Модели прогнозирования

По виду применяемых функций

По наличию неопределенностей

По виду математического описания

полиномиальные

На основе дифференциальных уравнений

детерминированные

тригонометрические

стохастические

На основе алгебраических уравнений

экспоненциальные

комбинированные

Рис.14.1. Классификация моделей прогнозирования

В зависимости от вида прогнозируемого объекта модели могут быть следующими: экономические, экологические, демографические, социальные и т.п. По характеру использования, структуре и набору методов анализа модели прогнозирования земельно-кадастровых показателей наиболее близко подходят к экономическим.

В зависимости от характера применения прогнозируемого процесса, можно выделить следующие группы моделей: эволюционного, революционного развития и комбинированные.

Учитывая сильное влияние социально – экономических и политических факторов на всю систему управления земельными ресурсами и их перераспределение между разными формами собственности, можно ожидать, что поведение системы управления земельными ресурсами будет комплексным.

В зависимости от вида математического описания, модели можно подразделить на такие группы: модели, основанные на дифференциальных уравнениях или на алгебраических уравнениях.

В зависимости от наличия неопределенностей, сопровождающих прогнозируемый процесс, модели можно разделить на детерминированные и стохастические.

В зависимости от вида функций, положенных в описание основы процесса, модели могут быть: полиномиальные (в т.ч. линейные и квадратичные), тригонометрические, экспоненциальные и комбинированные.

Детерминированная модель определяется наличием переменных и параметров, которые могут принимать определенные, фиксированные значения или ограниченное множество значений при любых заданных условиях. Важным свойством таких моделей является однозначность значений выходных сигналов при определенном наборе значений входных сигналов. При этом вероятностные факторы либо отсутствуют, либо ими можно пренебречь.

Стохастическая модель характеризуется тем, что для любого заданного набора входных сигналов Z и многократного повторения этого набора каждый раз будут получаться разные значения выхода (Z). То есть будет иметь место неоднозначность значений выходных сигналов.

Можно считать, что стохастическая модель – это математическое описание некоторого случайного процесса, под которым обычно понимается некоторый реальный (физический) исследуемый процесс, который проявляет стохастические свойства в связи с включением в себя случайных отклонений входных и выходных сигналов, переменных и параметров модели.

Стохастические модели можно условно разделить на следующие группы:

 модели для расчета математических ожиданий процессов (модели динамики средних для массовых явлений) в непрерывной или дискретной форме;

 вероятностные модели в непрерывной (типа процессов массового обслуживания) и дискретной форме (типа марковских цепей);

 модели статистических испытаний (методы Монте – Карло).

Для автоматических систем характерна ситуация, когда процесс обработки информации “от входа до выхода” полностью автоматизирован и все элементы работают по заранее разработанным (детерминированным) алгоритмам.

В общем виде процесс создания модели для прогнозирования системы управления земельными ресурсами условно можно разделить на следующие этапы:

1) сбор, подготовка исходных данных для исследования и предварительный анализ;

2) выбор и обоснование математических моделей прогнозируемого объекта;

3) обработка статистических данных для определения параметров моделей прогноза и получения зависимостей, связывающих прогнозируемые характеристики объекта с временными или другими факторами;

4) собственно прогнозирование, т.е. вычисление величин характеристик объекта при заданных значениях времени и факторов.

Система управления земельными ресурсами не будет автоматической, так как принятие решений по многим вопросам, связанным с применением методов анализа, выбора вида модели и т.д., часто возлагается на пользователя.