведена оценка метеорологической уязвимости хозяйственных объектов и территорий.

Научная работа, которая показывает особенности прогноза атмосферных осадков по информации метеорологических спутников, написана Толмачевой Н.И. и Ермаковой Л.Н [7]. Задачами работы были, во-первых, анализ зон осадков зимнего и летнего периодов по снимкам облачного покрова, во-вторых, рассмотрение положения зон осадков по отношению к оси струйного течения, в-третьих, составление прогноза атмосферных осадков по космическим снимкам. Для определения зон осадков и прогноза их количества по территории Урала использовались спутниковые снимки с ИСЗ серии NOAA за 2000–2005 гг. На космических снимках определялись зоны осадков. Облачные вихри прослеживались в течение 2–5 суток с момента их возникновения до заполнения. Строились схематические карты эволюции облачных вихрей, зон значительных осадков и струй на поверхностях 700, 500, 300 и 200 гПа. Слои накладывались друг на друга, и создавалась картина эволюции облачных вихрей, зон осадков и струй. Оправдываемость метода в среднем составила 85%.

Итак, были рассмотрены базовые подходы четырех типов – синоптический, статистический, гидродинамический и космический. Оправдываемость методов прогнозирования снижается с увеличением срока прогноза. Например, синоптическая модель характеризуется следующими показателями оправдываемости: 91%, 87% и 83% для, соответственно, 24, 36 и 48 часов [8]. Для статистической модели характерны высокие показатели оправдываемости для 24 часов – 98% [5], для 36 и 48 часов – 94% и 88%, соответственно. Для гидродинамической модели оправдываемость прогнозов погоды составляет 84 – 95% при заблаговременности 24 ч, 82–94% и 80–93% – соответственно при заблаговременности 36 и 48 ч [9]. Вероятность правильного суточного прогноза погоды для космогеопрогноза составляет 85% [7].

Из рассмотренных методов наиболее сложными с точки зрения разработки и внедрения являются гидродинамический и космический методы прогнозирования погоды. Создание рабочей модели может занимать продолжительное время. Стоимость разработки таких моделей высока, поэтому не все объекты сельского хозяйства могут позволить себе пользоваться гидродинамической моделью и моделью космогеопрогноза. Так, например, стоимость одного снимка (панхроматическое изображения со спутника GeoEye – 1, площадью в 100 кв. км) стоит 2500 долларов. Получение снимков усложняется постоянно растущим количеством заказов и созданием очередей на данные систем дистанционного зондирования. Для прогнозирования опасных гидрометеорологических явлений необходимо постоянно получать данные (спутниковые изображения) о настоящем состоянии нижнего слоя атмосферы. Спутник может сделать полный круг по земной орбите в течение 24 часов. Во время съемки Земли, спутник может охватить изображение определенной площади, тем самым уменьшая возможность фотографирования нужного заказчику в конкретный момент времени изображения.

Согласно мнению к.г.н Цепелева В.Ю «синоптические и физико-статистические методы остаются важным инструментом в прогнозе погоды на месяц и более» [11]. Недостатком такого подхода является жесткая привязка получаемой статистической модели к конкретной гидродинамической.

По мнению Заболотникова Г.В. (Российский государственный гидрометеорологический университет), основой использования современных автоматизированных систем сбора и обработки метеоинформации для разработки прогнозов погоды является метод статистической интерпретации фоновых гидродинамических полей [10]. Он состоит в использовании статистических синхронных связей между параметрами структуры гидродинамических полей и соответствующими им локальными погодными условиями.

4. Подход к прогнозному моделированию погодных условий

Разработка прототипа модели прогнозирования влияния погодных условий на эффективность сельского хозяйства включает в себя несколько этапов.

Этап первый – выбор входных данных для прогнозирования.

При выборе входных данных следует учесть тот факт, что неблагоприятные погодные явления возникают в атмосферном фронте. Атмосферный фронт формируется, когда сближаются массы холодного и теплого воздуха.

Таким образом, основным используемым показателем для моделирования погодных условий, следует считать температуру.

Помимо температурных данных, следует использовать показатели влажности, поскольку при сближении воздушных масс увеличиваются горизонтальные градиенты влажности.

Эти два показателя будут считаться основными, за счет которых прогнозная модель будет выводить данные о погодных условиях. Однако, в том случае, если показатели будут сильно коррелировать между собой, то основной набор данных должен быть расширен новыми, например, показателями давления и скорости ветра.

Этап второй – анализ выходных данных.

Выходными данными модели будет информация о возможных неблагоприятных погодных явлениях. Также модель выдаст рекомендации о необходимых защитных мероприятиях для сохранения урожая. Подобная информация может существенно повлиять на экономическое положение предприятий, работающих в сфере сельского хозяйства, за счет снижения ущерба, нанесенного урожаю неблагоприятными погодными явлениями.

Предполагается, что разработка и внедрение прототипа создаваемой прогнозной модели позволит повысить эффективность работы сельскохозяйственных предприятий Украины.

Диаграмма работы прогнозной модели

Рисунок 2 – Диаграмма работы прогнозной модели
(анимация: 7 кадров, 3 цикла повторения, 40 килобайт)

Выводы

Проблема прогнозирования неблагоприятных явлений природы, которые могут существенно снизить эффективность работы сельского хозяйства, является актуальной и широко исследуемой, что подтверждается, во-первых, постоянно проводимыми исследованиями по повышению эффективности методов прогнозирования, во-вторых, подверженностью сельскохозяйственных территорий Украины неблагоприятным явлениям природы.

При исследовании погодных явлений могут быть использованы 4 основных подхода: синоптический, статистический, гидродинамический и космический. Каждый их подходов раскрывает существенные особенности развития макрометеорологических процессов.

Гидродинамические модели атмосферной циркуляции в последние десятилетия позволили повысить эффективность краткосрочных и среднесрочных прогнозов синоптического положения и погоды. Системы гидродинамических уравнений, отражающих фундаментальные физические законы, позволяют эффективно прогнозировать состояние атмосферы на срок 5 – 10 суток.

В синоптических методах долгосрочного прогноза погоды для изучения атмосферных макропроцессов используются карты погоды и карты барической топографии, а также целый ряд специальных карт, отражающих структуру термобарического поля и характер атмосферной циркуляции. Составлению прогноза погоды предшествует прогноз атмосферной циркуляции. При диагнозе и анализе атмосферных макропроцессов исследователь ограничивается определенной системой признаков, отражающих наиболее существенные особенности циркуляции.

Статистические методы прогнозирования возникли практически одновременно с синоптическими. Однако их развитие затруднялось сложностью выполнения большого объема расчетов. Использование ЭВМ устраняет это препятствие, а накопление материалов все более расширяет возможности применения статистических методов.

Статистические методы включают в себя две группы. В основе первой лежит поиск «аналога» текущего атмосферного процесса из архивного банка данных. Таким методом прогнозируется синоптическое положение и общий характер погодных условий.

Вторая группа статистических методов включает регрессионный, корреляционный, дискриминантный анализ и т.д. С использованием такого подхода прогнозируются значения метеовеличин и из аномалии.

Космогеопрогноз позволяет существенно усовершенствовать методы оперативного контроля состояния посевов и прогноза урожая, как в региональном, так и локальном масштабах, решать другие задачи в различных отраслях сельского хозяйства.

Положительной чертой статистического метода является постепенное повышение точности прогнозов за счет накапливаемой базы знаний. Благодаря обобщению случаев реального развития атмосферной циркуляции, эти методы прогнозируют погоду, близкую к климатической норме. Поскольку на территории Украины в местах расположения сельскохозяйственных угодий не наблюдается сильных погодных отклонений (торнадо, наводнения и др.), применение статистического метода прогнозирования погодных условий следует считать целесообразным.

Тем не менее, для повышения оправдываемости получаемых прогнозов, необходимо объединить методы численного и статистического прогнозирования.

Таким образом, для решения задачи построения модели прогнозирования опасных явлений природы, необходимо использовать статистическую модель, применяемую к значениям предикторов, рассчитанных численной моделью.

В работе поставлена задача создания прогнозной модели влияния погодных условий на эффективность работы сельскохозяйственных предприятий, дан краткий обзор основных используемых методов при решении этой задачи, определены начальные требования к прототипу создаваемой модели – использование базы знаний географических и временных температурных показателей.

Реферат написан по магистерской работе, которая еще находится в стадии написания. Конечная готовность магистерской работы – декабрь 2012 года.

Список использованной литературы

1. Государственная служба статистики Украины: статистика сельского хозяйства: [Электронный ресурс] / – 2010. – Режим доступа к рес.: http://www.ukrstat.gov.ua/

2. Компания по управлению активами «НИКО»: сельскохозяйственный сектор Украины: [Электронный ресурс] / – 2010.

3. Ермакова Л.Н., Толмачева Н.И. Прогноз урожайности яровой пшеницы на Урале синоптико – статистическим методом: [Электронный ресурс] / 2007 – Режим доступа к рес.: http://www.geo-vestnik.psu.ru/files/vest/72_prognoz_urozaqnosti_qrovoq_psenicy_na_urale _sinoptiko – statisticeskim_metodom.pdf

4. Розинкина И.А., Астахова Е.Д., Пономарева Т.Я., Рузанова И.В., и Булдовский Г.С. Гидродинамический прогноз приземной температуры воздуха по Северному полушарию на основе спектральной модели атмосферы T85L31 c заблаговременностью до 96 ч и результаты его испытания: [Электронный ресурс] / 2005. – Режим доступа к рес.: http://method.hydromet.ru/publ/sb/sb33/sb33.html

5. Загребина Т.А. Статистический анализ матриц сопряженности опасных явлений погоды по территории Удмуртии: [Электронный ресурс] / 2006. – Режим доступа к рес.: http://www.geo-vestnik.psu.ru/files/vest/121_statisticeskiq_analiz_matric_soprqzennosti_opasnyh_qvleniq_pogody_po_territorii_udmurtii.pdf

6. Бедрицкий А.И., Коршунов А.А., Хандожко Л.А., Шаймарданов М.З. Гидрометеорологическая безопасность и устойчивое развитие России / Право и безопасность. – 2007. – №1 – 2.

7. Толмачев Н.И. и Ермаков Л.Н., Прогноз атмосферных осадков по информации метеорологических спутников: [Электронный ресурс] / 2008. – Режим доступа к рес.: http://www.geo-vestnik.psu.ru/files/vest/122_prognoz_atmosfernyh_osadkov_po_informacii_meteorologiceskih_sputnikov.pdf

8. Васильев П.П. Метод прогноза минимальной и максимальной температуры воздуха с заблаговременностью 1 – 5 суток на основе статистической интерпретации гидродинамических моделей атмосферы: [Электронный ресурс] / 2007. – Режим доступа к рес.: http://method.hydromet.ru/methods/average/vasiliev/vasiliev.html

9. Бенькова Л.И. О результатах оперативных испытаний прогнозов осадков заблаговременностью 24 – 48 ч на основе региональной гидродинамической модели в Читинском ЦГМС – Р Забайкальского УГМС: [Электронный ресурс] / 2005. – Режим доступа к рес.: http://method.hydromet.ru/publ/sb/sb34/sb34.html

10. Заболотников Г.В. Разработка прогнозов погоды, методическая разработка: [Электронный ресурс] / – 2006. – Режим доступа к рес.: .http://vk.rshu.ru/materials/meteo/14/meteo_t14z8.pdf

11. Цепелев В.Ю. Современные подходы к распознаванию макросиноптических процессов в задаче прогноза погоды на месяц по Северо – Западу Российской Федерации: дис. кандидата геогр. наук: Валерий Юрьевич Цепелев. – [Электронный ресурс] / 2005. – Режим доступа к рес.: http://www.dissercat.com/content/sovremennye – podkhody – k – raspoznavaniyu – makrosinopticheskikh – protsessov – v – zadache – prognoza – pog

12. Главное управление статистики в Донецкой области: [Электронный ресурс] / – 2011. – Режим доступа к рес.: http://www.donetskstat.gov.ua/news/index.php