авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 9 | 10 ||

«3 Посвящается 70-летию Андрея Павловича Курносова д.э.н., профессора, заслуженного деятеля науки РФ, ...»

-- [ Страница 11 ] --

Результатом являются веса связей между входными векторами и выходными нейронами, которые представляют собой типичный входной образ для подмножества входных данных, которое попадает в отдельный кластер. Процесс сокращения набора данных большой размерности до набора кластеров называется сегментацией. Исходное пространство боль шой размерности сокращается до двумерной карты. Если используется ин декс выходного нейрона победителя, то это, по существу, разделяет вход ные образы на множество категорий или кластеров.

СОК также обладают способностью обобщать. Это означает, что такая нейронная сеть может узнавать или характеризовать входные дан ные, с которыми она никогда прежде не сталкивалась. Новый вектор вход ных данных приравнивается к элементам карты, на которую он отобража ется. Более того, можно использовать даже входной вектор с недостающи ми (пропущенными) данными для поиска или предсказания значений про пущенных данных на основе использования обученной карты.

Для обработки кадастровых данных одним из авторов был разрабо тан ActiveX – компонент, реализующий алгоритм Кохонена. Данный ком понент использовался совместно с электронными таблицами Microsoft Ex cel 97.

Набор показателей используемый для обучения имел в своем соста ве кадастровые данные, использованные для экономической оценки земли в г. Воронеже в 1993 г. В него входили такие коэффициенты, как расстоя ния до центра города, до средств связи, мест отдыха, рельеф, грунты, дру гие экологические и социальные значения. Размерность входного вектора равнялась 27. В расчете участвовали показатели для 106 участков, покры вающих всю территорию города. После начальной рандом-инициализации сеть приняла следующий вид (рис. 1).

Рис. 1. Самоорганизующаяся карта Кохонена после инициализации Ошибка квантизации на этом этапе составила 16,94. Обучение про изводилось со значением скорости обучения 0,3 и «пузырьковой» функции окружения. Число прогонов всех данных через нейросеть составило 1000.

Результат представлен на рис 2.

Ошибка квантизации на этом этапе составила 7,28, что означает дости жение хорошего соответствия между набором исходных данных, и простран ственной структурой сети. Для отображения этой структуры применялась т.н.

U-матрица [3], светлые и темные участки которой означают соответственно дальние и близкие к «центру масс» исходных данных узлы (нейроны) в сети.

Эти величины являются проекцией исходного многомерного набора данных, на двумерную сеть Кохонена из 25 элементов. Таким образом было высказано предположение о 25 различных типах земель в городе. Это число можно варь ировать в зависимости от дальнейшей поставленной задачи и требуемой точ ности. Представляет большой интерес отображение полученных данных из U матрицы непосредственно на географическую карту города, для визуальной оценки результатов. Для практического использования обученной сети для различных расчетов можно использовать эвклидовы расстояния от векторов исходных данных до узлов сети.

Рис. 2. Самоорганизующаяся карта Кохонена после обучения Литература 1. Teuvo Kohonen. Self-Organizing Maps. Springer-Verlag, Heidelberg, 1995.

2. John W. Sammon Jr. A nonlinear mapping for data structure analysis. IEEE Transactions on Computers, C-18(5):401-409, May 1969.

3. Прорвич. В.А. Основы экономической оценки городских земель. М., Дело, 1998.

4. J. Iivarinen, T. Kohonen, J. Kangas, S. Kaski Visualizing the clusters on the self organizing map. Multiple Paradigms for Artificial Intelligence (SteP94), 122 126. Finnish Artificial Intelligence Society, 1994.

Гладнев П.В., аспирант, Воронежский ГАУ Определение оптимальных параметров развития сельскохозяйственных предприятий с учетом переработки При переходе к рыночным отношениям важнейшими проблемами являются рационализация структуры производства, его размещение в со ответствии с имеющимися природно-экономическими условиями, созда ние равных возможностей для развития всех форм хозяйствования. Специ ализация и концентрация производства в условиях рыночной экономики вместе с технологическими, организационными, экономическими, соци альными и другими факторами призваны обеспечить высокую конкуренто способность сельскохозяйственной продукции, то есть достаточный ее объем, высокое качество, низкую себестоимость и на этой основе выручку средств, необходимых для расширенного воспроизводства.

Коренные изменения в экономике нашей страны потребовали и обусловили необходимость разработки уточнения некоторых методиче ских подходов к решению проблем агропромышленного комплекса.

Повышение внимания к специализации, выработке подходов к ее определению и совершенствованию обусловлено в первую очередь разви тием внутри предприятий отраслей, прямо не свойственных сельскохозяй ственным товаропроизводителям, например, перерабатывающих мини цехов внутри агроформирований.

В современных экономических условиях многие сельскохозяй ственные производители, пытаясь снизить свою зависимость от предприя тий по переработке производимого ими продовольственного сырья, начали развивать собственные перерабатывающие мини-линии.

Поскольку сочетание отраслей в сельскохозяйственном предприя тии и его специализация определяется многими условиями и факторами, это делает проблему определения правильной специализации и рациональ ного сочетания отраслей сложной и многовариантной задачей, особенно актуальной в современных условиях.

Наилучшими методами для решения задач определения специали зации и сочетания отраслей в агроэкономических системах являются мето ды экономико-математического моделирования, реализуемые посредством использования современных программных и аппаратных средств. Они поз воляют получить оптимальные параметры производства при заданных условиях, определяемые методом выбора, как наилучшие из всех возмож ных. Возможности современной вычислительной техники и программного обеспечения допускают разработку, решение и анализ моделей с большим количеством переменных и ограничений, что позволяет предельно точно описывать исследуемые объекты, виды деятельности, различные агротех нические, зооветеринарные и организационно-экономические требования и соотношения и, следовательно, максимально приблизить моделируемую систему к реальной.

Теоретической основой применения экономико-математических методов является экономическая теория, общая теория систем и киберне тика. Экономическая кибернетика, опираясь на обобщенную методологи ческую базу для решения тех или иных проблем, привлекает различные специальные методы, формирует собственные методологические принци пы. К ним можно отнести принцип двойственного рассмотрения объекта моделирования, требующий анализа всякой целостной системы, во первых, как относительно обособленной со стороны ее структуры и внут ренних механизмов, во-вторых, как подсистему более общей системы со стороны ее функций, ее взаимодействия с системным окружением. Иссле дования по применению математических методов в моделировании агро экономических процессов показывают, что проблемы совершенствования управления и планирования в сельском хозяйстве в современных условиях должны учитывать, помимо математического описания внутренних связей элементов, описание параметров внешних связей элементов (например, рыночную среду).

Основными методическими вопросами обоснования оптимальной структуры производства являются: обеспечение системного подхода к ре шению проблемы, разработка экономико-математической модели с учетом моделирования особенностей специализации хозяйств, реализация задачи на современных ПЭВМ, анализ результатов решений, использование двой ственных оценок для постоптимального анализа полученного решения, выбор приемлемого варианта развития производства, внедрение разрабо ток в производство.

Данная задача была разработана и реализована по АОЗТ "Пром кор". АОЗТ "Промкор" - одно из ведущих сельскохозяйственных предпри ятий Рамонского района, которое одним из первых в районе стало активно внедрять в производство собственную мини-переработку сельскохозяй ственной продукции, что представляет интерес с точки зрения не только организации производства, но и оптимизации перерабатывающей инфра структуры.

Анализируемое хозяйство хорошо обеспечено трудовыми ресурса ми, производственными фондами и средствами труда. Подробный анализ отраслей растениеводства и животноводства позволяет утверждать, что ре ализация живой массы крупного рогатого скота, молока, зерна, сахарной свеклы и т. д. в чистом виде приносит убыток;

продукция переработки и большинство других видов товарной продукции являются рентабельными.

В целом, в АОЗТ "Промкор" получены высокие показатели работы по сравнению со среднерайонными данными.

Таблица 1. Характеристика хозяйства Показатели ГОДЫ В среднем по хозяйствам 1996 1997 района Стоимость валовой продукции 1639504.4 2092275.4 2720749 1521307. в сопоставимых ценах 1996 го да, тыс.рублей Выручка от реализации про- 7024934 7737131 14246012 4716254. дукции, тыс.рублей Среднегодовая стоимость ос- 39539832 35017000 65269824 28646074. новных производственных фондов, тыс. рублей Среднегодовая численность 350 357 317 работников, человек Численность поголовья круп- 2415 2504 2424 ного рогатого скота, гол.

Площадь сельскохозяйствен- 3667 3646 4048 2593. ных угодий, га, в том числе пашни 3667 3643 3988 2097. При рассмотрении проблемы практического применения в эконо мической практике сельскохозяйственного предприятия современных про граммных и аппаратных средств для оптимизации функционирования АОЗТ "Промкор" в качестве элемента АРМ экономиста была разработана информационная система, позволяющая осуществлять разработку эконо мико-математических моделей по определению оптимальных параметров его экономического развития. Основное внимание в разработанной ин формационной системе было отведено определению взаимосвязи произ водства продовольственного сырья с переработкой его внутри предприя тия.

Для этого были определены переменные и ограничения и дано их организационно-экономическое обоснование;

определены технико экономические коэффициенты отраслевой структуры хозяйства;

разрабо тана и отрешена на ПЭВМ экономико-математическая модель.

Постановку экономико-математической задачи можно сформулиро вать следующим образом: используя современные программные и аппа ратные средства разработать такую информационную систему, которая, будучи использована экономистом предприятия, позволяла бы ему исходя из природно-климатических условий и наличия производственных ресур сов определить такие объемы производства и такое сочетание отраслей в хозяйстве, которые, при выполнении плана реализации продукции на рын ке, обеспечивали бы максимальный экономический эффект.

Для разработки экономико-математической модели данной задачи была подготовлена исходная информация, отражающая мощность произ водственных линий перерабатывающих мини-цехов.

Кроме того, для построения экономико-математической модели бы ли определены производственные затраты по возделываемым сельскохо зяйственным культурам.

Также была подготовлена информация по каждой сельскохозяй ственной культуре в отдельности. Особое внимание при этом уделялось обоснованию технико-экономических коэффициентов, выражающих за траты производственных ресурсов и выход продукции в расчете на гектар посева. Все эти нормативы обосновывались в технологических картах по общепринятой методике.

Основными нормативами по животноводству являются: структура стада, показатели воспроизводства, продуктивность скота, нормы кормле ния, затраты труда и средств на единицу продукции.

Главный акцент в данной модели был сделан на оптимизацию соот ветствия отраслевой структуры предприятия и производства им сельскохо зяйственной продукции с переработкой ее в самом хозяйстве. Производ ство различной продукции переработки собственного и закупаемого про довольственного сырья по нескольким отраслям отражено в модели соот ветствующей группой ограничений.

В частности, в модель включена группа ограничений, соответству ющая получению предприятием сахара, как давальческого сырья. Зная урожайность сахарной свеклы, выращиваемой в хозяйстве, определяется ее валовое производство, затем, используя коэффициент выхода сахара и процент его распределения между предприятием-поставщиком и предпри ятием-переработчиком, рассчитывается количество сахара, который оста нется в распоряжении хозяйства.

Также имеются условия, ограничивающие производство муки си лами собственного мукомольного цеха предприятия. Принцип расчетов аналогичен предыдущему: зная урожайность озимой пшеницы определяет ся валовое производство зерна, а затем посредством коэффициента выхода муки и распределения продукции на товарное зерно и зерно для собствен ной переработки вычисляется количество произведенной муки в предприя тии.

Соответствующими условиями в модели выражено производство колбасных изделий трех видов и производство молочных продуктов (также трех видов).

За критерий оптимальности в данной задаче принята максимизация суммы прибыли, определяемая в процессе решения задачи как разность между стоимостью товарной продукции и суммой затрат на ее производ ство.

Разработка экономико-математической задачи позволила опреде лить оптимальную отраслевую структуру АОЗТ "Промкор".

Таблица 2. Отраслевая структура АОЗТ “Промкор”, % Отрасль По оптимальному реше- Фактически за 1996 нию 1998 годы Растениеводство всего 64,95 58, В т.ч. продукция растениевод- 32,05 28, ства в переработанном виде Животноводство всего 25,03 21, В т.ч. продукция животновод- 13,62 10, ства в переработанном виде Прочие отрасли 10,02 20, В целом по хозяйству. 100,00 100, Реализованная экономико-математическая модель по оптимизации отраслевой структуры АОЗТ "Промкор", разработанная с учетом меропри ятий по совершенствованию организации производства и полученный оп тимальный вариант экономического развития предприятия позволили сде лать вывод о повышении экономической эффективности производства.

Данные анализа говорят о том, что производство и переработка сельскохо зяйственной продукции в АОЗТ "Промкор" экономически эффективна это доказывается анализом ее показателей (табл. 3).

Таблица 3. Экономическая эффективность сельскохозяйственного производства Показатели эффективности По оптимальному Фактически за 1996 Решению 1998 г.г.

Производство на 100 га пашни, ц:

зерна 1520,4 1240, сахарной свеклы 2400,1 1987, подсолнечника 1680,5 1010, Производство на 100 га сельхозугодий прироста живой массы КРС, ц: 136.20 72. товарной продукции, тыс. руб.: 232793,3 92462, валовой продукции, тыс. руб.: 28224,5 16593, прибыли, тыс. руб.: 82161.3 11683, Произведено на 1 ч/час валовой продукции, тыс. руб.: 1,72 1, прибыли, тыс. руб.: 343.34 237. Произведено на 1 работника валовой продукции, тыс..руб.: 2216,87 1404, Прибыли, тыс. руб. 2631,4 2101, Уровень рентабельности, %: 31.64 18. Все показатели, полученные по оптимальному решению, значитель но превышают среднегодовой уровень за 3 года.

Подписано к печати 11.01.01 г. Формат 60х84 1/ Бумага кн.-журн. Объем 26.3 п.л. Гарнитура Таймс.

Тираж 500. Первый завод.

Заказ № 1317.

Воронежский государственный аграрный университет им. К.Д. Глинки. Типография ВГАУ 394087 Воронеж, ул. Мичурина,

Pages:     | 1 |   ...   | 9 | 10 ||
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.