книги / Социальное прогнозирование и проектирование.-1

практической проверки, она должна связываться с реальными тен$ денциями развития общества.

В конечном итоге любая верификация прогноза не является са$ моцелью. Если прогноз дает эффект в плане повышения научного уровня управления, он выступает как полноценный результат науч$ ного исследования задолго до возможности абсолютной вери$ фикации. В этом отношении современная наука имеет достаточно проверенных на практике примеров.

Повышение эффективности решений за счет использования прогнозной информации отмечается в 60–70$е годы, по сути дела, на начальной стадии становления прогностики, когда многие методы еще теоретически не были разработаны или практически недоста$ точно опробованы, когда многие методики еще носили фактически экспериментальный характер. Все это дает основания для выдви$ жения вполне научной гипотезы о том, что по мере развития прогно$ стики, совершенствования ее методов прогнозирование в дальней$ шем будет оказывать еще более эффективное воздействие на уро$ вень целей, планов, программ, проектов, организационных решений.

Наконец, в$третьих, даже предварительное знакомство с со$ временным инструментарием прогнозирования показывает, что последнее отнюдь не универсально и не всесильно, что оно не в со$ стоянии подменить собой более широкое понятие предвидения. Осо$ бенности способов разработки прогноза накладывают принципиаль$ ные ограничения на возможности прогнозирования как в диапазоне времени, так и в диапазоне объектов исследования. Эти ограничения надо постоянно учитывать при уточнениях заданий на разработку прогнозов.

При разработке концепции «прогноза$плана» необходимо ре$ шить две основные проблемы. Первая заключается в том, чтобы вы$ делить и формализовать требования к прогнозам по виду, составу и структуре информации, формам ее представления в органы пла$ нирования и управления. Вторая определяет необходимость мето$ дического обеспечения разработки прогнозов, ориентирования их на целевые функции и показатели систем планирования и управле$ ния. Эта задача должна решаться в рамках единой методики с ис$ пользованием специальных методов и приемов, учитывающих спе$ цифику развития объекта прогнозирования. Задача заключается

91

ГЛАВА VII. Принципы социального

прогнозирования. Виды прогнозов.

1.Основные методологические принципы анализа объектов прогнозирования.

2.Классификация объектов прогнозирования.

3.Моделирование объекта прогнозирования. Виды прогнозов. Пара метры прогнозов. Этапы прогнозирования.

Основные методологические принципы анализа объектов прогнозирования. Необходимость анализа объекта прогнози$ рования является отражением в прогностике более общей проблемы анализа объекта исследования вообще. В каждом конкретном случае способ и результаты анализа определяются целями исследования

ихарактером объекта. Целью анализа объекта прогнозирования яв$ ляется разработка прогностической модели, позволяющей получить прогнозную информацию об объекте. Для проведения прогно$ стического эксперимента помимо модели объекта, необходимо рас$ полагать набором методов, методик, приемов прогнозирования, кото$ рые должны быть выбраны в процессе анализа адекватно объекту

ицелям разработки прогноза.

При разработке задания на прогноз сначала производится об$ щее, предварительное, так называемое первичное описание объекта. Оно содержит сведения о наиболее обобщенных показателях (ха$ рактеристиках) объекта, а также о наиболее существенных целях и задачах разработки прогноза, приблизительных (в большинстве случаев) ограничениях в его разработке. В задании дается также ориентировочный перечень основных исходных данных, исполь$ зуемых на всех стадиях разработки (перечень занятых организаций, координационный план, этапность разработки прогноза и т. д.). Од$ новременно уточняются структура объекта и прогнозного фона, со$ став и взаимосвязь их элементов.

Уточнение структуры объекта может проводиться двумя путями: объединением частных, детальных характеристик в более обобщен$ ные (агрегирование) или, наоборот, последовательным углублением

93

детализации структуры от обобщенных характеристик к более част$ ным (дезагрегирование). Первым путем целесообразно идти, когда структура объекта очень сложна, характеризуется большим числом переменных с сетью связей между ними, которые в большей части неизвестны или слишком затруднительны для непосредственного анализа. Второй путь целесообразен либо когда объект про$ гнозирования менее масштабен и не настолько сложен по структуре, чтобы нельзя было проследить большинство связей между пере$ менными, либо когда эти связи относительно слабы и ими можно пренебречь.

Анализ объекта прогнозирования тесно переплетается с работой по синтезу прогнозной модели. В теории системного анализа ис$ пользуются два подхода к анализу подобных структур, которые при$ менимы и к анализу объектов прогнозирования. Первый подход на$ зывается объектным, он предполагает расчленение объекта (систе$ мы) на подсистемы путем поэлементного деления объектов на более мелкие. Каждый из последних может затем рассмат$ риваться в качестве объекта прогнозирования соответствующего уровня иерархии. Объектный принцип анализа структуры системы (объекта) рекомендуется в том случае, когда объект имеет коли$ чественно сложную структуру при относительно несложных состав$ ляющих подсистемах. Целесообразно выделять группы сходных по свойствам первичных объектов и анализировать наиболее ти$ пичные характеристики каждой группы, что существенно упрощает решение задачи.

Второй подход к анализу и синтезу структур называется функ$ циональным, когда за основу структурного членения объекта бе$ рется функциональный признак. Выделяют группы сходных функ$ ций независимо от того, каким первичным объектам они принад$ лежат. Этот подход рекомендуется в случае, когда число первичных объектов, которые составляют объект прогнозирования, невелико, но сами они являются весьма сложными по своим характеристикам и взаимосвязям.

Выбор подхода к анализу структуры объекта зависит от ряда факторов (природа объекта, цель анализа и прогнозирования, масш$ табность объекта и др.). Иногда принять однозначное решение зат$ руднительно. В таких случаях используется смешанный объектно$

94

функциональный подход, который в различных пропорциях сочетает достоинства обоих. На практике выбор осуществляется обычно экс$ пертным путем с учетом совокупности целей прогнозирования и осо$ бенностей объекта.

Важную роль в работе по анализу объекта способны сыграть со$ временная теория систем и системный анализ. Подход к анализу объекта с системных позиций считается одним из основных прин$ ципов прогнозирования. Такой подход диктуется сложностью объектов управления на современном этапе научно$технической революции, их масштабностью. Наличие большого числа взаимосвязанных пе$ ременных, характеризующих современные объекты и процессы их развития, заставляет исследователя обязательно приводить их опи$ сание к системному виду.

Неразрывно связано с теорией систем и системным анализом другое теоретическое основание анализа объекта прогнозирования – теория моделирования и подобия, которая широко используется в процессе построения формализованной модели объекта, особенно при изучении формы связей между входными и выходными пере$ менными, количественных оценок адекватности прогнозной модели объекту$оригиналу.

Большую роль при анализе объекта прогнозирования играют об$ работка исходной информации, ее измерение и оптимальное исполь$ зование. При разработке прогнозов развития больших систем, ин$ формация о которых представляется в виде сложных статистических комплексов, весьма эффективно используются теория информации, теория измерений, теория распознавания образов. Их использо$ вание особенно конструктивно, когда приходится осуществлять вы$ бор ведущих переменных в описании объекта, минимизацию пара$ метров описания, выбор адекватных шкал для измерения как коли$ чественных, так и качественных переменных, классификацию состояний объекта в пространстве параметров и переменных и т. п.

Из разделов математики в теоретической базе анализа объекта прогнозирования наиболее существенное место занимают теория вероятностей и математическая статистика, теория численных мето$ дов анализа и оптимизации, современная теория факторного анали$ за, дифференциальные уравнения. Последние применяются для описания относительно регулярных процессов, случайной состав$ ляющей которых можно пренебречь. В основном же современные

95

прогнозные модели объектов строятся в рамках статистических мо$ делей, моделей экстраполяции и интерполяции регулярных со$ ставляющих, оценки влияния случайных составляющих процесса.

В заключение перечислим основные методологические прин$ ципы, которые должны соблюдаться при анализе объекта прогно$ зирования.

Принцип системности требует рассматривать объект прогно$ зирования как систему взаимосвязанных характеристик объекта и прогнозного фона в соответствии с целями и задачами исследования.

Принцип природной специфичности предполагает обяза$ тельный учет специфики природы объекта прогнозирования, зако$ номерностей его развития, абсолютных и расчетных значений пре$ делов развития. При нарушениях этого принципа, особенно часто возникающих при формальной экстраполяции процесса, ошибки могут быть серьезными, а прогнозы становиться просто абсурдными. Например, формальная эстраполяция роста скоростей транспорт$ ных средств дает в конечном итоге превышение скорости света, эк$ страполяция развития энергетики приводит к величинам, превы$ шающим мощность энергии Солнца и т. д. Единственным способом избежать таких результатов является логический анализ сущности и физических основ прогнозируемого процесса.

Принцип оптимизации описания объекта прогнози рования помогает разработать в результате анализа такое описание объекта, которое обеспечивало бы заданную достоверность и точность прогноза при минимальных затратах на его разработку. Под за$ тратами здесь можно понимать трудоемкость прогнозирования в че$ ловеко$часах, затраты средств на сбор информации и ее перера$ ботку, машинное время на расчет прогнозных значений, затраты ма$ шинной памяти на хранение описание объекта. Обобщенный принцип оптимизации можно разбить на ряд конкретных, частных принципов оптимизации описания:

1) принцип оптимальности степени формализации описания, требующий использования формализованных моделей в таких со$ отношениях с неформальными интуитивными способами описания, которые при выполнении требований задачи прогноза обеспечивали бы ее решение с минимальными затратами; т. е. требуется не то$ тальная формализация описания объекта, а обеспечение возможно более полного использования аппарата эвристических, интуитив$ ных, творческих, неформализуемых методов решения проблем;

96

2)принцип минимизации размерности описания, требующий описания объекта минимальным числом переменных и параметров, обеспечивающих заданную точность и достоверность прогноза; предполагается оценка важности каждой переменной в описании

иотбор наиболее информативных с точки зрения задачи прогно$ зирования;

3)принцип оптимального измерения показателей, требующий выбора для измерения каждого показателя такой шкалы, которая при минимальных затратах обеспечивала бы достаточную для про$ гноза информацию по данной переменной. Применительно к ка$ чественной информации это принцип оптимальной квантификации, он выражается в выборе правильного начала отсчета, наилучшего масштаба и шкалы отсчета;

4)принцип дисконтирования данных, требующий при анализе объекта придавать большое значение новой информации об объекте

именьшее – информации, более ранней по времени.

Принцип аналогичности предполагает при анализе объекта сопоставление его свойств с известными в данной области сходными объектами и их моделями с целью отыскания объекта$аналога и использования при анализе и прогнозировании его модели или от$ дельных ее элементов. Этот принцип позволяет, с одной стороны, минимизировать затраты на анализ и прогноз путем использования части готовых прогнозных моделей, а с другой – обеспечивает вери$ фикацию прогнозов путем сопоставления с прогнозами объектов$ аналогов.

В данном разделе изложены наиболее общие принципы анализа объекта прогнозирования. При практическом анализе реальных объектов соблюсти все эти принципы обычно не удается, однако каждое исследование должно быть направлено на максимальное приближение к их соблюдению. Степень этого приближения может служить одной из оценок качества проведенного анализа.

Классификация объектов прогнозирования. Прежде всего сформулируем цель классификации, так как в зависимости от нее определяются способ классификации и классификационные при$ знаки. Целью классификации в данном случае является создание предпосылок для выбора адекватных методов анализа и прогно$ зирования объекта. В соответствии с такой целью в качестве способа

97

классификации примем параллельный способ. В отличие от последо$ вательного способа, характеризующегося наглядностью, но не допу$ скающего пересечение классов по каждому из признаков, парал$ лельный способ не так нагляден, но дает возможность более четко и гибко определять классы сразу по всей совокупности значений классификационных признаков. Если каждой такой области соот$ ветствует один или несколько методов анализа и прогнозирования, то проблема их выбора сводится к установлению классса объекта по набору значений его признаков.

В действительности такой полной классификации объектов, обес$ печивающей однозначный выбор метода, в настоящее время пред$ ложить нельзя, да и неизвестно, возможна ли она вообще. На прак$ тике классификация служит лишь некоторым ориентиром в сложной процедуре выбора методов анализа и прогнозирования объекта. В ка$ честве классификационных признаков примем следующие: природа, масштабность, сложность объекта прогнозирования; степень его де$ терминированности; характер его развития во времени; степень ин$ формационной обеспеченности.

По природе объекты прогнозирования можно подразделить на следующие классы (в скобках приведены примеры объектов со$ ответствующих классов):

1) научно$технические (развитие фундаментальных и приклад$ ных исследований, развитие областей техники, новые виды техники, технические характеристики, изобретения и открытия в области на$ уки и техники, новые материалы, технология);

2) технико$экономические (экономика народного хозяйства по отраслям, развитие и размещение производства, народно$хозяй$ ственные предприятия, технико$экономические показатели произ$ водства продукции, организационно$экономические системы управ$ ления, освоение новых видов продукции, финансирование произ$ водства);

3)социально$экономические (демография, миграция, трудовые ресурсы, размещение производительных сил, образование, нацио$ нальный доход, спрос, потребление, производительность труда);

4)военно$политические (международные отношения, опасные зоны мира, военный потенциал стран, стратегический курс госу$ дарств, военные конфликты);

98

5)естественно$природные (погода, землетрясения, ураганы, ок$ ружающая среда, природные ресурсы, космические явления).

По масштабности объекты прогнозирования можно классифи$ цировать в зависимости от числа переменных, входящих в полное описание объекта на стадии анализа (в скобках приведены примеры объектов соответствующих классов):

1)сублокальные – с числом значащих переменных от 1 до 3 (чис$ ленность населения страны, производственная функция, траектория движения в трехмерном пространстве, рабочее место);

2)локальные – с числом значащих переменных от 4 до 14 (про$ изводственный участок, материал, несложное техническое устрой$ ство, ход болезни);

3)субглобальные – с числом значащих переменных от 15 до 35 (цех, областная сеть авиалиний, спрос на продукцию предприятия

ссоответствующей номенклатурой);

4)глобальные – с числом значащих переменных от 36 до 100 (предприятие, техническая система типа станок, агрегат; транспорт$ ная сеть региона);

5)суперглобальные – с числом значащих переменных свыше 100 (отрасль, крупное предприятие, большая техническая система типа самолет, транспортная сеть страны).

Масштабность объекта не имеет самостоятельного значения для выбора метода анализа и прогнозирования. Ее следует учитывать лишь в совокупности с классификацией объектов по принципу слож$ ности при организации процедур обработки исходной информации, выборе технических средств обработки, расчетах объемов памяти для хранения и обработки информации.

По сложности объекты прогнозирования можно классифи$

цировать по степени взаимосвязи значащих переменных в их описании:

1)сверхпростые – объекты с отсутствием существенных взаи$ мосвязей между переменными; такие объекты можно анализировать

иразрабатывать для них прогнозы путем последовательного анализа независимых переменных, составляющих описание при любой масш$ табности объекта;

2)простые – объекты, в описании которых содержатся парные взаимосвязи между переменными;

3)сложные – объекты, для адекватного описания которых не$ обходимо учитывать взаимосвязи и влияния нескольких переменных

99

(трех и более), однако имеется возможность выделения главных групп переменных; для анализа такого рода объектов можно ис$ пользовать методы ступенчатых регрессионных зависимостей, ме$ тоды множественного регрессионного и корреляционного анализа, экспертные таблицы оценок взаимного влияния и предпочтений;

4) сверхсложные – объекты, в описании которых необходимо учитывать взаимосвязи между переменными; основными инструмен$ тами анализа в этом случае являются множественный корреля$ ционный анализ, факторный и дисперсный анализ.

По степени детерминированности можно выделить сле$ дующие объекты прогнозирования:

1)детерминированные, описание которых может быть пред$ ставлено в детерминированной форме без существенных для задачи прогнозирования потерь информации;

2)стохастические, при анализе и прогнозировании которых учет случайных составляющих необходим для удовлетворения требо$ ваний точности и достоверности прогноза;

3)смешанные, описание которых возможно частично в детерми$ нированном, частично в стохастическом виде.

По характеру развития во времени объекты прогнози$ рования классифицируются следующим образом:

1)дискретные – объекты, регулярная составляющая (тренд) которых изменяется скачками в фиксированные моменты времени;

2)апериодические – объекты, имеющие описание регулярной составляющей в виде апериодической непрерывной функции времени;

3)циклические – объекты, имеющие регулярную составляю$ щую в виде периодической функции времени. Регулярная состав$ ляющая здесь понимается как описание процесса, очищенное от слу$ чайной составляющей (помехи).

По степени информационной обеспеченности объекты прогнозирования подразделяются на следующие:

1)объекты с полным обеспечением количественной информа$ цией, для которых имеется в наличии ретроспективная количест$ венная информация в объеме, достаточном для реализации метода экстраполяции либо статистического метода прогнозирования с за$ данной точностью на заданное время упреждения;

2)объекты с неполным обеспечением количественной инфор$ мацией, для которых имеющаяся в наличии ретроспективная

100