Файл: Обоснование метода математического прогнозирования несчастных случаев и профессиональных заболеваний.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 25.10.2023
Просмотров: 241
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
КОНТРОЛЬНАЯ РАБОТА
Дисциплина (модуль) «Математическое моделирование процессов формирования опасных и вредных производственных факторов»
Тема «Обоснование метода математического прогнозирования несчастных случаев и профессиональных заболеваний»
Направление подготовки/специальность 20.04.01 Техносферная безопасность
Направленность (профиль) Охрана труда и безопасность в техносфере
Обучающийся _________________________ ______________________________
подпись, дата И.О. Фамилия
Контрольную работу проверил ____________________ _______________________________
подпись, дата должность, И.О. Фамилия
СОДЕРЖАНИЕ:
ВВЕДЕНИЕ…………………………….
1. Обзор и анализ состояния в области математического прогнозирования……..
2. Описание метода математического прогнозирования несчастных случаев и профессиональных заболеваний…….
ГЛАВА 3. Расчетная часть………..
ГЛАВА 4. Предложения и мероприятия по снижению негативного воздействия
ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА………..
ВВЕДЕНИЕ
В настоящее время насчитывается порядка 150 методов прогнозирования, в тоже время на практике широко используются при социально-экономическом прогнозировании только 20-30 из них.
Каждый уровень детализации методов определяется своим классификационным признаком: степенью формализации, общим принципом действия, способом получения прогнозной информации.
По степени формализации все методы прогнозирования делятся на интуитивные и формализованные.
Интуитивное прогнозирование применяется тогда, когда объект прогнозирования либо слишком прост, либо настолько сложен, что аналитически учесть влияние многих факторов практически невозможно. В зависимости от общих принципов действия интуитивные методы делят на две группы: индивидуальные экспертные оценки и коллективные экспертные оценки. В группу индивидуальных экспертных оценок можно включить следующие методы (по принципу – способ получения прогнозной информации): метод интервью, аналитические докладные записки, написание сценария и пр. В группу коллективных экспертных оценок входят следующие методы: анкетирование, метод комиссий, метод мозговых атак и пр. Полученные экспертные оценки используют как конечные прогнозы или в качестве исходных данных в комплексных системах прогнозирования.
Формализованные методы используются в том случае, когда информация об объекте прогнозирования носит в основном количественный характер, а влияние различных факторов можно описать с помощью математических формул. Формализованные методы прогнозирования базируются на математической теории, которая обеспечивает повышение достоверности и точности прогнозов, значительно сокращает сроки их выполнения, позволяет обеспечить деятельность по обработке информации и оценке полученных результатов. В группе формализованных методов можно выделить три подгруппы:
метод исторических аналогий;
методы экстраполяции, в том числе в этой подгруппе различают: методы подбора функции, методы усреднения и методы адаптивного сглаживания;
методы моделирования, в том числе: матричные модели, модели оптимального прогнозирования, эконометрические модели (факторные модели), имитационные модели.
Защита работающих от воздействия опасных и вредных производственных факторов является актуальной проблемой охраны труда в промышленности. В процессе производства работ мостовыми кранами возникает потенциальная опасность для жизни и здоровья человека. Работа с мостовыми кранами сопряжена с определенным риском не только для обслуживающего персонала, но и для всех лиц, находящихся в зоне потенциальной опасности. Несмотря на то, что вопросам безопасности постоянно уделяется большое внимание, в частности, нормативными документами по промышленной безопасности, остается ряд нерешенных проблем.
На основании анализа статистических данных, можно сделать вывод, что принимаемые меры в области охраны труда не дают удовлетворительного результата при существующих требованиях к обеспечению производства работ. Одним из путей решения данной проблемы является внедрение в управление охраной труда систем прогнозирования опасных ситуаций на основе управления производственными рисками.
Повышение безопасных условий труда путем количественной оценки и прогнозирования опасности возникновения несчастных случаев на производстве с учетом качества эксплуатируемого оборудования, а также статистических и экспериментальных данных.
-
ОБЗОР И АНАЛИЗ СОСТОЯНИЯ В ОБЛАСТИ МАТЕМАТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ
-
Метод исторических аналогий
Суть метода исторических аналогий заключается в выборе объекта-аналога для объекта прогнозирования, который в своем развитии опережает объект прогнозирования. Прогноз будет заключаться в сопоставлении, имеющейся информации по объекту-аналогу со специфическими особенностями объекта прогнозирования, на основании этого делается заключение о развитии объекта прогнозирования в будущем. Метод исторических аналогий следует использовать при прогнозировании развития новых объектов и процессов, по которым нет ретроспективной информации.
Несмотря на всю привлекательность, данный метод имеет целый ряд ограничений и сложностей в процессе применения. Во-первых, следует очень внимательно и тщательно подходит к подбору объектов-аналогов. Во-вторых, следует учитывать все специфические особенности объекта прогнозирования, а также действия внешних факторов. Например, будет неверным прогнозировать социально-экономическое развитие одного региона при помощи методов исторических аналогий и выбирать в качестве аналога другой регион. Каждый регион имеет свою специфику, также большое значение имеет фактор времени и изменения внешнего окружения. В этой связи представляется нецелесообразным применение данного метода для прогнозирования социально-экономического развития региона. Все вариации метода исторических аналогий могут рассматриваться, как вспомогательные на региональном уровне для построения прогнозов отдельных процессов и явлений.
МЕТОДЫ ЭКСТРАПОЛЯЦИИ
Самой обширной и часто используемой группой среди формализованных методов являются методы экстраполяции. Все методы экстраполяции сводятся к выявлению устойчивых тенденций в прошлом и их переносу в будущее.
Все методы экстраполяции традиционно классифицируют на следующие группы: методы подбора функции, методы усреднения и методы адаптивного сглаживания.
Сущность метода подбора функций заключается в правильном подборе экстраполирующей функции. Главной задачей данного метода является подбор функции, при котором на историческом интервале времени значения подобранной функции минимально отклонялись от реальных значений. К данной группе относятся методы экстраполяции тренда.
Трендовая модель – это математическая модель, описывающая изменение прогнозируемого или анализируемого показателя только в зависимости от времени и имеющая вид
. Для применения методов экстраполяции тренда, во многих случаях требуется представление исходных данных об объекте прогнозирования в виде временных рядов. Временной ряд состоит из данных, которые были собраны или зафиксированы через последовательные промежутки времени.
С математической точки зрения процесс экстраполирования заключается в переносе закона изменения функции за область её определения (на прогнозный интервал).
Модели экстраполяции, в том числе и модели экстраполяции тренда, могут быть линейными и нелинейными. Наиболее часто используемые функции для экстраполяции:
линейная (
);параболическая (
);степенная (
);гиперболическая (
);экспоненциальная (
);и др.
Наименее трудоемкой и простой группой методов экстраполяции являются методы усреднения. Сущность методов усреднения заключается в вычислении некоторого среднего значения на основе исторических данных. Далее субъект прогнозирования исходит из предположения, что прогнозная величина не будет значительно отличаться от этого среднего значения. Данные методы прогнозирования крайне неточны и могут быть использованы лишь для оценки прогнозов отдельных процессов и явлений.
Например, можно строить прогнозы исследуемых показателей на основе расчетных показателей среднего абсолютного прироста и среднего темп роста.
Если характер развития близок к линейному, то корректно использование среднего абсолютного прироста к получению прогнозного значения. На такой равномерный характер развития могут указывать примерно одинаковые значения цепных абсолютных приростов.
В этом случае, чтобы получить прогноз на L шагов вперед (L - период прогнозирования), достаточно воспользоваться следующей формулой:
Где
— фактическое значение в последней n-ой точке ряда (конечный уровень ряда); 
— прогнозное значение (n + L)-гo уровня ряда; 
- значение среднего абсолютного прироста, рассчитанное для временного ряда 
.Применение среднего темпа роста для описания динамики ряда целесообразно, когда изменение его динамики происходит примерно с постоянным темпом роста. В этом случае прогнозное значение на L шагов вперед может быть получено по формуле:
где
— фактическое значение в последней n-ой точке ряда (конечный уровень ряда); 
— прогнозное значение (n + L)-гo уровня ряда; 
— значение среднего темпа роста, рассчитанное для временного ряда 
(не в % - ном выражении).К недостаткам среднего абсолютного прироста и среднего темпа роста следует отнести то, что они учитывают лишь конечный и начальный уровни ряда, исключают влияния промежуточных уровней. Тем не менее, эти показатели имеют весьма широкую область применения, что объясняется чрезвычайной простотой их вычисления. Они могут быть использованы как приближенные, простейшие способы прогнозирования, предшествующие более глубокому количественному и качественному анализу.
Существенным недостатком группы методов подбора функции, а также методов усреднения является равнозначность всех исторических данных. Однако любой процесс развивается во времени, на него оказывают влияния различные факторы. В этой связи логичнее предположить, что более поздние значения более информативны и требуют большего внимания, чем более ранние.
Данный факт учитывается в группе методов экстраполяции, которые носят название методы адаптивного сглаживания. Примером методов адаптивного сглаживания могут служить методы экспоненциального сглаживания.
Методы экспоненциального сглаживания основываются на усреднении временных рядов прошлых наблюдений в экспоненциально нисходящем направлении, т.е. всем значениям присваиваются веса, которые убывают по экспоненте. Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения, при котором более поздним наблюдениям придаются большие веса по сравнению с ранними наблюдениями, причем веса наблюдений убывают по экспоненте.
В расчетах для определения экспоненциальной средней можно использовать рекуррентную формулу: