ВВЕДЕНИЕ 4
ГЛАВА 1. РЕГИОНАЛЬНЫЕ ТРАНСПОРТНЫЕ СИСТЕМЫ И ИХ ЭКОНОМИКО-МАТЕМАТИЧЕСКИЙ АНАЛИЗ: ЗАДАЧИ, МЕТОДЫ И СРЕДСТВА 6
Роль транспорта в экономике регионов Южного Федерального Округа 6
Рассматриваемые регионы ЮФО 6
Математическое моделирование 8
Среда разработки 10
Оптимизация с помощью программных средств 10
ГЛАВА 2. ОПИСАНИЕ МАТЕМАТИЧЕСКИХ МЕТОДОВ И ПРОГРАММНЫХ СРЕДСТВ, ИСПОЛЬЗУЕМЫХ ПРИПОСТРОЕНИИ МОДЕЛИ РЕГИОНАЛЬНЫХ ГРУЗОПЕРЕВОЗОК. 12
Основные сведения из теории нечетких множеств 12
Основные определения 12
Операции над нечеткими числами 14
Нечеткая линейная регрессия 14
Описание возможностей используемых программных средств 15
Импорт Данных 15
Подготовка данных для анализа 16
Создание функций Kosel и optumus 19
ГЛАВА 3. АНАЛИЗ РАЗВИТИЯ ТРАНСПОРТНОЙ ОТРАСЛИ СУБЪЕКТОВ ЮЖНОГО ФЕДЕРАЛЬНОГО ОКРУГА
МАТЕМАТИЧЕСКИМИ МЕТОДАМИ С РАЗРАБОТКОЙ ПРОГРАММНОГО КОМПЛЕКСА 22
Волгоградская область 29
Подготовка данных 29
Интерпретация результата 30
Ростовская область 31
Краснодарский край 33
Астраханская область 34
Республика Адыгея 35
Республика Калмыкия 37
ВЫВОДЫ 40
ЗАКЛЮЧЕНИЕ 41
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 42
ПРИЛОЖЕНИЯ 44
Приложение A. Статистические данные показателей развития автомобильных грузоперевозок в ЮФО 44
Автомобильные грузоперевозки всегда были важнейшим приоритетом и сильной стороной ЮФО. Округ расположен на юге Европейской части Российской Федерации, и включает (с 28 июля 2016 г.) в себя Республику Адыгея, Астраханскую область, Волгоградскую область, Республику Калмыкия, Краснодарский край, Республику Крым, Ростовскую область город Севастополь. Такое расположение способствует развитию транспортной отрасли, что в свою очередь способствует развитию грузовых перевозок (в частности, автомобильных), а общая площадь дорог, удовлетворяющих требование госта, составляет 15386.39, что также способствует развитию грузоперевозок автомобильным транспортом.
Объектом данного исследования является прогнозирование грузовых автомобильных перевозок в ЮФО.
Предмет исследования: математические методы оценки состояния грузовых автомобильных перевозок в ЮФО основанных на теории нечетких множеств.
Основная цель исследования: создание программного комплекса способного в полуавтоматическом формате строить модели линейной регрессии с нечеткими коэффициентами с последующей интерпретаций, проверкой на адекватность и сравнением полученных результатов с прогнозируемыми правительством Ростовской области.
Для достижения этой цели в работе были поставлены следующие задачи:
1) изучение текущей стратегии развития автомобильных грузоперевозок;
2) изучение теории нечетких множеств для применения их в нечеткой линейной регрессии;
3) анализ текущих инструментов для решения данной задачи;
4) реализация программного комплекса наиболее оптимальным (без ущерба эффективности) способом;
5) анализ полученных результатов с последующим сравнением их с программой развития предложенной правительством Ростовской области [1], [2], [3].
Для решения поставленных задач были использованы:
• метод оценки грузовых перевозок на основе теории нечетких множеств;
• программное решение, написанное на языке Python.
Информационной базой для исследования послужил официальный сайт Росстата и статистический сборник “Регионы России.
Используемое программное обеспечение:
• MS Excel;
• Python [4].
В заключении данной работы содержится описанные результатов работы и основные выводы о проведенном анализе.
В приложении приведены таблицы значений исследуемых показателей по регионам и программный код.
В работе проведен анализ объема грузовых автомобильных перевозок в шести областях ЮФО. Построенные с помощью нечеткой линейной регрессии модели позволили исследовать зависимость объема перевозки грузов автомобильным транспортом в этих регионах от выбранных факторов в пяти регионах из шести.
Представляется, что данный метод целесообразно использовать для анализа и прогнозирования значений различных экономических показателей. Созданная программа на языке Python позволяет анализировать показатели различных отраслей не только региональной экономики с визуальным представлением данных в MS Excel.
Также можно отметить, что Python обладает широкими возможностями для реализации самых сложных алгоритмов и моделей при анализе данных и экономико-математическом моделировании.
