Социальное прогнозирование. Стегний В. Н. Социальное прогнозирование и проектирование. Социальное прогнозирование и проектирование

• Название: Социальное прогнозирование и проектирование
• Анкор: Социальное прогнозирование
• Дата: 14.06.2021
• Размер: 0.99 Mb.
• Имя файла: Стегний В. Н. Социальное прогнозирование и проектирование.doc
• Тип: Документы; #217311
• страница: 7 из 16

ГЛАВА VII. ПРИНЦИПЫ СОЦИАЛЬНОГО ПРОГНОЗИРОВАНИЯ. ВИДЫ ПРОГНОЗОВ.

Основные методологические принципы анализа объектов прогнозирования.

Классификация объектов прогнозирования.

Моделирование объекта прогнозирования. Виды прогнозов. Пара метры прогнозов. Этапы прогнозирования.
Основные методологические принципы анализа объектов прогнозирования. Необходимость анализа объекта прогнозирования является отражением в прогностике более общей проблемы анализа объекта исследования вообще. В каждом конкретном случае способ и результаты анализа определяются целями исследования и характером объекта. Целью анализа объекта прогнозирования является разработка прогностической модели, позволяющей получить прогнозную информацию об объекте. Для проведения прогностического эксперимента помимо модели объекта, необходимо располагать набором методов, методик, приемов прогнозирования, которые должны быть выбраны в процессе анализа адекватно объекту и целям разработки прогноза.

При разработке задания на прогноз сначала производится общее, предварительное, так называемое первичное описание объекта. Оно содержит сведения о наиболее обобщенных показателях (характеристиках) объекта, а также о наиболее существенных целях и задачах разработки прогноза, приблизительных (в большинстве случаев) ограничениях в его разработке. В задании дается также ориентировочный перечень основных исходных данных, используемых на всех стадиях разработки (перечень занятых организаций, координационный план, этапность разработки прогноза и т.д.). Одновременно уточняются структура объекта и прогнозного фона, со­став и взаимосвязь их элементов.

Уточнение структуры объекта может проводиться двумя путями: объединением частных, детальных характеристик в более обобщенные (агрегирование) или, наоборот, последовательным углублением детализации структуры от обобщенных характеристик к более частным (дезагрегирование). Первым путем целесообразно идти, когда структура объекта очень сложна, характеризуется большим числом переменных с сетью связей между ними, которые в большей части неизвестны или слишком затруднительны для непосредственного анализа. Второй путь целесообразен либо когда объект прогнозирования менее масштабен и не настолько сложен по структуре, чтобы нельзя было проследить большинство связей между переменными, либо когда эти связи относительно слабы и ими можно пренебречь.

Анализ объекта прогнозирования тесно переплетается с работой по синтезу прогнозной модели. В теории системного анализа используются два подхода к анализу подобных структур, которые применимы и к анализу объектов прогнозирования. Первый подход называется объектным, он предполагает расчленение объекта (системы) на подсистемы путем поэлементного деления объектов на более мелкие. Каждый из последних может затем рассматриваться в качестве объекта прогнозирования соответствующего уровня иерархии. Объектный принцип анализа структуры системы (объекта) рекомендуется в том случае, когда объект имеет коли­чественно сложную структуру при относительно несложных состав­ляющих подсистемах. Целесообразно выделять группы сходных по свойствам первичных объектов и анализировать наиболее ти­пичные характеристики каждой группы, что существенно упрощает решение задачи.

Второй подход к анализу и синтезу структур называется функциональным, когда за основу структурного членения объекта берется функциональный признак. Выделяют группы сходных функций независимо от того, каким первичным объектам они принадлежат. Этот подход рекомендуется в случае, когда число первичных объектов, которые составляют объект прогнозирования, невелико, но сами они являются весьма сложными по своим характеристикам и взаимосвязям.

Выбор подхода к анализу структуры объекта зависит от ряда факторов (природа объекта, цель анализа и прогнозирования, масштабность объекта и др.). Иногда принять однозначное решение затруднительно. В таких случаях используется смешанный объектно-функциональный подход, который в различных пропорциях сочетает достоинства обоих. На практике выбор осуществляется обычно экспертным путем с учетом совокупности целей прогнозирования и особенностей объекта.

Важную роль в работе по анализу объекта способны сыграть современная теория систем и системный анализ. Подход к анализу объекта с системных позиций считается одним из основных принципов прогнозирования. Такой подход диктуется сложностью объектов управления на современном этапе научно-технической революции, их масштабностью. Наличие большого числа взаимосвязанных переменных, характеризующих современные объекты и процессы их развития, заставляет исследователя обязательно приводить их описание к системному виду.

Неразрывно связано с теорией систем и системным анализом другое теоретическое основание анализа объекта прогнозирования - теория моделирования и подобия, которая широко используется и процессе построения формализованной модели объекта, особенно при изучении формы связей между входными и выходными переменными, количественных оценок адекватности прогнозной модели объекту-оригиналу.

Большую роль при анализе объекта прогнозирования играют обработка исходной информации, ее измерение и оптимальное использование. При разработке прогнозов развития больших систем, информация о которых представляется в виде сложных статистических комплексов, весьма эффективно используются теория информации, теория измерений, теория распознавания образов. Их использование особенно конструктивно, когда приходится осуществлять выбор ведущих переменных в описании объекта, минимизацию параметров описания, выбор адекватных шкал для измерения как количественных, так и качественных переменных, классификацию состояний объекта в пространстве параметров и переменных и т. п.

Из разделов математики в теоретической базе анализа объекта прогнозирования наиболее существенное место занимают теория вероятностей и математическая статистика, теория численных методов анализа и оптимизации, современная теория факторного анализа, дифференциальные уравнения. Последние применяются для описания относительно регулярных процессов, случайной составляющей которых можно пренебречь. В основном же современные прогнозные модели объектов строятся в рамках статистических моделей, моделей экстраполяции и интерполяции регулярных составляющих, оценки влияния случайных составляющих процесса.

В заключение перечислим основные методологические принципы, которые должны соблюдаться при анализе объекта прогнозирования.

Принцип системности требует рассматривать объект прогнозирования как систему взаимосвязанных характеристик объекта и прогнозного фона в соответствии с целями и задачами исследования.

Принцип природной специфичности предполагает обязательный учет специфики природы объекта прогнозирования, закономерностей его развития, абсолютных и расчетных значений пределов развития. При нарушениях этого принципа, особенно часто возникающих при формальной экстраполяции процесса, ошибки могут быть серьезными, а прогнозы становиться просто абсурдными. Например, формальная эстраполяция роста скоростей транспортных средств дает в конечном итоге превышение скорости света, экстраполяция развития энергетики приводит к величинам, превышающим мощность энергии Солнца и т. д. Единственным способом избежать таких результатов является логический анализ сущности и физических основ прогнозируемого процесса.

Принцип оптимизации описания объекта прогнозирования помогает разработать в результате анализа такое описание объекта, которое обеспечивало бы заданную достоверность и точность прогноза при минимальных затратах на его разработку. Под затратами здесь можно понимать трудоемкость прогнозирования в человеко-часах, затраты средств на сбор информации и ее переработку, машинное время на расчет прогнозных значений, затраты машинной памяти на хранение описание объекта. Обобщенный принцип оптимизации можно разбить на ряд конкретных, частных принципов оптимизации описания:

принцип оптимальности степени формализации описания, требующий использования формализованных моделей в таких соотношениях с неформальными интуитивными способами описания, которые при выполнении требований задачи прогноза обеспечивали бы ее решение с минимальными затратами; т. е. требуется не тотальная формализация описания объекта, а обеспечение возможно более полного использования аппарата эвристических, интуитивных, творческих, неформализуемых методов решения проблем;

принцип минимизации размерности описания, требующий описания объекта минимальным числом переменных и параметров, обеспечивающих заданную точность и достоверность прогноза; предполагается оценка важности каждой переменной в описании и отбор наиболее информативных с точки зрения задачи прогнозирования;

принцип оптимального измерения показателей, требующий выбора для измерения каждого показателя такой шкалы, которая при минимальных затратах обеспечивала бы достаточную для прогноза информацию по данной переменной. Применительно к качественной информации это принцип оптимальной квантификации, он выражается в выборе правильного начала отсчета, наилучшего масштаба и шкалы отсчета;

принцип дисконтирования данных, требующий при анализе объекта придавать большое значение новой информации об объекте и меньшее — информации, более ранней по времени.

Принцип аналогичности предполагает при анализе объекта сопоставление его свойств с известными в данной области сходными объектами и их моделями с целью отыскания объекта-аналога и использования при анализе и прогнозировании его модели или отдельных ее элементов. Этот принцип позволяет, с одной стороны, минимизировать затраты на анализ и прогноз путем использования части готовых прогнозных моделей, а с другой — обеспечивает верификацию прогнозов путем сопоставления с прогнозами объектов-аналогов.

В данном разделе изложены наиболее общие принципы анализа объекта прогнозирования. При практическом анализе реальных объектов соблюсти все эти принципы обычно не удается, однако каждое исследование должно быть направлено на максимальное приближение к их соблюдению. Степень этого приближения может служить одной из оценок качества проведенного анализа.

Классификация объектов прогнозирования. Прежде всего сформулируем цель классификации, так как в зависимости от нее определяются способ классификации и классификационные признаки. Целью классификации в данном случае является создание предпосылок для выбора адекватных методов анализа и прогно­зирования объекта. В соответствии с такой целью в качестве способа классификации примем параллельный способ. В отличие от последовательного способа, характеризующегося наглядностью, но не допускающего пересечение классов по каждому из признаков, параллельный способ не так нагляден, но дает возможность более четко и гибко определять классы сразу по всей совокупности значений классификационных признаков. Если каждой такой области соответствует один или несколько методов анализа и прогнозирования, то проблема их выбора сводится к установлению классса объекта по набору значений его признаков.

В действительности такой полной классификации объектов, обес­печивающей однозначный выбор метода, в настоящее время предложить нельзя, да и неизвестно, возможна ли она вообще. На практике классификация служит лишь некоторым ориентиром в сложной процедуре выбора методов анализа и прогнозирования объекта. В качестве классификационных признаков примем следующие: природа, масштабность, сложность объекта прогнозирования; степень его детерминированности; характер его развития во времени; степень ин­формационной обеспеченности.

По природе объекты прогнозирования можно подразделить на следующие классы (в скобках приведены примеры объектов соответствующих классов):

научно-технические (развитие фундаментальных и прикладных исследований, развитие областей техники, новые виды техники, технические характеристики, изобретения и открытия в области науки и техники, новые материалы, технология);

технико-экономические (экономика народного хозяйства по отраслям, развитие и размещение производства, народно-хозяйственные предприятия, технико-экономические показатели производства продукции, организационно-экономические системы управления, освоение новых видов продукции, финансирование производства);

социально-экономические (демография, миграция, трудовые ресурсы, размещение производительных сил, образование, национальный доход, спрос, потребление, производительность труда);

военно-политические (международные отношения, опасные зоны мира, военный потенциал стран, стратегический курс государств, военные конфликты);

естественно-природные (погода, землетрясения, ураганы, ок­ружающая среда, природные ресурсы, космические явления).

По масштабности объекты прогнозирования можно классифицировать в зависимости от числа переменных, входящих в полное описание объекта на стадии анализа (в скобках приведены примеры объектов соответствующих классов):

сублокальные — с числом значащих переменных от 1 до 3 (численность населения страны, производственная функция, траектория движения в трехмерном пространстве, рабочее место);

локальные — с числом значащих переменных от 4 до 14 (производственный участок, материал, несложное техническое устройство, ход болезни);

субглобальные — с числом значащих переменных от 15 до 35 (цех, областная сеть авиалиний, спрос на продукцию предприятия с соответствующей номенклатурой);

глобальные — с числом значащих переменных от 36 до 100 (предприятие, техническая система типа станок, агрегат; транспортная сеть региона);

суперглобальные — с числом значащих переменных свыше 100 (отрасль, крупное предприятие, большая техническая система типа самолет, транспортная сеть страны).

Масштабность объекта не имеет самостоятельного значения для выбора метода анализа и прогнозирования. Ее следует учитывать лишь в совокупности с классификацией объектов по принципу сложности при организации процедур обработки исходной информации, выборе технических средств обработки, расчетах объемов памяти для хранения и обработки информации.

По сложности объекты прогнозирования можно классифицировать по степени взаимосвязи значащих переменных в их описании:

сверхпростые — объекты с отсутствием существенных взаимосвязей между переменными; такие объекты можно анализировать и разрабатывать для них прогнозы путем последовательного анализа независимых переменных, составляющих описание при любой масштабности объекта;

простые — объекты, в описании которых содержатся парные взаимосвязи между переменными;

сложные — объекты, для адекватного описания которых необходимо учитывать взаимосвязи и влияния нескольких переменных (трех и более), однако имеется возможность выделения главных групп переменных; для анализа такого рода объектов можно использовать методы ступенчатых регрессионных зависимостей, методы множественного регрессионного и корреляционного анализа, экспертные таблицы оценок взаимного влияния и предпочтений;

сверхсложные — объекты, в описании которых необходимо учитывать взаимосвязи между переменными; основными инструментами анализа в этом случае являются множественный корреляционный анализ, факторный и дисперсный анализ.

По степени детерминированности можно выделить следующие объекты прогнозирования:

детерминированные, описание которых может быть представлено в детерминированной форме без существенных для задачи прогнозирования потерь информации;

стохастические, при анализе и прогнозировании которых учет случайных составляющих необходим для удовлетворения требований точности и достоверности прогноза;

смешанные, описание которых возможно частично в детерми­нированном, частично в стохастическом виде.

По характеру развития во времени объекты прогнозирования классифицируются следующим образом:

дискретные — объекты, регулярная составляющая (тренд) которых изменяется скачками в фиксированные моменты времени;

апериодические — объекты, имеющие описание регулярной составляющей в виде апериодической непрерывной функции времени;

циклические — объекты, имеющие регулярную составляющую в виде периодической функции времени. Регулярная составляющая здесь понимается как описание процесса, очищенное от случайной составляющей (помехи).

По степени информационной обеспеченности объекты прогнозирования подразделяются на следующие:

объекты с полным обеспечением количественной информацией, для которых имеется в наличии ретроспективная количественная информация в объеме, достаточном для реализации метода экстраполяции либо статистического метода прогнозирования с заданной точностью на заданное время упреждения;

объекты с неполным обеспечением количественной информацией, для которых имеющаяся в наличии ретроспективная информация допускает использование статистических и экстраполяционных методов, однако не обеспечивает на заданное временя упреждения заданную точность прогноза;

объекты с наличием качественной ретроспективной информации, относительно прошлого развития которых имеется только качественная информация и полностью отсутствует либо очень ограничена количественная;

объекты с полным отсутствием ретроспективной информации — это, как правило, несуществующие, проектируемые объекты.

Моделирование объектов прогнозирования. Виды прогнозов. Этапы прогнозирования. Основной целью анализа объекта прогнозирования, как указывалось, является разработка его прогнозной модели. В литературе понятие модели трактуется весьма широко. Этим термином называют такие понятия, как математическое описание процесса или объекта, алгоритмическое описание объекта, формулу, определяющую закон функционирования объекта, графическое представление объекта (процесса) в виде графика или блок-схемы.

В строгом смысле модель определяется как «явление, предмет, установка, знаковое образование или условный образ (описание, схема и т.д.), находящиеся в некотором соответствии с изучаемым объектом и способные замещать его в процессе исследования, давая информацию об объекте». В прогностике это понятие специфично и более узко. Прогнозная модель — модель объекта прогнозирования, исследование которой позволяет получить информацию о возможных состояниях объекта в будущем и путях достижения этих со­стояний. Таким образом, цель прогнозной модели — получение информации не об объекте вообще, а о его будущих состояниях.

Это определяет особенности построения и проверки адекватности прогнозных моделей. При их построении и оценке невозможно осуществить прямую проверку соответствия модели и оригинала в связи, так как модель должна относиться к будущим состояниям объекта. При этом либо самого объекта в настоящий момент не существует (проектируемый объект), либо он существует, но неизвестно, какие изменения могут с ним произойти в будущем.

Классификация моделей управления, наиболее типичных в указанных выше областях, выглядит следующим образом: функциональные модели; модели физических процессов; экономические модели; процедурные модели.

Функциональные модели описывают функции, выполняемые основными составными частями системы или управляемого процесса. Эти модели обычно составляются в начале проведения исследования системы или модельного эксперимента. Правильнее было бы назвать, такие модели структурно-функциональными. Строится структурно-функциональная модель в виде схемы. Функции чаще всего описываются дополнительно в словесной форме.

Модель физического процесса определяет математические зависимости между переменными физического процесса производства. Это могут быть технологические параметры процесса: температура, давление, расход топлива, скорость проката, усилие прессования, процентное содержание вещества в смеси и т. д. В соот­ветствии с характером изучаемого процесса такие модели могут быть непрерывными и дискретными во времени, детерминированными и статистическими, а по способу получения информации — аналитическими и экспериментальными.

Экономические модели определяют зависимость между различными экономическими показателями процесса или системы и различного рода ограничениями, накладываемыми на экономические показатели, критерии, позволяющие оптимизировать процесс в экономическом плане. Они могут, как и модели физических процессов, иметь вид формул, уравнений, а также алгоритмической записи, если аналитическое представление процесса затруднительно. Этот класс моделей можно, в свою очередь, подразделить на плановые модели и производственные.

Плановые модели служат целям оптимизации разрабатываемых планов развития системы. К ним относятся и модели прогнозирования, которые направлены на формулирование вероятных альтернатив развития системы с целью выбора оптимального планового решения. Плановые экономические модели призваны обеспечить количественную оценку различных вариантов плана в соответствии с заложенным в модель критерием оптимальности.

Производственные модели определяют взаимосвязи экономических показателей с параметрами процесса в ходе его развития. Они предназначаются для оперативного управления функционированием системы. При этом, как правило, формулируется математическое или алгоритмическое описание целевой функции, опре­деляются способы ее оперативного расчета и оптимизации в различных внешних условиях.

Экономические модели в зависимости от масштабов моделируемого процесса подразделяют на макро- и микроэкономические. Мак­роэкономические модели относятся к процессам на уровне общегосударственной экономики, к задачам планирования и управления отраслями и к решению межотраслевых проблем. Наиболее распространенной формой макроэкономических моделей являются балансовые модели планирования. Микроэкономические модели касаются проблем планирования и управления на уровне предприятий или этапов процесса создания больших технических систем.

Процедурные модели описывают операционные характеристики систем, т. е. порядок и содержание управленческих воздействий. Наиболее важными в этом классе моделей, представляющими особый интерес для системы оптимизации процессов и автоматизации управления, являются информационные модели. Кроме них к этому классу можно отнести модели режимов и обеспечения безопасности работы. Информационные модели определяют структуру информационных потоков в системе, содержание, формат, скорость обработки информации, точки возникновения и потребления информации, основные этапы ее прохождения и контроля за ней. Процедурные модели режимов и обеспечения безопасности работы описывают действие, изменяющее состояние системы (пуск, остановка, изменение нагрузки и т.д.), а также совокупность правил и огра­ничений, налагаемых на функционирование систем по условиям безопасности. Характерным для последнего типа моделей является включение в схему модели человека-оператора. Он выполняет функции контроля режимов работы и принятия решений, предупреждающих срыв или аварийную ситуацию.

Классификация моделей зависит не только от сущности моделируемого процесса, но и от методического аппарата, который положен в основу модели. Очевидно, что в данном аспекте классификация прогнозных моделей будет совпадать с классификацией методов прогнозирования. В этой связи можно отметить специфический вид прогнозных моделей - экспертные модели. Они предполагают формальное описание процедур функционирования, представление объекта моделирования в виде процесса, специальные формулы и алгоритмы для обработки экспертных оценок. Однако сама процедура генерации этих оценок является творческой, неформальной.

Основными принципами социального прогнозирования являются следующие:

системность прогнозирования, требующая взаимоувязанности и соподчиненности прогнозов объекта прогнозирования и прогнозного фона и их элементов с учетом обратных связей;

согласованность — согласование нормативных и поисковых прогнозов различной природы;

вариативность — разработка вариантов прогноза, исходя из особенностей рабочей гипотезы, цели прогноза и вариантов прогнозного фона;

непрерывность — корректировка прогнозов по мере поступления новых данных об объекте прогнозирования;

верифицируемость — определение достоверности, точности, обоснованности прогнозов;

рентабельность — повышение экономического эффекта от использования прогноза над затратами на его разработку.

Различают следующие виды прогнозов:

поисковый, содержанием которого является определение возможных состояний объекта прогнозирования в будущем;

нормативный, содержанием которого является определение путей и сроков достижения возможных состояний объекта прогнозирования в будущем;

комплексный, содержащий элементы поискового и нормативного прогнозов;

интервальный, результат которого представлен в виде доверительного интервала характеристики объекта прогнозирования для заданной вероятности осуществления прогноза;

точечный, результат которого представлен в виде единственного значения характеристики объекта прогнозирования без указания до­верительного интервала;

оперативный, с периодом упреждения для объекта прогнозирования до одного месяца;

краткосрочный, с периодом упреждения для объекта прогнозирования от одного месяца до одного года;

среднесрочный, с периодом упреждения для объекта прогнозирования от одного года до пяти лет;

долгосрочный, с периодом упреждения для объектов прогнозирования от пяти до пятнадцати лет;

дальнесрочный, с периодом упреждения для объекта прогнозирования свыше пятнадцати лет;

многомерный, содержащий несколько качественных или количественных характеристик объекта прогнозирования;

одномерный, относящийся к Земле и человечеству в целом;

общегосударственный, относящийся к государству в целом.

К параметрам прогнозов относятся:

период основания прогноза - промежуток времени, на базе которого строится ретроспекция;

точность прогноза - оценка доверительного интервала прогноза для заданной вероятности его осуществления;

достоверность прогноза — оценка вероятности осуществления прогноза для заданного доверительного интервала;

обоснованность прогноза — степень соответствия методов и исходной информации объекту, целям и задачам прогнозирования;

ошибка прогноза - апостериорная величина отклонения от прогноза, от действительного состояния объекта или путей и сроков осуществления прогноза.

Этапами прогнозирования являются:

предпрогнозная ориентация — совокупность работ, предшествующих разработке задания на прогноз и включающих определение объекта, цели и задач прогнозирования, а также периода основания и периода упреждения прогноза;

задание на прогноз — документ, определяющий цели и задачи прогноза и регламентирующий порядок его разработки;

прогнозная ретроспекция — исследование истории развития объекта прогнозирования и прогнозного фона с целью получения их систематизированного описания;

прогнозный диагноз — исследование систематизированного описания объекта прогнозирования и прогнозного фона с целью выявления тенденций их развития и выбора моделей и методов прогнозирования;

прогнозная проспекция — разработка прогноза по результатам прогнозного диагноза;

верификация прогноза — оценка достоверности и точности или проверка обоснованности прогноза;

корректировка прогноза — уточнение прогноза на основании его верификации и дополнительных данных;

синтез прогноза — разработка системного прогноза.