Прогнозирование стохастических факторов сельскохозяйственного производства в системе принятия управленческих решений на примере Кабардино-Бакарской республики тема диссертации по экономике, полный текст автореферата
Автореферат
| Ученая степень | кандидат экономических наук |
| Автор | Жилетежев, Нарт Саладинович |
| Место защиты | Нальчик |
| Год | 2000 |
| Шифр ВАК РФ | 08.00.05 |
Автореферат диссертации по теме "Прогнозирование стохастических факторов сельскохозяйственного производства в системе принятия управленческих решений на примере Кабардино-Бакарской республики"
Н<$Мках
^ Г) " 1
С. {. .'--"<
Жилетежсв Нарт Саладинович
Прогнозирование стохастических факторов сельскохозяйственного производства в системе
принятия управленческих решений на примере Кабардино-Бакарской республики
08.00.05 - Экономика и управление народным хозяйством (сельское хозяйство)
Автореферат диссертации на соискание ученой степени кандидата экономических наук
Нальчик - 2000
Работа выпонена в Кабардино-Бакарской государственной сельскохозяйственной академии
Научный руководитель: кандидат экономических наук,
Ведущая организация: Институт информатики и проблем
Защита состоится 29 декабря 2000 года в 10Ч часов на заседании диссертационного совета К. 120.86.01 в Кабардино-Бакарской государственной сельскохозяйственной академии по адресу: 360004, КБР, г. Нальчик, ул.Тарчокова 1а, аудитория 308.
С диссертацией можно ознакомиться в библиотеке Кабардино-Бакарской государственной сельскохозяйственной академии.
Автореферат разослан 28 ноября 2000 г.
доцент Шевлоков М.А.
Официальные оппоненты: доктор экономических наук,
профессор Таов П.К.; кандидат экономических наук Тиммоева С. А.
регионального управления КБНЦ РАН
Ученый секретарь диссертационного совета, кандидат экономических наук, доцент
Канчукоев В.О.
А* П. А ш./}
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования. Одним из важнейших направлений в развитии аграрного сектора экономики нашей страны является поиск эффективных методов хозяйствования в новых, рыночных условиях.
Совершенствование хозяйственного механизма в агропромышленном комплексе требует решения ряда сложных задач, связанных с оценкой последствий принимаемых решений, анализом и прогнозом развития сельскохозяйственного производства, его планированием с применением научных методов.
Использование в этих целях экономико-математических моделей позволяет: лучше понимать многообразие взаимосвязей и факторов; обосновать причинно-следственные зависимости; изучать функционирование системы, когда натурный эксперимент приводит к потерям времени, а иногда и просто невозможен в силу непредсказуемости окружающих факторов; синтезировать на модельном уровне стратегии управления и оценивать целесообразность их реализации на практике.
Необходимость использования методов прогноза, системного анализа, экономико-математических методов и вычислительной техники в области экономики агропромышленного комплекса предопределяется рядом обстоятельств. В частности: состоянием экономики; принципиально новыми задачами, которые встали перед наукой по преобразованию агропромышленного производства; несовершенством системы управления АПК и необходимостью ее модернизации в рамках экономической реформы всего народного хозяйства; социально-экономическими проблемами, возникающими в процессе перехода к новому хозяйственному механизму, базирующемуся на рыночных отношениях; новыми экономическими принципами взаимоотношений центра и регионов (республик, краев и областей).
В этих условиях необходимо разрабатывать такие методы управления сельскохозяйственным производством, которые обеспечили бы его устойчивое функционирование в обстановке, когда производственные параметры претерпевают значительные вариации.
Разработка таких стратегий невозможна без прогноза стохастических (случайных) факторов сельскохозяйственного производства и оптимизации его структуры на основе экономико-математических моделей.
Современная методология исследования агропромышленного комплекса включает в качестве своего важнейшего элемента систему экономико-математических моделей и средств их программной реализации, обеспечивающей многовариантные прогнозные расчеты. На их основе можно формировать условия хозяйствования. Но, как известно, сельскохозяйственное производство подвержено воздействию случайных факторов, к которым, в первую очередь, относятся метеорологические - количество атмосферных осадков, их распределение по месяцам года, количество тепла и др. Эти факторы существенно влияют на урожайность сельскохозяйственных культур, затраты труда и средств на единицу произведенной продукции. Анализ и планирование сельскохозяйственных мероприятий на основе экономико-математических моделей с учетом прогноза стохастических факторов производства позволяет решить задачу управления сельскохозяйственным производством на новом, более совершенном уровне.
Таким образом, прогноз стохастических факторов сельскохозяйственного производства и оптимизация его структуры на основе экономико-математических моделей являются актуальными задачами, позволяющими разработать стратегию устойчивого функционирования предприятий АПК в условиях изменяющейся внешней среды.
В настоящее время для прогноза метеорологических параметров и урожайностей сельскохозяйственных культур применяются различные подходы, тем не менее, корректное решение этих вопросов встречает трудности, обусловленные сложностью или даже невозможностью получения информации необходимого объема и качества. Этими причинами можно объяснить невысокую точность существующих методов, поэтому проблема усовершенствования существующих и разработки новых методов прогнозирования стохастических параметров сельскохозяйственного производства остается актуальной.
Степень разработанности проблемы. Принципиальная возможность проведения системного анализа и прогнозирования раз-
вития АПК опирается на накопленный опыт применения различных экономико-математических методов в Российской Федерации и других странах, на наличие сложившихся отечественных научных школ в области моделирования сельскохозяйственного производства. Исследования Г.В.Беспахотного, Н.А.Блажа, М.Е.Браславца, В.А.Кардаша, В.И.Киселева, Р.Г.Киселева, Р.Г.Кравченко, А.М.Гатаулина, В.И.Денисова, Э.Н.Крылатых, В.В.Милосердова, В.П.Можина, И.Г.Попова, А.И.Тягунова, других видных отечественных ученых посвящены исследованию проблем управления производством.
Переход национальной статистики на международные стандарты позволяет адаптировать и широко использовать имеющиеся в странах с развитым рынком приемы и методы в области моделирования АПК для Российских условий.
Моделирование агропромышленного комплекса - настолько широкая и важная сфера исследования, настолько сложен сам объект рассмотрения, разнообразны методы и подходы, составляющие суть математического моделирования, что любое исследование в данной области практически не может охватить весь круг имеющихся проблем.
Цель и задачи исследования. Целью работы является разработка методических подходов к формированию стратегии устойчивого функционирования сельскохозяйственных предприятий на основе прогноза стохастических факторов производства и оптимизации производственной структуры.
Цель исследования предполагает постановку и решение следующих задач:
- исследование теоретических аспектов научного управления сельскохозяйственным производством;
- анализ проблемы устойчивого функционирования предприятий АПК и путей ее решения;
- разработка методики прогноза стохастических параметров в моделях оптимизации производственной структуры сельскохозяйственных предприятий;
-усовершенствование метода прогноза агрометеорологических параметров;
-разработка стохастической модели оптимизации производственной структуры сельскохозяйственных предприятий;
-разработка стратегии устойчивого функционирования сельскохозяйственного предприятия.
Предметом исследования явились методы прогноза стохастических параметров сельскохозяйственного производства и оптимальная его структура, обеспечивающая устойчивое функционирование предприятия.
Объектом исследования в работе является механизм управления сельскохозяйственными предприятиями в процессе изменения экономических и производственных параметров.
Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых, посвященные проблемам оптимизации управления сельскохозяйственными предприятиями на основе экономико-математического моделирования, а также методам прогноза метеорологических параметров и урожайностей сельскохозяйственных культур.
* При выпонении работы рассматривались и обобщались результаты исследований, проведенных в области создания систем экономико-математических моделей, а также изучались связи между метеопараметрами и урожайностью различных сельскохозяйственных культур.
В качестве инструментария использовались методы прогнозирования, математического программирования, статистики и др.
Научная новизна работы. В работе впервые получены следующие результаты:
- разработаны методические подходы к формированию стратегии устойчивого функционирования сельскохозяйственных предприятий, предусматривающие использование результатов прогноза стохастических параметров и оптимизации производственной структуры;
- разработан метод прогноза метеопараметров, который основан на аппроксимации и сглаживании временных рядов их значений;
- определены корреляционно-регрессионные связи между урожайностью наиболее распространенных в КБР сельскохозяйственных культур и метеопараметрами;
- выпонен прогноз метеорологических параметров и урожайностей некоторых сельскохозяйственных культур в условиях КБР натри года (2001-2003 гг.);
- разработана стохастическая модель оптимизации производственной структуры сельскохозяйственных предприятий с учетом полученных прогнозов.
Практическая ценность исследования состоит в его ориентации, направленной на повышение устойчивости сельскохозяйственного производства на основе прогноза местных природно-климатических условий земледелия. Применение результатов диссертационной работы позволит заранее учесть влияние на экономику сельскохозяйственного производства колебаний урожайности сельскохозяйственных культур и других случайных параметров и принять соответствующую стратегию деятельности.
Конкретные теоретические, методологические и практические предложения, определенные и сформулированные в работе могут найти применение при разработке стратегии устойчивого функционирования сельскохозяйственных предприятий в рыночных условиях.
Апробация работы. Основные положения и результаты исследования докладывались и обсуждались на научно-практических конференциях и семинарах в Кабардино-Бакарской государственной сельскохозяйственной академии (1997-2000г.), Горском государственном университете (Владикавказ, 1999г.), конференции молодых ученых (Нальчик, 2,000г.) и рекомендованы к практическому внедрению при разработке программ развития агропромышленного комплекса КБР.
Структура и объем диссертации. Работа состоит из введения, трех глав, заключения и списка литературы.
Общий объем работы составляет 147 страниц компьютерно-писного текста, включает 32 таблицы, 17 рисунков и список используемой литературы из 109 наименований источников.
Во введении обосновывается актуальность темы исследования, формулируются цели и задачи диссертационной работы, характеризуются теоретические и методологические основы, объект и предмет исследования, излагается научная новизна и практическая значимость полученных результатов, а также апробация работы.
В первой главе "Методологические основы научного управления агропромышленным производством" рассмотрены существующие подходы к проблеме совершенствования управления
предприятиями АПК в условиях рыночной экономики, основные результаты и перспективы применения в этой сфере научной методологии; проводится анализ влияния природных факторов на производство сельскохозяйственных культур; затронуты проблемы их учета при планировании сельскохозяйственного производства; выпонен аналитический обзор методов прогнозирования урожайностей сельскохозяйственных культур и метеорологических параметров в сельскохозяйственном районе; рассмотрены экономико-математическое модели оптимизации структуры сельскохозяйственного производства, в которых учитывается стохастический характер его параметров.
Вторая глава "Анализ и прогноз стохастических параметров сельскохозяйственного производства" посвящена рассмотрению проблеме прогнозирования стохастических параметров сельскохозяйственного производства, наиболее важными из которых являются: урожайность сельскохозяйственных культур, затраты на производство продукции и цена ее реализации.
В третьей главе "Совершенствование методов управления сельскохозяйственным производством" для формирования стратегии устойчивого функционирования сельскохозяйственного производства разработана стохастическая экономико-математическая модель с учетом прогнозов урожайностей сельскохозяйственных культур и цен реализации сельскохозяйственной продукции. Приведены постановка задачи и некоторые результаты расчетов.
В заключении приводятся основные выводы и предложения.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Анализ проблемы развития сельскохозяйственного производства показывает, что в складывающихся ныне новых социально-экономических условиях в Российской Федерации, нормальное функционирование этой отрасли возможно на основе реализации комплекса мер, к которым относится и обеспечение научной обоснованности стратегии управления сельскохозяйственным производством с применением экономико-математического моделирования.
В экономико-математических моделях сельскохозяйственного производства необходимо учитывать природные факторы, в ча-
стности метеорологические параметры. Вместе с тем, существующие методы прогноза этих параметров, как показывают результаты проведенного анализа, не позволяют пока определять их с необходимой точностью.
Из проведенного в работе анализа влияния метеорологических факторов на сельскохозяйственное производство следует, что учет природных факторов при планировании сельскохозяйственного производства требует конкретизации связей между урожайностью сельскохозяйственных культур и метеопараметрами в пределах природно-климатической зоны, в которой расположено хозяйство. Такие зависимости, как подтверждает проведенное исследование, можно установить на основе корреляционно-регрессионного анализа временных рядов.
Аналитический обзор методологических основ научного управления агропромышленным производством показывает, что разработка стратегии устойчивого функционирования предприятий АПК дожна основываться на прогнозе стохастических факторов производства и оптимизации производственной структуры с использованием соответствующих экономико-математических моделей.
Разработка достаточно надежных методов их прогнозирования на различные сроки имеет большое значение для эффективного управления сельскохозяйственным производством.
В работе предложен метод прогноза урожайностей, который основан на прогнозировании значений факторов, от которых они зависят, с последующим их определением через значения факторов.
Используется следующий подход к проблеме определения связей между метеопараметрами и урожайностью сельскохозяйственных культур.
Анализ данных по урожайностям показывает, что каждый ряд можно разделить на два периода - до 1990 г. и после 1990 г. Характер трендов на этих интервалах различный: до 1990 г. урожайность растет, после 1990 г. - падает. Поэтому связь между метеорологическими параметрами и урожайностью сельскохозяйственных культур определялась на части ряда до 1990 г. Урожайность сельскохозяйственных культур в результате интенсификации производства на этом отрезке растет, поэтому ежегодные ее измене-
ния являются суммой двух составляющих - регулярного прироста и отклонения, обусловленного влиянием погодных условий. Необходимо в первую очередь выравнять ряды урожайности, чтобы выделить отклонения и изучить их связь с метеорологическими факторами. Для выравнивания динамических рядов мы применяли полиномиальную аппроксимацию первого и второго порядка:
Y = PI*X+Po, (1)
Y = P2*X2+Pi *Х+РО , (2)
где: Y- урожайность,
Х-годы,
Ро, Рь Рг - коэффициенты в выражениях (1)-(2) находят с применением метода наименьших квадратов.
Во временных рядах урожайностей пяти сельскохозяйственных культур были выделены тренды вида (1)-(2) , параметры которых приведены в диссертационной работе. Результаты выделения трендов в рядах урожайности подсонечника представлены на ри с Л .
Были найдены отклонения фактических значений урожайностей от трендов. Затем исследовались корреляции между отклонениями урожайностей от трендов и метеопараметрами (суммарное значение количества осадков за различные сроки, температура воздуха по месяцам и суммарная за весенний период и др.).
Урожайность сельскохозяйственных культур зависит от многих метеорологических факторов, но главными из них считаются влага и тепло.
В работе исследовались зависимости Y(Q,T) между урожайностью каждой из культур, с одной стороны, и количеством осадков и температурой воздуха, с другой. Эти зависимости рассматривались в виде графика поверхности. При этом на графиках имел место максимум в области Q л 120 мм, который растет в сторону увеличения температуры воздуха в весенний период (при анализе использовалось среднее значение температуры воздуха за весенние месяцы). (
Урожайность подсонечника
Рис. 1. Результаты выделения трендов во временном ряде урожайности подсонечника в СХПК Кызбурун Баксанского района. Полиномиальные тренды первого и второго порядка.
Далее исследовались парные корреляции между отклонениями урожайностей от трендов и метеопараметрами. Связь между отклонениями урожайности и количеством осадков и температурой воздуха исследовалась для пяти видов сельскохозяйственных культур: зерновые (кроме кукурузы, озимой пшеницы), подсонечник, картофель, кукуруза, озимая пшеница. Рассматривались 18 вариантов количества осадков и 9 вариантов температуры воздуха.
Для каждой культуры было определено по два наиболее значимых параметра - один по осадкам и один по температуре. Результаты анализа приведены в таблице 1.
Получено, что на урожайность зерновых значительно влияют весенние осадки и температера воздуха в мае. Урожайность подсонечника имеет максимальную корреляцию с осадками за июль и с температурой марта. Урожайность картофеля связана с температурой апреля и суммой осадков за девять месяцев года. На уро-
жайность кукурузы влияют весенние осадки и температура мая. Тесную связь урожайность озимой пшеницы имеет с осадками за зимние месяцы и с температурой апреля.
Таблица 1
Параметры, наиболее сильно влияющие на отклонения урожайностей от тренда
Культура Осадки (С>) Температура (Т)
Зерновые, кроме кукурузы, озимой пшеницы Весна (г = 0.68) Май (г = 0.55)
Подсонечник Июль (г = -0.49) Март (г = 0.34)
Картофель Сумма за 9 мес. (г = - 0.54) Апрель (г = 0.66)
Кукуруза Весна (г = 0.70) Май (г = 0.45)
Озим.пшеница Январь (г = 0.48) Март (г = 0.71)
Для выбранных пар наиболее существенных факторов их связь с отклонениями урожайности задавалась в виде линейных уравнений множественной регрессии:
ДУк = ак + Ьк(2 + скТ, (3)
к= 1,..,5,
где: ДУ - отклонение урожайности от тренда (ц/га);
О, Ч осадки (мм);
Т - температура воздуха (
Коэффициенты уравнений регрессии (а, Ь, с ) определялись методом наименьших квадратов, который приводит к системе линейных агебраических уравнений относительно коэффициентов а, Ь, с . Для каждой культуры были определены такие коэффициенты, результаты расчетов представлены в таблице 2.
Установленные зависимости используются для прогноза урожайностей сельскохозяйственных культур следующим образом. Определяются тренды в рядах урожайностей за последние годы. Эти тренды не совпадают с найденными выше, соответствующими периоду до 1990г. По этим трендам прогнозируется значение урожайности на ближайший год или несколько лет. На полученные
значения затем накладываются вариации, обусловленные влиянием метеорологических параметров.
Таблица 2
Коэффициенты линейных уравнений множественной регрессии
Культура ак ьк Ск
Зерновые, кроме кукурузы, озимой пшеницы -11,8386 0,0203 0,5753
Подсонечник 2,0292 -0,0355 0,1181
Картофель -5,7082 -0,1319 6,4526
Кукуруза -41,0244 0,0897 1,7895
Озим, пшеница -7,3343 0,2096 1,3878
Вариации урожайностей определяются исходя из прогноза метеопараметров на основе полученных регрессионных уравнений (3).
С использованием рядов урожайностей сельскохозяйственных культур за период после 1990 г. нами были выделены тренды, соответствующие переходному периоду (рис.2). Анализ графиков показал, что в данном случае применение линейных трендов приводит к большой ошибке прогноза. Для выравнивания рядов более подходит полиномиальная аппроксимация второго порядка.
Для прогнозирования метеорологических показателей предложен метод, который основан на аппроксимации и сглаживании временных рядов их значений.
В целях построения модели прогнозирования временного ряда значений метеорологических показателей предполагается, что ряд можно представить в виде суммы детерминированной основы и случайных отклонений. Также считается, что прогнозируемый процесс является полигармоническим, т.е. он описывается суммой конечного числа гармоник.
Детерминированная основа временного ряда используется в качестве модели для прогнозирования последующих его значений. Поэтому от удачного построения этой функции зависит и возможность решения задачи прогнозирования временного ряда. В данной работе предлагается ограничиться для ее построения теми
гармониками, которые заложены во временном ряде самой природой процесса.
Урожайность подсонечника
Рис.2. Выделенные тренды в рядах урожайности подсонечника в переходный период (1990-1999 гг).
В работе представлен агоритм определения гармоник и результаты тестовых расчетов по исследованию его работоспособности. Проведенные расчеты показали, что он достаточно точно выделяет содержащиеся во временных рядах периодические составляющие и построенную таким образом функцию можно использовать для прогнозирования временных рядов.
Для прогноза урожайностей сельскохозяйственных культур и последующего решения задач управления сельскохозяйственным производством проводились расчеты по изложенной выше методике с использованием временных рядов по осадкам, и температуре воздуха, зарегистрированным на территории предгорной зоны КБР за период 29 лет (с 1970 по 1998 годы).
Ряды обрабатывались по программе, которая была проверена на тестовых задачах. Прогнозировались: осадки по месяцам с де-
кабря по август, суммарное количество зимних осадков, весенне-летние осадки по месяцам, их суммарное количество за 2, 3, 4, 5 и 6 месяцев, среднемесячная температура воздуха с января по сентябрь.
Были обработаны временные ряды осадков, а также ряды данных по средней температуре воздуха. При этом выделены гармоники и получены модели, описывающие динамику этих рядов. По ним был сделан прогноз осадков и температур на трехлетний период. 1 . , . ' .
Некоторые результаты прогноза представлены в таблицах 3-4.
Таблица 3
Результаты прогноза весенних осадков (мм)
Годы Март Апрель Май Сумма осадков
2001 21 31 125 178
2002 38 47 81 165
2003 17 33 : 40 90
Таблица 4
Результаты прогноза температуры воздуха (
Годы Март Апрель Май
2001 -0,5 12,2 15,0
2002 0,6 10,7 16,5
2003 1,9 9,6 15,7
Эти данные необходимы для прогноза урожайностей сельско-хо; яйственных культур на-основе трендов и регрессионных урав-не .тай.
Таким образом, представленный в работе метод прогнозиро-в' шия метеорологических параметров можно использовать для ре-пения задач управления сельскохозяйственным производством. 71мея прогноз осадков и температур, соответствующие урожайности сельскохозяйственных культур определяют на основе полученных регрессионных зависимостей.
Остановимся на некоторых результатах прогноза урожайно-стей сельскохозяйственных культур.
Разработанная в диссертации методика прогноза урожайно-стей сельскохозяйственных культур, как было отмечено выше, заключается в первоначальном их определении по выделенным во временных рядах трендам и последующей корректировке с учетом погодных условий предстоящего сезона. Необходимый для корректировки урожайностей прогноз количества осадков и температуры воздуха по месяцам приведен в диссертационной работе.
Используя коэффициенты полиномиальных трендов второго порядка, выделенных в рядах урожайностей сельскохозяйственных культур в период после 1990г, мы получили первое приближение значений урожайностей. Полученные результаты представлены в таблице 5.
Таблица 5
Урожайности сельскохозяйственных культур по тренду (ОД), ц/га
Культура 2001 2002 2003
Зерновые, креме кукурузы, озимой пшеницы 36 33 30
Подсонечник 15 14 14
Картофель 100 120 125
Кукуруза 30 28 26
Озимая пшеница 33 35 37
Затем были определены значения ДУ^, соответствующие отклонениям урожайностей от трендов по регрессионным уравнениям вида:
(ДУк), = ак + Ьк (Ок), + ск (Тк),, (4)
к=1,..,5; 1=1,2,3;
где: к - индекс сельскохозяйственной культуры, I - индекс прогнозируемого года.
После подстановки в уравнения (4) коэффициентов ак , Ь^ и ск из таблицы 2 и значений метеорологических факторов были полу-
чены по два значения отклонений урожайностей от трендов с учетом доверительного интервала регрессии.
Окончательные прогнозные значения урожайностей сельскохозяйственных культур получаем в виде двух исходов:
Важное значение для совершенствования методов управления сельскохозяйственным производством имеет прогноз цен. Поэтому в работе рассматривася также и этот вопрос. Для прогноза цен применяся метод экстраполяции.
Полученные результаты предназначены для оптимизации структуры сельскохозяйственного производства и совершенствования механизма управления в новых условиях.
Оптимизация структуры сельскохозяйственных предприятий является одним из важных приложений линейного программирования. Недостатком детерминированных моделей является допущение, что все параметры задачи (ресурсы, коэффициенты матрицы условий и целевая функция) являются строго заданными, наперед известными величинами. Повышение степени адекватности моделей реальным условием производства требует применения при анализе и планировании стохастических моделей.
Для создания математического аппарата моделирования сельскохозяйственной деятельности в условиях региона проведем конкретизацию переменных первого и второго этапов модели, предположив два исхода в погодных условиях. Первому исходу будет соответствовать набор урожайностей, взятых по верхним границам доверительных интервалов прогноза, второму исходу - набор урожайностей, взятых по нижним границам доверительных интервалов прогноза.
Переменные первого этапа (не зависящие от конкретного исхода погодных условий):
X) - площадь озимой пшеницы (га); х2 - площадь кукурузы на зерно (га); Хз - площадь ячменя (га); х4 - площадь подсонечника (га); х5 - площадь кукурузы на силос (га); х6 - площадь многолетних трав (га);
(л),= т+(,), (у,)2= т+<,),
х7 - площадь посевов на зеленый корм (га);
х8 - площадь естественных сенокосов (га);
х9 - площадь пастбищ (га);
Хю - коровы (гол);
хп - молодняк КРС (гол);
х12 - поголовье лошадей (гол);
Переменные второго этапа: I исход II исход
пшеница товарная Хп Х23
пшеница на фураж Хн *24
кукуруза товарная Х15 Х25
кукуруза на зернофураж Х16 Х26
ячмень товарный Хп Х27
ячмень на фураж Х18 Х28
коровы с макс, нормой кормления Х19 Х29
коровы с мин. нормой кормления Х-20 х30
молодняк КРС с макс, нормой кормления Х21 Х31
молодняк КРС с мин. нормой кормления Х22 Хз2
Введем следующие допонительные обозначения. Коэффициенты затрат и выпуска и другие, относящиеся к животноводству, зависящие от условий кормления животных, но не от погодной ситуации - таблица 6.
Таблица 6
Технико-экономические показатели в животноводстве
Группа животных Продуктивность Потребность в корм.ед. Потребность в протеине Затраты на содерж.
Х|9 ; Х29 V] Ь! а,/1,
Х20 ^ хзо ё2 Ь2 а2 М2
Х21; Х31 Уз & Ь3 а3 /13
Х22 ; Х32 114 а4 /14
Х12 - з5 ь5 ъ/и
где: рь р2, Рз, Р4 - процентное содержание соответственно концентрированных, грубых, сочных и зеленых кормов
в среднегодовом рационе коров; Чь Чг, <Ъ> - то же самое - в среднегодовом рационе молодняка на откорме;
сь с2 - цены на молоко и мясо, соответственно. * Коэффициенты затрат и выпуска и другие, относящиеся к земледелию, часть которых зависит от погодной ситуации, другая -нет (таблица 7).
Таблица 7
Техника-экономические показатели в земледелии
Вид культур и угодий Урожайность Затраты средств и труда Корм, ед. Протеина
I исх. II исх. I исх. II исх.
пшеница V12 ЗЦ^П ал/1,2 е,/е!'
кукуруза на зерно ^22 а21/ Хц а 22/ Ьг е2/ е2'
ячмень \У32 Ъъг! ^зз е3/ е3'
подсонечник \У42 а41/ ^ 242^ 142 а4 е4
кукуруза на силос \У51 Ч/52 ^52 5 е5
многолетние травы ^62 а62^ 1б2 е6
посевы на зел.корм \У7, \У72 а71/ 17, а72/ \пг 7 е7
естеств. сенокосы WS| ^82 381/ 81 Ъц! 1в2 <з8 е8
пастбища \У9[ Щ92 - - 69 е9
где: с3, с4, с5, сб - цены на пшеницу, кукурузу, ячмень и подсонечник соответственно.
С использованием принятых переменных была записана система ограничений модели, которая учитывает площади сельскохозяйственных культур, поголовье животных, производство кормов и др. При этом, как и переменные модели, ограничения разбиваются на две группы - ограничения первого этапа и ограничения второго этапа.
Ограничения первого этапа не зависят от погодных условий, они учитывают: площади отдельных сельскохозяйственных культур в севообороте, площади сенокосов, площади пастбищ, воспроизводство стада коров, максимальные поголовья коров и молодняка КРС.
Ограничения второго этапа (в блоках исходов), соответствуют разным погодным ситуациям. В них учитывается: баланс площадей под зерновыми культурами, используемыми на товарные и фуражные цели, баланс поголовья коров и молодняка с разными нор-
мами кормления, использование продукции растениеводства на корм скоту и др.
Запись ограничений по использованию трудовых ресурсов включает с одной стороны наличие ресурсов, а с другой - необходимое их количество для всех видов деятельности. При этом затраты труда в земледелии на 1 га той или иной культуры зависят от погодных условий.
Целевая функция.
Критерием оптимальности в данной стохастической модели является максимум математического ожидания суммарного годового дохода хозяйства. Для формирования соответствующей целевой функции результаты каждого исхода дожны умножаться на его вероятность Рг:
ВД-ВДР, + ВД Р2. (7)
Г](х) = (у,с,-а1)х19 + (у2сга2)х2о + (Узс2-а3)х21 + (у4С2-а4)х22
- ацХ, - а2)Х2 -аз1Хз-а4,Х4-а51Х5-а6,х6-а71Х7-а81Х8. (8)
ВД = (У(С1-а1)х29 + (у2С1-а2)х3о + (у3с2-а3)х31 + (у4с2-а4)х32
4- \У12С3Х23 + и^2С4Х25 + ЛУ32С5Х27 + W42C 6Х4
- а,2X1 - а22Х2 -аз2х3 -а42х4 -852X5 -а62Хб -872X7 -а82х8. (9)
В целевой функции коэффициентами при переменных являются произведения прогнозных значений урожайностей сельскохозяйственных культур на соответствующие значения цен реализации сельскохозяйственной продукции и показателей выхода животноводческой продукции на соответствующие значения цен ее реализации.
Подчеркнем, что урожайности сельскохозяйственных культур, относящиеся к случайным факторам производства, входят во многие ограничения модели и в целевую функцию и, таким образом, существенно влияют на результаты оптимизации сельскохозяйственного производства. Поэтому их прогноз с удовлетворительной точностью имеет важное значение, заключающееся в том, что при этом уменьшается дестабилизация экономики предприятия.
Следует отметить, что приведенная экономико-математическая модель позволяет выпонять расчеты для различных хозяйств. Это объясняется тем, что меняются только правые части некоторых ограничений - объемы трудовых ресурсов, поголовья скота в хозяйствах и т.п. Поэтому, привлекая данные конкретного хозяйства, можно получить соответствующую оптимальную структуру производства и разработать стратегию управления в предстоящем сезоне, обеспечивающую рентабельность предприятия и сбалансированность отраслей при возможных погодных условиях.
Приведенный подход к планированию сельскохозяйственного производства на основе стохастической модели, с использованием прогноза случайных параметров, позволяет сформировать оптимальный план деятельности предприятия в условиях неопределенности погодных условий и экономической обстановки в предстоящем сельскохозяйственном сезоне.
ЗАКЛЮЧЕНИЕ
1. В работе показано, что разработка стратегии устойчивого функционирования предприятий АПК дожна основываться на результатах прогноза стохастических факторов производства и оптимизации производственной структуры с использованием соответствующих экономико-математических моделей.
2. Определены корреляционные связи между отклонениями урожайности сельскохозяйственных культур от трендов и метеопараметрами (суммарное количество осадков за различные сроки, температура воздуха). Для каждой культуры выявлены метеопараметры, которые оказывают наибольшее влияние на ее урожайность, рассчитаны коэффициенты линейных уравнений множественной регрессии.
3. Разработан метод прогноза динамики метеорологических параметров, который основан на приближении временных рядов их значений тригонометрическими многочленами.
4. Проведено исследование разработанного метода путем решения тестовых задач с известными параметрами гармоник.
5. Выпонен прогноз значений метеопараметров в предгорной зоне Кабардино-Бакарской республики на период три года, начиная с 2001 года. С использованием прогнозных значений метео-
параметров и с учетом выявленных их связей с урожайностью сельскохозяйственных культур составлены таблицы прогноза уро-жайностей некоторых культур по предгорной зоне на этот период.
6. Рассмотрены вопросы использования стохастических экономико-математических моделей в проблеме совершенствования методов управления сельскохозяйственным производством.
7. Разработана стохастическая модель сельскохозяйственного производства в условиях региона с учетом прогноза стохастических параметров. Прогнозные значения количества осадков на территории района позволяют рассчитать урожайности сельскохозяйственных культур на ближайшие годы. Они, в свою очередь, входят в целевую функцию и систему ограничений стохастической экономико-математической задачи оптимизации структуры сельскохозяйственного производства.
Представленная в работе экономико-математическая модель, при определенной адаптации может быть использована для разработки стратегии управления производством сельскохозяйственной продукции в других хозяйствах, любой экономической зоны.
По теме диссертации опубликованы следующие работы:
1. Об одном подходе к совершенствованию управления сельскохозяйственным производством в новых условиях. - Нальчик: Эльбрус, 1999. - 1,1 п.л.
2. Прогноз динамики экономических показателей в моделях оптимизации производственной структуры АПК// Сборник научных статей КБИБ. Вып.5. - Нальчик, 2000. - 0,3 п..л. (в соавторстве).
3. Метод прогноза природных факторов в задачах управления экономикой сельскохозяйственных предприятий.// Тезисы докладов конференции молодых ученых . - Нальчик: КБНЦ РАН, 2000. -С. 100-101.-0,1 п..л. (в соавторстве).
4. Управление экономикой предприятий АПК с учетом агрометеорологических факторов// Межведомственный сборник трудов интернет-семинара. Вып 1. - Нальчик: "СКАЛАР", 2000. -0,2 п..л. (в соавторстве).
Похожие диссертации
- Развитие прогнозирования и планирования производства зерна в условиях рынка совершенной конкуренции
- Формирование системы управления авторемонтным предприятием
- Формирование рыночного механизма измерения продуктивности и эффективности агропромышленного производства
- Совершенствование системы планирования развития сельскохозяйственных организаций
- Индикативное планирование в системе адаптивного управления региональным АПК