Извлечение из рукописи: Березкина С.Ю. Анализ и прогнозирование регионального промышленного потребления энергоресурсов с применением информационно-аналитической системы: Автореф… канд. техн. наук. − Новочеркасск, 2008. − С. 12−13.

В теории техноценоза проф. Кудрина Б.И. выполняется анализ статистических данных с выборками подобного типа с помощью кривых ранговых параметрических распределений вида:

,

(5)

где - энергопотребление предприятия с рангом r = 1, т.е. предприятия, имеющего наибольшее годовое энергопотребление. Значение параметра определенного методом наименьших квадратов для различных видов энергоресурсов в рассматриваемый период находится в диапазоне от 0.95 до 1.32, что свидетельствует об оптимальности техноценоза.

На рис.7 показано ранговое параметрическое распределение предприятий по убыванию общего энергопотребления в 1999 году. Графики изменения значения параметра представлены на рис. 8.

Рис. 7. Ранговое параметрическое распределение предприятий по убыванию общего энергопотребления в 1999 году: 1- статистические данные; 2 – теоретическая кривая; 3 – границы рангового распределения для = 0,5 и = 1,5

Рис. 8. Изменение параметра рангового параметрического распределения промышленного энергопотребления: 1 – тепло,; 2 – электричество,;
3 – топливо, ; 4 – общее энергопотребление, .

Четвертая глава посвящена сравнительному анализу методов, позволяющих прогнозировать потребление энергоресурсов промышленными предприятиями региона.

Даная задача является актуальной задачей в условиях появления дефицита энергоносителей.

Наиболее распространены методы математического прогнозирования, основанные на моделировании и последующей экстраполяции временных рядов.

Особенностью временных рядов описывающих годовое промышленное потребление энергоресурсов Ростовской области является малая длина. Моделирование проводилось методом экспоненциального сглаживания и разложением на ортогональные многочлены. Графики, отражающие временные ряды медианы энергопотребления показаны на рис. 9.

Метод экспоненциального сглаживания позволяет непрерывно учитывать эволюцию динамических характеристик моделируемого процесса за счет коррекции весовых коэффициентов информационной ценности добавления очередного наблюдения, близкого к моменту прогнозирования. В работе применялась модель квадратичного тренда. Результаты моделирования и прогнозирования представлены на рис. 9.

Численные значения прогноза и его погрешности приведены в табл. 2.

Рис. 9. Прогнозирование медианы энергопотребления промышленными предприятиями Ростовской области: 1 – график временного ряда медианы энергопотребления; 2 – модель и прогноз на основе ортогонального разложения многочленами Чебышева; 3 – модель и прогноз на основе метода экспоненциального сглаживания; 4 – границы доверительного интервала с вероятностью 0,95

Таблица 2

Прогноз энергопотребления на 2000 год

Название метода	Данные	Прогноз	Погрешность, e, %
Экспоненциальное сглаживание	1333	1448	8,6
Ортогональное разложение многочленами Чебышева		1169	12,3

Моделирование ортогональным разложением многочленами Чебышева (рис. 9) в полной мере проявляет свои достоинства только в условии многофакторности, и на данной выборке уступает в качестве прогноза методу экспоненциального сглаживания.

Прогноз суммарного энергопотребления области нельзя получить по медиане из-за неоднородности выборки по количеству предприятий. По этой же причине получается низкая точность моделирования и прогнозирования временного ряда суммарного энергопотребления. В работе для прогнозирования суммарного энергопотребления использовались ранговые распределения теории техноценоза.