Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Несмотря на резкое снижение объемов транспортной работы за период 1991;2001 гг. по сравнению с 1990 годом, железнодорожный транспорт сохранил свое ведущее положение в общетранспортном балансе грузовых перевозок нашей страны. При этом если в 1990 году железными дорогами было перевезено 31,2% всех отправленных грузов, то в 2001 году доля железных дорог составила 40,5%. Динамика грузооборота… Читать ещё >

Содержание

  • 1. СОВРЕМЕННОЕ СОСТОЯНИЕ И ТЕНДЕНЦИИ РАЗВИТИЯ РЫНКА ГРУЗОВЫХ ПЕРЕВОЗОК В РОССИИ
    • 1. 1. Место транспорта в экономике страны и особенности транспортного рынка
    • 1. 2. Маркетинговые исследования на железнодорожном транспорте в современных условиях: структура и содержание
    • 1. 3. Анализ данных маркетинговой отчетности Центра фирменного транспортного обслуживания МПС
  • 2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ ГРУЗОВЫХ ПЕРЕВОЗОК
    • 2. 1. Сущность и классификация экономических прогнозов
    • 2. 2. Характеристика спроса на грузовые перевозки
    • 2. 3. Анализ существующих подходов и методов прогнозирования перевозок грузов железнодорожным транспортом
    • 2. 4. Оценка методов, применяемых при прогнозировании объемов грузовых железнодорожных перевозок
  • 3. МЕТОДОЛОГИЯ РАЗВИТИЯ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ СПРОСА НА ПЕРЕВОЗКИ ГРУЗОВ ЖЕЛЕЗНОДОРОЖНЫМ ТРАНСПОРТОМ
    • 3. 1. Использование теории нечетких множеств в прогнозировании спроса на грузовые перевозки железнодорожным транспортом
    • 3. 2. Возможности метода «Гусеница» при прогнозировании временных рядов
    • 3. 3. Нейросетевое моделирование экономических процессов
  • 4. РАЗРАБОТКА ПРАКТИЧЕСКИХ РЕКОМЕНДАЦИЙ ПО ПРОГНОЗИРОВАНИЮ СПРОСА НА ГРУЗОВЫЕ ПЕРЕВОЗКИ ЖЕЛЕЗНОДОРОЖНЫМ ТРАНСПОРТОМ
    • 4. 1. Применение стохастических методов при прогнозировании объемов отправления грузов
      • 4. 1. 1. Корреляционно-регрессионный анализ
      • 4. 1. 2. Метод «Гусеница»
    • 4. 2. Применение нейросетевого моделирования при прогнозировании объемов отправления грузов
      • 4. 2. 1. Моделирование процессов с использованием поквартальной динамики
      • 4. 2. 2. Моделирование процессов с использованием годовой динамики

Развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом (реферат, курсовая, диплом, контрольная)

Основной задачей железнодорожного транспорта является своевременное удовлетворение потребностей экономики страны в перевозках. Несмотря на произошедшее в последнее десятилетие резкое снижение объемов транспортной работы, железнодорожный транспорт сохранил свое ведущее положение в общетранспортном балансе грузовых перевозок нашей страны. В сложившихся нестабильных и трудно предсказуемых экономических, политических и социальных условиях железнодорожный транспорт продолжает оставаться наиболее стабильно работающим и привлекательным для большинства грузовладельцев видом транспорта.

Однако усиление конкуренции между видами транспорта и изношенность основных фондов железнодорожного транспорта в дальнейшем могут привести к потере железнодорожным транспортом части рынка и, тем самым, к ухудшению его финансово-экономического положения. Определение перспективного значения спроса на перевозки грузов железнодорожным транспортом с учетом влияния совокупности экономических, политических, технологических, природных факторов и конъюнктуры транспортного рынка позволит выбрать оптимальную модель поведения, так как обеспечивает возможность гибкой адаптации производственных показателей на колебания спроса. Это в свою очередь позволит снизить экономические потери железнодорожного транспорта и увеличить прибыль. Особенно большое значение имеет достоверность прогноза спроса на транспортные услуги железных дорог в условиях проводимой структурной реформы отрасли.

Актуальность темы

диссертации обусловлена необходимостью совершенствования системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом для повышения эффективности управления ресурсами железных дорог в свете проводимых структурных реформ, отмены централизованного планирования и долговременных предварительных заявок на перевозки грузов железнодорожным транспортом.

Анализ и прогнозирование спроса на перевозки грузов являются важнейшим инструментом выработки эффективных управленческих решений в части выбора оптимальной стратегии развитияопределения необходимого технического оснащения железных дорогпланирования потребности в материальных, трудовых и финансовых ресурсахпроведения мер по привлечению клиентов на железнодорожный транспорт и т. д. Таким образом, проблема развития системы прогнозирования спроса на грузовые перевозки в современных условиях стала особенно актуальной. С учетом ранее выполненных исследований в этой области необходима разработка современной методологии прогнозирования спроса на грузовые перевозки с использованием новейших математических методов и моделей и их адаптацией к особенностям рынка транспортных услуг. Кроме того, необходимость использования разработок в практике прогнозирования в реальных условиях накладывает определенные требования к подбору математического аппарата: он должен совмещать в себе достоинства других методов и одновременно отличаться простотой и наглядностью в применении, максимально базироваться на имеющейся в распоряжении железнодорожного транспорта информации.

Основной целью диссертационного исследования является развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом для повышения качества получаемых прогнозов. В соответствии с целью исследования в диссертационной работе были поставлены и решены следующие задачи: о исследованы тенденции развития рынка грузовых перевозок в России и роль железнодорожного транспорта в их обеспечениио выявлены и проанализированы основные факторы, влияющие на перевозки грузов железнодорожным транспортомо классифицированы методы прогнозирования экономических процессово определено место прогнозирования спроса на грузовые перевозки в системе управления железнодорожным транспортомо показаны специфические особенности и методические основы прогнозирования спроса на грузовые железнодорожные перевозкио проанализирован опыт и установлены границы применения существующих подходов и методов прогнозирования перевозок грузов железнодорожным транспортомо оценено качество применяемых в практике управления при прогнозировании объемов грузовых железнодорожных перевозок методово обоснованы достоинства и преимущества применения современных методов прогнозирования, таких как «Гусеница» и нейросетевое моделированиео проведен сравнительный анализ результатов прогнозирования объемов перевозок грузов железнодорожным транспортом, полученных в результате применения различных методов.

Объектом исследования с учетом поставленной задачи являются грузовые железнодорожные перевозки, а предметом исследования — прогнозирование спроса на грузовые железнодорожные перевозки.

Теоретической и методологической основой исследования послужили научные труды видных отечественных ученых в области планирования и прогнозирования перевозок грузов железнодорожным транспортом И. В. Белова, Е. Д. Ханукова, Т. С. Хачатурова, Б. И. Шафиркина, Н. П. Терешиной, В. Г. Галабурды, Н. С. Ускова, H.H. Громова, M.JI. Дыканюк, А. Г. Захарова, Л. В. Канторовича, А. Б. Каплана, Е. П. Нестерова, Б. М. Лапидуса, Д. А. Мачерета, В. А. Персианова, Н. В. Правдина, Г. В. Бубновой и других [11,44,80,34,89,120,123,73, 96,124,70,105,19,18]. В ходе исследования применялись теория математической статистики, методы математического анализа («Гусеница» и нейросетевое моделирование), основные положения и инструментарий теории прогнозирования, программные продукты «Caterpillar» фирмы GistaT Group, Statistica и пакет Neural Networks фирмы StatSoft и другие.

В диссертации для анализа и прогнозирования используются статистические данные Госкомстата России [46,100,101,103,108,109,121], железнодорожная отчетность на различных уровнях управления и материалы маркетинговых обследований, проводимых СФТО [115].

Научная новизна исследования заключается в следующем: о аргументирована необходимость сегментации грузов на две крупных группы и использования различных подходов к маркетинговым исследованиям и прогнозированию объемов железнодорожных перевозок в разрезе этих группо разработаны предложения по применению теории нечетких множеств в экспертном прогнозировании спроса на грузовые железнодорожные перевозки на долгосрочный периодо с целью повышения качества получаемых прогнозных оценок обоснована возможность применения при прогнозировании показателей перевозок грузов с учетом маркетинговой информации ранее не использовавшихся для этих целей математических методов (метод анализа временных рядов «Гусеница» и нейросетевое моделирование).

Практическая ценность заключается в возможности применения предложенных разработок на сети в целом и на железных дорогах, прежде всего в Системе фирменного транспортного обслуживания и в Департаменте экономики МПС, для улучшения качества прогнозирования спроса на грузовые перевозки и, тем самым, повышения конкурентоспособности и доходности железных дорог. Достоверность работы базируется на реальной информационной базе, на надежности теоретических методов, критериев значимости и оценки полученных результатов.

Основные положения и теоретические выводы по диссертационной работе были доложены на Второй сетевой научно-практической конференции «Современные проблемы экономики и управления на железнодорожном транспорте» (Москва, 2000 г.), на Третьей сетевой научно-практической конференции «Современные проблемы экономики и управления на железнодорожном транспорте» (Москва, 2001 г.), на Третьей сетевой научно-практической конференции «Безопасность движения поездов» (Москва, 2002 г.), на Четвертой сетевой научно-практической конференции «Безопасность.

Движения поездов" (Москва, 2003 г.). Положения диссертационной работы использованы в научно исследовательской работе «Построение информационно-аналитической системы прогнозирования перевозок грузов» выполненной при участии автора по заказу ЦФТО МПС в 2002 году. Результаты диссертационной работы внедрены в Системе фирменного транспортного обслуживания МПС России. По теме диссертации было опубликовано 7 научных статей.

На защиту выносятся методические основы развития системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом с помощью метода анализа временных рядов «Гусеница» и нейросетевого моделирования.

выводы по четвертой главе.

На основе проведенных исследований составлена классификация предлагаемых методик, представленная в табл. 4.11.

Классификация предлагаемых подходов краткосрочного прогнозирования.

Признак Подход Оценка.

Месячная динамика объемов отправления цемента Московской железной дорогой Корреляционнорегрессионный анализ Качество прогноза неудовлетворительное. Возможная причина: отсутствие необходимой динамики выбранных независимых переменных в разрезе рассматриваемого региона.

Авторегрессия и скользящее среднее (метод «Бокса-Дженкинса») Качество прогноза сильно снижается с каждым последующим прогнозным периодом. Причина: особенности метода.

Метод «Гусеница» (анализ главных компонент) Качество прогноза по критерию минимакса наилучшее. Причина: возможность экспертного анализа поведения временного ряда.

Квартальная динамика объемов погрузки цемента конкретными предприятиями Московской железной дороги Нейросетевое моделирование Высокая прогнозирующая способность. Причина: возможности метода, позволяющие воспроизводить сложные зависимости.

Методы анализа временных рядов Не использовались для анализа и прогнозирования. Причина: недостаточное для проведения анализа количество наблюдений в исследуемых выборках.

Годовая динамика объемов отправления цемента Московской железной дорогой.

Корреляционнорегрессионный анализ.

ЗАКЛЮЧЕНИЕ

.

К основным выводам и результатам настоящего диссертационного исследования можно отнести следующие:

1. Прошедшее десятилетие в России характеризовалось значительными социально-экономическими изменениями. Согласно данным Госкомстата РФ, за 1992 — 2001 годы Внутренний валовой продукт России снизился на 27%. Уровень промышленного производства сократился на 35%, инвестиции в основной капитал снизились в 3 раза. Численность населения за этот период сократилась на 4,1 млн. человек или на 2,8% при этом реальные денежные доходы (скорректированные на инфляцию) снизились на 47%. Транспорт, являясь составной частью экономики страны, испытывал те же проблемы, что и другие отрасли народного хозяйства. На фоне экономического спада объем отправления грузов транспортом общего пользования снижался резко и в 1998 году он составил только 34,2% от уровня 1990 года.

2. Несмотря на резкое снижение объемов транспортной работы за период 1991;2001 гг. по сравнению с 1990 годом, железнодорожный транспорт сохранил свое ведущее положение в общетранспортном балансе грузовых перевозок нашей страны. При этом если в 1990 году железными дорогами было перевезено 31,2% всех отправленных грузов, то в 2001 году доля железных дорог составила 40,5%. Динамика грузооборота показывает снижение доли железнодорожного транспорта с 1990 года. В 1990 году доля железных дорог составила 42,8%, а в 2001 году — 39,9%. Однако это можно объяснить воздействием трубопроводного транспорта, т.к. без его учета доля железных дорог возросла с 76,1% в 1990 году до 88% в 2001 году. В сложившихся нестабильных и трудно предсказуемых экономических, политических и социальных условиях железнодорожный транспорт продолжает оставаться наиболее стабильно работающим и привлекательным для большинства грузовладельцев видом транспорта.

3. В дальнейшем необходимо удерживать и укреплять позиции железнодорожного транспорта на рынке в условиях усиления конкуренции между видами транспорта. Для этого необходим выбор эффективной политики на основе правильно оцененных тенденций развития транспортного рынка, что делает роль прогнозирования определяющей в процессе управления.

4. Проведенная в диссертационной работе оценка роли прогнозирования и планирования, приводит к заключению, что прогнозирование и планирование являются самостоятельными этапами процесса управления и ни один из них не может быть исключен из управленческого цикла.

5. Цели прогнозирования, глубина (временной интервал) и статистическая база определяют вид и характеристики прогнозов. Предложена классификация прогнозов, составленная на основе изучения многочисленных источников специальной литературы.

6. Спрос на грузовые перевозки железнодорожным транспортом имеет специфичную структуру, что определяет сложность получения его прогнозного значения. В диссертационной работе представлена классификация основных характеристик, определяющих характер, объем, структуру спроса на грузовые железнодорожные перевозки.

7. Прогнозирование спроса на перевозки грузов усложняется тем, что объем и структура спроса зависят от совокупности экономических, технологических, социально-политических, демографических, культурно-исторических, природных факторов и конъюнктуры транспортного рынка (уровня рыночных цен, платежеспособности потребителей, их географического положения и т. д.). Поэтому прогнозы спроса на перевозки должны основываться на анализе (как качественном, так и количественном) закономерностей процесса его формирования и выявлении присущих этому процессу наиболее характерных тенденций.

8. На основе изучения данных железнодорожной маркетинговой отчетности выделены два принципиально отличных сегмента грузов. Первая группа характеризуется устойчивыми условно-постоянными связями (например, уголь — кокс — руда железная и марганцевая — черные металлы), а втораяраспыленностью и сложностью идентификации конечного потребителя например, строительные грузы, цемент, зерно, химические и минеральные удобрения). Проведена сегментация грузов и обоснована целесообразность использования различных подходов к исследованию и прогнозированию объемов перевозок в разрезе этих групп.

9. Сформирован перечень факторов, влияющих на формирование спроса на перевозки грузов железнодорожным транспортом. Большинство факторов трудно формализуемы, что осложняет возможность оценки степени их влияния на объемы железнодорожных перевозок. Проведено исследование влияния различных факторов на конкретный производственный сегмент.

10. Обоснована необходимость улучшения статистического учета маркетинговой информации и составления электронных баз данных факторов, влияющих на формирование спроса с целью их дальнейшего использования в процессе экономического анализа и прогнозирования.

11. В результате проведенного анализа существующих методов прогнозирования объемов грузовых железнодорожных перевозок были выделены их основные недостатки, достоинства и границы использования в современных условиях. Отмечено, что конкретных исследований в области классификации методов в разрезе родов грузов не проводилось. Показано, что выбор того или иного метода прогнозирования должен зависеть как от рода груза, так и от горизонта прогнозирования. Анализ качества прогнозных оценок, получаемых на практике, также показал необходимость разработки новых подходов к прогнозированию объемов железнодорожных перевозок. Наиболее низкое качество по результатам проведенного исследования выявлено у краткосрочных прогнозов.

12. Предлагается использование метода Fuzzy-Дельфи при составлении долгосрочных макро прогнозов спроса на перевозки грузов железнодорожным транспортом. Применение теории нечетких множеств обусловлено тем, что железнодорожный транспорт находится в более нестабильной ситуации, чем в недалеком прошлом так как экономическая, социальная, политическая и технологическая обстановка в настоящее время является значительно менее предсказуемой, изменения носят качественный характер и трудно поддаются формализации классическими методами прогнозирования, основанными на Механистическом детерминизме. Также немаловажным фактором, определяющим выбор макро уровня, является учет сложности формирования группы экспертов и проведения самого опроса.

13. В качестве инструмента краткосрочного прогнозирования объемов отправления грузов рассмотрены следующие математические методы: корреляционно-регрессионный анализ, авторегрессия и скользящее среднее (метод «Бокса-Дженкинса»), метод анализа главных компонент «Гусеница», нейросетевое моделирование.

14. Отмечены основные достоинства метода «Гусеница» и нейросетевого моделирования, предопределившие их выбор в качестве инструмента прогнозирования спроса на перевозки грузов железнодорожным транспортом. Реальную возможность использования нейросетевого моделирования в практике прогнозирования на железных дорогах предоставляет наличие соответствующего программного продукта компании SAS Institute (SAS Enterprise Miner), которая. активно сотрудничает с ЦФТО МПС и с использованием инструментов которой разработана архитектура информационных хранилищ железнодорожного транспорта.

15. С использованием динамики объемов отправления цемента Московской железной дорогой и динамики факторов, влияющих на объем отправления, построены конкретные модели краткосрочного прогнозирования на различный временной период: месяц, квартал, год. Определена прогнозирующая способность каждой модели и проведено сравнение качества получаемых прогнозов объема отправления цемента с использованием предлагаемых методик и применяемых на практике. На основании сравнения результатов прогноза для каждого выбранного метода краткосрочного прогнозирования выявлены границы применения.

Таким образом, применение на практике результатов диссертационного исследования позволит повысить качество прогнозирования объемов отправления грузов и тем самым обеспечит повышение эффективности функционирования железнодорожного транспорта и качества обслуживания грузоотправителей.

Разработанные методические рекомендации могут быть использованы в практике работы Департамента экономики и маркетинговых структур Системы фирменного транспортного обслуживания МПС при составлении прогнозов объемов отправления грузов.

Показать весь текст

Список литературы

  1. А.И. Место транспорта в системе общественного производства. М.: Высшая школа, 1982. — 79 с.
  2. А.П., Галабурда В. Г., Иванова Е. А. Маркетинг на транспорте / под ред. В. Г. Галабурды. Учебник для вузов. М.: Желдориздат, 2001. ~ 329 с.
  3. И.Н. Прогноз на предприятии. -М.: Знание, 1976.
  4. С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.
  5. А. Регрессия, псевдоинверсия и рекуррентное оценивание. М.: Наука, 1977.-224 с.
  6. Анализ текущего состояния и тенденции развития промышленного производства и объемов перевозок грузов по сети железных дорог России на краткосрочную и среднесрочную перспективу: Отчет / руководитель Пехтерев Ф. С. М.: Гипротранстэи МПС, 2001.
  7. Т. Статистический анализ временных рядов. —М.:Мир, 1976. 755 с.
  8. К. Джей Введение в искусственные нейронные сети // Открытые системы. 1997. — № 4.
  9. К.А., Рубцов В. Н. Модели и методы прогнозирования и долгосрочного планирования: Учеб. пособие. М.: 1992. — 78 с.
  10. И.В. и др. Экономика транспорта / под ред. И. В. Белова. М.: Транспорт, 1989.-351 с.
  11. М.В., Персианов В. А. Экономическая теория транспорта в СССР. М.: Транспорт, 1993. -415 с.
  12. С.Д., Гурвич Ф. Г. Математико-статистические методы экспертных оценок. -М.: Статистика, 1974. 159 с.
  13. Д., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып.1. М.: Мир, 1974. 408 е.- Вып. 2. М.: Мир, 1974. — 199 с.
  14. В.П. Программа STATISTICA для студентов и инженеров. М.: Горячая линия — Телеком, 2001. — 301 с.
  15. В.П., Ивченко Г. И. Прогнозирование в системе Statistica в среде Windows. Основы теории и интенсивная практика на компьютере: Учеб. пособие. М.: Финансы и статистика, 2000. — 283 с.
  16. В.П. Прогнозные коммерческие расчеты и анализ рисков на Fuzzy for Excel. Киев: 2000. — 159 с.
  17. Г. В. Инструменты поддержки принятия маркетинговых решений на железнодорожном транспорте // Экономика железных дорог. 2001. — № 12. — с. 81−92.
  18. Г. В. Средства формирования эффективной маркетинговой стратегии // Железнодорожный транспорт. 2002. — № 2. — с. 4−10.
  19. Г. В., Куприянова Г. В., Сибагатулин В. Г. Прогнозирование объемов железнодорожных перевозок грузов // Железнодорожный транспорт. 2003. -№ 4. — с.61−64.
  20. Г. В., Тюфаев A.M. Исследование и моделирование продаж транспортной продукции // Железнодорожный транспорт. 2002. -№ 6 — с.60−64.
  21. В.Н. Экспертные оценки в задачах управления. М.: 1982. — 105 с.
  22. В.И. Интеллектуальные системы управления с использованием нечеткой логики. Уфа: 1995.
  23. E.H. Государственные экономические стратегии. М.: ЮНИТИ, 1998. -483 с.
  24. С.М. Основы комплексного прогнозирования.-М.:Мир, 1977 276с.
  25. В.Г. Маркетинг на транспорте: Учеб. пособие. М.: МИИТ, 1992. -108с.
  26. В.Г. Методика маркетингового анализа транспортного рынка и изучения спроса на грузовые перевозки // Ж.-д. транспорт. Сер. Маркетинг и коммерческая деятельность. ЭИ/ЦНИИТЭИ. — 1996. — Вып. 1. — с. 1−30.
  27. В.Г. Оптимальное планирование грузопотоков. — М.: Транспорт, 1985.-256 с.
  28. В.Г., Деружинский В. Е. Транспортный маркетинг. М.: МИИТ, 1994. — 174с.
  29. P.P. Прогнозирование функционирования автотранспортных предприятий региона. Дисс. канд. экон. наук. М.: РАН, 1999.
  30. К., Хатанака М. Спектральный анализ временных рядов в экономике / Под ред. В.В. Налимова- Пер. с англ. -М.-.Статистика, 1972. 312 с.
  31. H.H. Единая транспортная система: Учебное пособие. — М.: Транспорт, 1987. 304 с.
  32. H.H., Персианов В. А. Управление на транспорте: Учебник для вузов. — М.: Транспорт, 1990. 336 с.
  33. В.А. Формирование укрупненных показателей стоимости реконструкции малых железнодорожных мостов для проведения подрядных конкурсов. Дисс. канд. экон. наук. -М.: МИИТ, 2002.
  34. Л.Г. Методы и модели совместного использования вероятностных методов и экспертного оценивания в прогнозировании. М.: Вычислительный центр РАН, 1994. — 63 с.
  35. Д.Л., Жиглявский A.A. (ред.) Главные компоненты временных рядов: метод «Гусеница». Спб.: СПбГУ, 1997. — 308 с.
  36. Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1971.-Вып. 1 -316 с.
  37. Долгосрочное планирование и прогнозирование / Под ред. Г. С. Хачатурова. -М.: Наука, 1975.-517с.
  38. A.A., Шумский С. А. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: МИФИ, 1998.
  39. А.П. Экспертные оценки и методы принятия решений. М.: Изд. МЭИ, 1995.- 110 с.
  40. E.H. Краткосрочное прогнозирование перевозок грузов железнодорожным транспортом на основе маркетинговых исследований. Дисс. канд. экон. наук. -М.: ВНИИЖТ, 1994.
  41. А.Г. Методические предпосылки диагностики спроса и предложения транспортных услуг // Межвуз. сб. науч. тр./ МИИТ. 1994. — Вып.883: Маркетинг и коммерческая деятельность на транспорте. — С. 42−47.
  42. А.Г. Совершенствование планирования и анализа грузовых перевозок на железнодорожном транспорте. М.: Транспорт, 1990. — 239с.
  43. Н.Д., Король В. А. Маркетинг в перевозках грузов / ВНИИЖТ. — М.: Транспорт, 1995. 248 с.
  44. Инвестиции в России, 2001 Статистический сборник/ Госкомстат России. М., 2001.- 198 с.
  45. Г. С. Статистический анализ динамических рядов. — М.: Статистика, 1974. 43 с.
  46. Г. С., Френкель A.A. Анализ временных рядов и прогнозирование. -М.: ФиС, 1973.
  47. Г. Б., Смоляк С. А. Эконометрические зависимости: принципы и методы постоения. М.: Наука, 2000. — 104 с.
  48. B.C., Житников И. В. Анализ временных рядов и прогнозирование.- Ростов на Дону, 1998. 161 с.
  49. Г. Д. Измерение и моделирование циклической динамики экономических процессов на основе спектрального анализа. Автореф. дис. к.э.н.- Новосибирск, 1991. 22 с.
  50. Д. Льюис. Методы прогнозирования экономических показателей. М.: Финансы и Статистика, 1986. — 133 с.
  51. Н.Д. Избранные сочинения. М.: Экономика, 1993. — 543 с.
  52. Н.Д. Проблемы экономической динамики / Ред. JI. И. Абалкин и др. М.: Экономика, 1989. — 526 с.
  53. Г. В. Комплексная модель прогнозирования спроса на перевозки грузов железнодорожным транспортом // Сборник научных трудов «Экономические и социальные проблемы транспортного комплекса в современных условиях». Самара: СамИИТ, 2002. — с. 78−82.
  54. А., Хил Алуха X. Введение теории нечетких множеств в управлении предприятием: Пер. с испанского. -М.: Высшая школа, 1992. — 224 с.
  55. Е.Н. Эконометрия. М.: ФиС, 1999. — 300с.
  56. .М. Анализ динамики перевозки грузов в условиях конкуренции // Экономика ж. д. 1999. — № 7. — с. 9−14.
  57. .М. Экономические проблемы управления железнодорожным транспортом России в период становления рыночных отношений (системный анализ). М.: Изд-во МГУ, 2000. — 288 с.
  58. В.А. Теория и практика прогностики (методологические аспекты). — М.: Наука, 1972. 224 с.
  59. .Г. Разработка методов комплексного экспертного оценивания при перспективном планировании развития отрасли. Автореферат дис. Д.т.н. М.: 1989.-46 с.
  60. .Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. — 184 с.
  61. .Г. Экспертные оценки и принятие решений. —М.".Патент, 1996 271 с.
  62. Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. — 254 с.
  63. Д. Будущее российской экономики // Экономист,—2000. — № 12. с. 3−18.
  64. К.Д. Методы прогнозирования экономических показателей. М.: Финансы и статистика, 1986. — 133 с.
  65. Л.А. Современные методы управления экономическими процессами на железнодорожном транспорте. М.: Изд. МЭИ, 2000. — 268 с.
  66. Маркетинговые исследования транспортного рынка и прогнозирование перевозок в районе тяготения Московской железной дороги: Отчет о НИР / МИИТ- Руководитель В. Г. Галабурда. М.: 1999. — 92 с.
  67. К., Энгельс Ф. Полное собрание сочинений. Издание 2-е, т. 24.
  68. Математическое моделирование экономических процессов на железнодорожном транспорте / Под ред. Каплана А. Б. М.: Транспорт, 1984. -256с.
  69. Д.А. Анализ конъюнктуры транспортного рынка, теоретические основы // Ж-д. тр-т. Сер. Маркетинг и коммерческая деятельность: ЭИ/ЦНИИТЭИ МПС. М.: 1997. — Вып.2. — с. 10−14.
  70. Д.А. Проблемы совершенствования экономических методов управления работой железнодорожного транспорта // Ж-д. тр-т. Сер. Общетранспортные вопросы и экономика: ЭИ/ЦНИИТЭИ МПС. М.: 2000. — Вып.3−4. — с. 1−63.
  71. Методика прогнозирования спроса на продукцию железнодорожного транспорта: Отчет о НИР / МИИТ- Руководитель Орлов A.A. М.: 2000.
  72. Методология формирования технической политики как инструмента реализации экономической стратегии ОАО РЖД: Отчет о НИР / руководитель Лапидус Б. М. М.: МИИТ, 2002. — 205с.
  73. Многомерный статистический анализ в экономике: Учеб. пособие / Под ред. В. Н. Тамашевича. М.: ЮНИТИ, 1999. — 598 с.
  74. Н.Д. К политэкономическим проблемам теории транспорта //Ж.-д. транспорт. 1991.
  75. Нейронные сети. STATISTICA Neural Networks: Пер. с англ. М.:Горячая линия — Телеком, 2001. — 182 с.
  76. В. Социально-экономическое развитие в 2001 году: итоги и проблемы // Экономист. 2002. — № 4. — с. 36−45.
  77. Оптимальная модель Московской железной дороги. — М.: МПС, 2000. 198 с.
  78. A.A. Прогнозирование спроса на перевозки грузов по железной дороге. Дисс. канд. экон. наук. М.: МИИТ, 1995. — 268 с.
  79. JI.А. Субъективность в интеллектуальном анализе данных. М.:1999.-76 с.
  80. А.Р. Оперативное прогнозирование спроса на пассажирские перевозки воздушным транспортом. Дисс. канд. экон. наук. М.: ГУУ, 2000.
  81. М.Б. Моделирование условий формирования спроса на грузовые перевозки // Железнодорожный транспорт. 2002. — № 4. — с.62−64.
  82. С.Э. Методология комплексного прогнозирования развития отрасли. Л.: — Наука, 1984. — 185 с.
  83. Планирование перевозок грузов на железных дорогах. — М.: Транспорт, 1972. — 263 с.
  84. . Показатели результативности рыночных реформ // Экономист. 2002. — № 7. — с. 3−12.
  85. В.А. Экономическая оценка резервов повышения эффективности использования основных фондов железнодорожного транспорта. Дисс. канд. экон. наук 2002. 155с.
  86. В.А. Анализ и прогнозирование транспортной работы морского флота. М.: Транспорт, 1983. — 224 с.
  87. Н.В., Дыканюк М. Л. Прогнозирование грузовых потоков. М.: Транспорт, 1987. — 246 с.
  88. Правила приема заявок на перевозки грузов на железнодорожном транспорте / утверждены приказом МПС России от 17 января 2001 г. № 1ЦЗ.
  89. Прикладные нечеткие системы / Асан К., Ватада Д., Иван С. и др. под ред. Т. Терано. -М.: Мир, 1993.
  90. Прогностика. Терминология / Под. ред. В. И. Сифорова. -М.: Наука, 1975.
  91. Программа структурной реформы на железнодорожном транспорте. Подпрограмма «Прогнозирование развития железнодорожного транспорта и потребности в его услугах». М.: МПС, 2001. — 53 с.
  92. А.А., Мелентьева Н. К., Малова М. В., Давыдова Т. П. Прогнозирование рынка транспортных услуг // Экономика и финансы, № 5,2000, с. 45−51.
  93. Рабочая книга по прогнозированию / Под ред. И.В. Бестужева-Лады. М.: Наука, 1982.-301 с.
  94. Разработка межрайонного обмена грузов и грузовых потоков по сети железных дорог на перспективу / Метод, указ. по экономическим изысканиям на ж.д. транспорте. М.: Гипротранстэи МПС, 1989. — 205 с.
  95. .А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. -М.: Инфра-М, 1997.
  96. Р.Л. Система моделей планирования и прогнозирования. М.: Высшая школа, 1976. — 286 с.
  97. К.Ю. Транспортная эконометрия. М.: Транспорт, 1983.
  98. Российский статистический ежегодник, 2000: Статистический сборник/ Госкомстат России. М., 2000. — 690 с.
  99. Российский статистический ежегодник, 2002: Статистический сборник/ Госкомстат России. М., 2002. — 690 с.
  100. Россия в цифрах, 2002: Крат. стат. сб. / Госкомстат России. М., 2002. — 398 с.
  101. А. Некоторые прогнозы и действительность // Экономист. 2000. — № 1. — с. 40−46.
  102. A.A. Модели транспортного рынка // Ж.-д. Транспорт. 1997. — № 1.
  103. A.A. Прогнозирование ситуаций на транспортном рынке //Ж.-д. Транспорт. 1997. — № 7.
  104. В.Н., Холодилин К. А. О проявлениях долгосрочных тенденций в современном экономическом кризисе в России // Экономика и математические методы, 2000, том 36, № 2, с. 57−62.
  105. О.Г. Оценка спроса на грузовые автомобильные перевозки в условиях рынка. Дисс. канд. экон. наук. -М.: ГУУ, 1999.
  106. Социально-экономическое положение в России: январь-ноябрь 2002 Статистический сборник / Госкомстат России. М., 2002 — 384 с.
  107. Статистическое обозрение / ежеквартальный журнал Госкомстат России, 1998−2002 гг.
  108. JI. Структурные изменения промышленности в 1990—2001 гг.. // Экономист. 2002. — № 7. — с. 13−25.
  109. Ш. Сулицкий В. Н. Методы статистического анализа в управлении: Учеб. пособие. М.:Дело, 2002. — 520с.
  110. Г. Экономические прогнозы и принятие решений.-М.:ФиС, 1971.-488с.
  111. Н.П., Галабурда В. Г., Киреев B.J1. Стратегическое планирование на железнодорожном транспорте: Методические указания. -М.:МИИТ, 1999 — 96 с.
  112. Технология проведения маркетинговых исследований в области железнодорожных перевозок грузов: Утверждена Указанием МПС России № 141у от 29 мая 2000 года.
  113. М.Ф. Транспортное производство в условиях рынка: качество и эффективность. — М.: Транспорт, 1993. 255 с.
  114. Х.С. Моделирование процессов прогнозирования основной деятельности отделений железной дороги: Автореф. дис. к.э.н. — Ташкент: 1991. 24 с.
  115. Формирование системы показателей и факторов для модели продаж транспортных услуг (производственно-технологический сектор экономики): отчет о НИР / руководитель Бубнова Г. В. — М.: МИИТ, 2002.
  116. A.A., Андреева Т. А. Математико-статистический анализ многолетних наблюдений: Учеб. пособие. — М.: 1990. — 89 с.
  117. Е.Д. Транспорт и размещение производства. М.: Трансжелдориздат, 1956.-412с.
  118. Цены в России, 2002: Статистический сборник/ Госкомстат России. М., 2002.-171 с.
  119. Е.М. Статистические методы прогнозирования. М.: Статистика, 1975.-184 с.
  120. .И. Единая транспортная сеть и взаимодействие различных видов транспорта. М.: Высшая школа, 1970. — 224 с.
  121. .И. Повышение эффективности грузовых перевозок транспортной системы СССР. М.: Транспорт, 1978. — 240 с.
  122. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. трансп./ И. В. Белов, Н. П. Терешина, В. Г. Галабурда и др., Под ред. Н. П. Терешиной, Б. М. Лапидуса, М. Ф. Трихункова. М.: УМК МПС России, 2001. — 600 с.
  123. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. трансп./ Под ред. Е. Д. Ханукова. М.: Транспорт, 1979. — 544 с.
  124. Экономика железнодорожного транспорта: Учеб. для вузов ж.-д. трансп./ Под ред. Дмитриева В. А. М.: Транспорт, 1996. — 328с.
  125. Экономика и жизнь //Газета.- М.: ИД «Экономическая газета», 1999−2002 гг.
  126. Экономическое развитие России: ежемесячный журнал. — М.: Веди, 2001 — 2002 гг.
  127. Carling, A. Introducing Neural Networks. Wilmslow, UK: Sigma Press, 1992.
  128. Eisner, J.B. and Tsonis, A.A. Singular Spectral Analysis. A New Tool in Time Series Analysis, Plenum Press, New York and London, 1996.
  129. Kohonen, T. Self-organized formation of topologically correct feature maps. Biological Cybernetics. 1982. 43, p. 59−69.
  130. N. Golyandina, V. Nekrutkin, A. Zhigljavsky. Analysis of Time Series Structure: SSA and Related Techniques, Chapman & Hall / CRC, 2001, 305 P.1. Корреляционная матрица 1 2 3 4 5 6
  131. ЭОВ КОVIЭОВ К08ЮОВОЬЕ>У1РКОУОУ1РК08Т У1Р ОЬЕЫ Р08
  132. ВОВКОУО 1,000 0,396 0,463 1,000 0,449 «0,464
  133. ООВ КОБТ 0,396 1,000 0,278 0,396 0,958 0,282
  134. ООВОЬЕЫ 0,463 0,278 1,000 0,464 0,347 1,000
  135. У1РКОУЭ 1,000 0,396 0,464 1,000 0,449 0,465
  136. У1РК08Т 0,449 0,958 0,347 0,449 1,000 0,350
  137. У1РОЬЕ11 0,464 0,282 1,000 0,465 0,350 1,000
  138. Р08К0УБ 0,786 0,425 0,496 0,787 0,473 0,500
  139. Р0БК08Т 0,266 0,407 0,589 0,267 0,405 0,585
  140. РОБ^ОЬЕЫ 0,344 0,301 0,942 0,345 0,369 0,944
  141. РОБЕКУ!) 0,583 0,569 0,345 0,584 0,619 0,350
  142. Р08ЕК8Т -0,107 -0,110 0,317 -0,109 -0,086 0,324
  143. Р05Е0ЬЫ 0,344 0,301 0,942 0,345 0,369 0,944
  144. Р08ЕУ8Е 0,405 0,377 0,748 0,404 0,446 0,755
  145. СЕЫАКУО 0,368 0,353 0,626 0,369 0,350 0,623
  146. СЕЫАК8Т -0,388 -0,144 -0,881 -0,389 -0,262 -0,882
  147. ЕХРКУЭ -0,021 0,198 -0,390 -0,021 0,248 -0,389
  148. ЕХРК8Т 0,336 0,449 0,056 0,338 0,386 0,051
  149. ЕХРУ8Е 0,309 0,454 -0,020 0,311 0,405 -0,2 420 1ЮЬРЕС 0,122 -0,120 0,497 0,123 -0,201 0,49 921 шькш -0,086 0,102 -0,012 -0,086 -0,027 -0,013
  150. СЕ1ЧАРЕС 0,025 0,382 0,617 0,024 0,353 0,617
  151. CENAKUZ -0,263 0,315 -0,058 -0,262 0,290 -0,5 724 ивЭ 0,104 0,383 0,322 0,105 0,444 0,32 725 8ЕСиСШ 0,178 0,003 0,112 0,176 0,023 0,12 326 8Е8ТАЬ 0,202 -0,104 0,321 0,200 -0,079 0,33 027 8ЕРЛКТ 0,179 0,243 0,292 0,177 0,202 0,304
  152. ЗЕ ОТСЯ -0,389 -0,190 -0,756 -0,391 -0,238 -0,74 929 8ЕЕХР -0,364 -0,306 -0,793 -0,366 -0,338 -0,787
  153. БЕ^итИ 0,131 0,459 0,517 0,134 0,435 0,519
  154. ТАМР 0,104 0,382 0,410 0,106 0,394 0,414
  155. СЕЫАСиС -0,706 -0,411 -0,609 -0,707 -0,488 -0,611
  156. СЕКА2АО 0,629 0,444 0,648 0,630 0,464 0,649
  157. СЕМАС (Ж 0,394 0,419 0,553 0,394 0,386 0,553
  158. СЕ1МАНОЬ 0,190 -0,293 0,289 0,189 -0,341 0,287
  159. СЕКА СиЮ -0,146 -0,457 -0,527 -0,147 -0,516 -0,530
  160. СЕКАР11С -0,244 -0,449 -0,592 -0,246 -0,459 -0,595
  161. СЕЫАРЯЬ -0,150 -0,328 -0,530 -0,152 -0,424 -0,532
Заполнить форму текущей работой