Фазовый анализ как инструмент предпрогнозного анализа деятельности многофункционального центра

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Объектом исследования настоящей работы является деятельность многофункционального центра г. Краснодара. Предметом исследования являются отношения между клиентами (запросами) и органами, предоставляющими услуги в соответствии с соглашениями о взаимодействии, динамика развития которых отражена в виде временных рядов количества запросов по рабочим дням наблюдения.

Целью исследования является выявление предпрогнозных характеристик рассматриваемых ВР, получаемых на базе фазовых портретов этих ВР, причем мы ограничиваемся одним инструментарием, а именно, фазовыми портретами размерности 2. Для предметного представления результатов исследования нами выбраны временные ряды (ВР) подневного количества запросов конкретного МФЦ: Ut = < ui >n , i = 1,2,...,n, где t означает месяц наблюдения, t T = {01,02,...,11}. Ряд Ut представляет собой сумму двух ВР Ut' = < ui'>n и Ut'' = < ui''>n , из которых первый (второй) представляет количество запросов на протяжении i-го рабочего дня, называемого i-ое наблюдение. Индексом i = 1,2,…,n, n = n (t) пронумерованы рабочие дни на протяжении каждого из 10 месяцев проводимых наблюдений.

На рисунке 1 для этого ВР представлен его фазовый портрет в котором каждая пара соседних точек соединена отрезком кривой в целях визуализации.

предпрогнозный иерархический фазовый

Рисунок 1 - Фазовый портрет исходного временного ряда подневного количества ряда для числа запросов за период (январь-ноябрь) 2014 г.

Для оценки предпрогнозной характеристики циклической компоненты ВР осуществляется разложение фазового портрета на квазициклы которые нумеруем индексом и обозначаем через .

Из визуализации множества всех квазициклов вытекает тот факт, что эти квазициклы эволюционируют подобно дрейфу аттрактора. С целью структурирования траектории этого дрейфа осуществим агрегирование ВР , используя длину интервала агрегирования . При этом применяем процедуру агрегирования в виде суммирования уровней ВР, относящихся к одному и тому же интервалу.

Для оценки предпрогнозной характеристики циклической компоненты ВР осуществляется разложение фазового портрета на квазициклы которые нумеруем индексом и обозначаем через .

Из визуализации множества всех квазициклов вытекает тот факт, что эти квазициклы также эволюционируют подобно дрейфу аттрактора.

С целью структурирования траекторий этого дрейфа осуществим агрегирование ВР , используя длину интервала агрегирования , при этом используются процедура агрегирования также в виде суммирования уровней ВР, относящихся к одному интервалу. В результате получаем агрегированный или, иначе говоря, помесячный ВР , где .

Для оценки предпрогнозной характеристики циклической компоненты ВР осуществляется разложение фазового портрета на квазициклы, которые нумеруем индексом и обозначаем через .

Отметим, что под термином структура иерархической системы (модели) понимается сеть связей между элементами некоторой системы (объекта), обладающая следующими свойствами:

1) каждый элемент принадлежит (хотя бы формально) одному из уровней иерархии и может быть соединен только с элементами других уровней;

2) для каждого элемента системы в сети существует единственная цепь (путь), связывающая его с одним из элементов верхнего уровня.

Большинство известных к настоящему времени методов прогнозирования, так или иначе, оперируют выявленными в исследуемой системе, т.е. в рассматриваемом ВР свойствами цикличности и периодичности. Таким образом, сам факт наличия явно выраженной цикличности, более того, знание ее численного выражения на разных уровнях рассматриваемой иерархической модели ВР числа запросов в МФЦ являются важными показателями возможности построения адекватной прогнозной модели числа запросов в МФЦ.

Размещено на Allbest.ru