close

Вход

Забыли?

вход по аккаунту

?

ПРОГНОЗ ПрАСОИУлр 4(новый)

код для вставкиСкачать
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ РФ
Государственное образовательное учреждение высшего профессионального образования
"Дальневосточный государственный технический университет (ДВПИ имени В.В. КУЙБЫШЕВА)"
Кафедра Информационных систем управления
Прогнозирование расхода медикаментов в подсистеме "Перспективное планирование" автоматизированной системы аптекоуправления .
Методические указания к лабораторной работе
по курсу "Проектирование АСОИУ"
Образовательная программа 230100 - Информатика и вычислительная
техника
для специальности 230102 - Автоматизированные системы
обработки информации и управления
Владивосток 2007
УДК 681. 332.6
Учебное пособие предназначено для студентов специальности "Автоматизированные системы обработки информации и управления", изучающих курс "Проектирование АСОИУ". Пособие рекомендуется использовать студентами при выполнении курсовых и дипломных работ, а также студентами специальностей, связанных с разработкой информационных систем. Доцент кафедры ИСУ Березкина ОГЛАВЛЕНИЕ
стр.
Введение......................................................................................................... 3
1. Прогнозирование потребности в медикаментах сглаживанием динамического ряда................................................................................... 4
2. Пример расчета прогноза расхода медикаментов вручную..................... 8
3. Порядок подготовки и выполнения лабораторной работы................... 9
4. Требования к оформлению отчета по лабораторной работе...................10
5. Контрольные вопросы...............................................................................10
Литература......................................................................................................10
ЦЕЛЬ РАБОТЫ :
1. Знакомство с одним из методов прогнозирования на примере функционирования подсистемы " Перспективное планирование " автоматизированной системы аптекоуправления ( АСАУ).
2. Знакомство с моделями и задачами подсистемы "Перспективное планирование" на примере АСАУ.
ВВЕДЕНИЕ
Вопросам прогнозирования потребности сырья , материалов, полуфабрикатов и т.д. в настоящее время уделяется очень большое внимание . От того насколько верно будет выполнен интересующий прогноз во многом зависит успех выполнения перспективных планов в народном хозяйстве страны . Методика определения прогнозов в потребности сырья или материалов в различных отраслях народного хозяйства остается практически неизменной . В связи с этим в данной лабораторной работе будет изучаться одна из возможных методик определения прогнозов на примере функционирования подсистемы " Перспективное планирование " АСАУ .
Задача правильного прогнозирования потребности населения и лечебно-профилактических учреждений в медикаментах - одна из наиболее важных задач медикаментозного снабжения края. Исходной информацией при создании любой подсистемы " Перспективное планирование " , является известный расход медикаментов за определенный промежуток времени . В настоящее время аптекоуправление Приморского края располагает данными расходов медикаментов за 1986 - 1996 годы . Эти данные будут использоваться при выполнении лабораторной работы.
В подсистеме " Перспективное планирование " для определения прогноза в медикаментах на будущее разработаны два вида моделей .
Модель № 1. Определяет потребность в медикаментах сглаживанием динамического ряда с помощью полиномов k-ой степени [ I ].
Модель № 2. Определяет потребность в медикаментах с использованием многофакторного корреляционного регрессионного анализа . Построение этой модели основано на оценке степени влияния каждого из факторов ( количество больничных коек , плотность населения и т.д. ) на расход медикаментов и отборе наиболее существенного из них .
В данной лабораторной работе рассматривается и используется модель № 1. Результаты прогнозирования , полученные с помощью этой модели достаточно хорошо согласуются с результатами проведенных экспериментальных исследований .
Входным документом для этой модели является известный расход конкретных медикаментов за предыдущие 10 лет . Для представления во входном документе каждый медикамент шифруется пятизначным числом . Первые две цифры шифра указывают на формако - терапевтическую группу медикаментов , к которой относится данный препарат ( всего существует 98 таких групп ). Три следующих цифры указывают порядковый номер данного медикамента в рассматриваемой группе.
1 . Прогнозирование потребности в медикаментах
сглаживанием динамического ряда.
При построении модели № 1 предполагается , что расход медикаментов является только функцией времени и не зависит от других факторов . Основываясь на этом предположении , формируется временной ряд ( упорядоченная во времени последовательность числовых значений ), который характеризует расход препарата за Т лет.
Y1 , Y2 , ............Yт , ( 1 )
где Yi - расход данного препарата в i - ом году . Каждый элемент временного ряда (1) может быть представлен в виде суммы двух компонент : средней детерминированной составляющей ( тренда ) временного ряда f (t) и случайной компоненты t . Y t = f ( t ) + t ( 2 )
где Yt - значение компоненты временного ряда в момент времени t .
Тренд в выражении (2) характеризует влияние некоторых постоянно действующих закономерных факторов , а случайная компонента  t влияние случайных или выявленных в процессе моделирования факторов . t вызывает отклонения временного ряда от тренда .
Обычно, на практике тренд представляется в виде степенного полинома K - ого порядка вида f (t) =  0 +  1 t +  2 t 2 + .................  n t n , ( 3 ) где i - некоторые пока неизвестные коэффициенты.
Вид и элементы этого полинома могут быть определены в результате сглаживания имеющегося тренда по методу наименьших квадратов. Степень полинома "K" определяется видом тренда конкретного процесса .
Полином (3) достаточно наглядно отражает процесс сглаживания реального динамического ряда , однако к нему не может быть применен регрессионный ортогональный анализ , [ 2 ] , т.к. коэффициенты коррелированы . В результате для определения коэффициентов полинома (3) требуется большой объем вычислений .
В этом случае целесообразно от степенного полинома (3) перейти к ортогональной модели вида Y j = 00 t j  + 1 1 t j k k  t j j ( 4 )
( j = 1, 2.....n )
где n - число прогнозов ;
t)- некоторые полиномы от времени , являющиеся взаимно ортогональными ( i = 0, 1. . . K ; i - степень соответствующих полиномов ) ;
{  i } - множество коэффициентов полинома ( 4 ) .
Рассматриваемая модель (4) эквивалентна модели (3), т.к. оба полинома минимизируют одну и ту же сумму квадратов .
Коэффициенты полинома (4) можно определить с помощью следующего выражения [ 2 ]
n n
 i  Y i ix ji 2 x j ( 5 )
j=1 j=1
Из выражения (5) видно , что каждый коэффициент i зависит только от одного полинома соответствующей степени . Это очень удобно при определении полиноминальной регрессии , степень которой заранее не известна ( степень полинома (4 ) определяется путем постепенного увеличения значения K до тех пор , пока не получится достаточно хорошее совпадение с реальными процессами ) .
В отличии от выражения (4) при использовании не ортогональной модели (3) после добавления очередного члена t k+1 , читать все множество коэффициентов {i } . Для определения функций i ( t ) ( i = 0, 1, . . . K ) используется следующее выражение [ 2 ]
'0'1'i '1'2'i+1
............................. ( 6 ) iti- 'i-1 'i '2i-1 t .......... t '
'0'1'i-1 '1'2'i
............................. ( 7 ) где i- 'i-1 'i '2i-2  ' p - р - ый момент множества t ,
T  ' p =  t 'i p , p = 1, K . i=1 После определения  i и it соответственно по формулам (5) и (6) , прогнозирование Yt для t > T производится подстановкой значения t в формулу (4).
Блок - схема программы , реализующей рассмотренный алгоритм , представлена на рис.1, а распечатка самой программы помещена в приложении.
Прогнозирование с использованием полинома высокой степени при малом количестве исходных данных , как правило , приводит к появлению значительных ошибок . Особенно это относится к прогнозированию на отдаленное будущее. При осуществлении прогноза медикаментов , имея данные наблюдений лишь за последние 11 лет , наиболее достоверные результаты удалось получить , используя полином первой степени ( К = 1 ). Данный полином представляет собой линейно возрастающую или убывающую временную последовательность и характеризует соответственно степень увеличения или уменьшение потребления конкретного медикамента в будущем .
начало
Расходы по годам ( массив Y )
число лет (массив NX),
шифр IND . Обращение к подпрограмме MUM ,
вычисляющей моменты :
T  ' p =  t 'i p , p = 1, K . i=1 Вычисление коэффициентов n n
 i  Y i it ji 2 t j j=1 j=1
с помощью подпрограммы-функции Fkx *,
вычисления :
'0'1'i '1'2'i+1
............................. iti- 'i-1 'i '2i-1 t .......... t '
Вычисление потребности медикамента
в требуемый момент времени t (прогноза) Yt = 00t) +k k t
Вывод результата прогноза на
два года вперед
Конец
Рис. 1. Блок - схема программы прогнозирования Примечание * . В подпрограмме F kx вычисление функции k tосуществляет с помощью обращения к еще одной подпрограмме - функции DET, вычисляющей определители вида | M i-1 | .
2. Пример расчета прогноза расхода медикаментов a) вручную .
Пусть дан входной документ , отражающий известные расходы андроксона - медикамента , относящегося , например , к группе средств , влияющих на свертывание крови . Номенкла-
турный номерНаимено-
вание препаратаЕдиницы измеренияРасходы1986198719881989199019911992199319941995199645038Андрексона0,5% амп.4,10,30,72,322,48,20,14,60,840,40,3 Для прогнозирования воспользуемся полиномом 1-ой степени вида ( 4 ) . В результате будем иметь Y t = 00 t  + 1 1 t 
где 1 t  = t , 0 t 
Коэффициент полинома (8) определим с помощью выражения (5)
11  Y i 0t
 0  i=1 = Y i / 11 ,
i=1
11  Y 02 t
i=1
11 11
 1  Y i 1t j1 2 t j . i=1 i=1
Значение 1t)для каждого t определяется равенством 1 (t)год i - средний год (средний из рассматриваемых годов является 1991 ) .
1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1(t) -5 -4 -3 -2 -1 0 1 2 3 4 5 \ Для 1997 и 1998 годов 1(t) , будут соответственно иметь следующие значения 1 (1997) = 6 , 1(1998) = 7 .
В результате прогнозы потребности андрексона на 1997 и 1998 годы в соответствии с выражением ( 8 ) получат следующие числовые значения
Y1987 = 0.377 , Y 1988 = 0.07 .
Б) с помощью таблиц EXCELL
Предполагается, что расход медикаментов является только функцией времени и не зависит от других факторов. Основываясь на этом, формируется временной ряд (упорядоченная во времени последовательность числовых значений), который характеризует расход препарата за Т лет:
(Y1 , Y2 , ...Yт ), ( 1 )
где YJ - расход данного препарата в J- ом году. Каждый элемент временного ряда (1) может быть представлен в виде суммы двух компонент: средней детерминированной составляющей (тренда) временного ряда F(t) и случайной компоненты t :
Yt = F( T ) + t , ( 2 )
где Yt - значение компоненты временного ряда в момент времени t .
Тренд в выражении (2) характеризует влияние некоторых постоянно действующих закономерных факторов, а случайная компонента t вызывает отклонения временного ряда от тренда.
Обычно, на практике тренд представляется в виде степенного полинома (для примера 2 степени) вида: Y j = A0 T j + A1 T j2 T j2 ( j = 1 ÷ n ) ( 3 )
где n - число прогнозов; { A i } - множество коэффициентов (i=0 ÷ k);
Коэффициенты полинома (3) можно определить с помощью решения системы уравнений :
A2ST4 + A1ST3 + A0ST2 = ST2Y
A2ST3 + A1ST2 + A0ST = STY (4)
A2ST2 + A1ST + A0N = SY 3 . Порядок подготовки и выполнения лабораторной работы . 1. Знакомство с используемой математической моделью прогнозирования .
2. Знакомство с методикой определения прогноза вручную .
3. Знакомство с блок - схемой и программой решения задачи прогнозирования 4. По выданному преподавателем варианту рассчитать прогноз потребности соответствующего медикамента вручную на 1 год для К = 1 .
5. Подготовить исходные числовые данные .
6. Получить результаты прогнозирования потребности медикаментов ( по заданному варианту ) для полиномов различной степени (К = 1, 2, .. 5 ).
7. Сравнить результаты ручного и машинного прогнозирования ( с использованием полиномов различной степени ).
4 . Требования к оформлению отчета по лабораторной работе .
Отчет должен содержать :
1. Правильно оформленный титульный лист .
2. Задание для самостоятельной работы на отдельном листе . Необходимые исходные данные .
3. Результаты ручных и машинных расчетов прогнозируемой потребности в медикаментах.
4. Выводы о проделанной работе .
год123456789101112131419951000100510720320210028,458234,491325,497951,241828,613234,218525,121350,3221996950108520730210205028,406534,556525,508751,276628,64334,133925,08850,34011997960103530740270207028,381234,622225,410951,246628,615734,184325,105950,42371998790110540690325190028,360334,644925,428451,281128,520734,39625,055550,5986199981099490680290195028,43234,502225,472150,904728,457734,624525,099450,52662000950102480670330189028,546334,341225,390350,655428,470834,537925,024950,1220011010104470660320191028,567834,298525,301450,519328,556234,393125,018649,92772002108099490650310193028,536634,338125,26750,532628,62534,241224,962949,859200398095500670290195028,498934,381125,242650,388928,59934,295924,929449,9825200499099490700300198028,534834,307425,207450,252628,586134,357624,935550,15432005??????????????
1
2
1
10
Документ
Категория
Рефераты
Просмотров
23
Размер файла
128 Кб
Теги
прасоиулр, новый, прогноз
1/--страниц
Пожаловаться на содержимое документа