Основные теоретические положения

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ГОУ ВПО «ЧЕРЕПОВЕЦКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

Инженерно-экономический институт

Кафедра промышленной экологии

ЭКОНОМИКА И ПРОГНОЗИРОВАНИЕ

ПРОМЫШЛЕННОГО

ПРИРОДОПОЛЬЗОВАНИЯ

Практические работы

Учебно-методическое пособие

Специальность: 280201 Охрана окружающей среды и рациональное использование природных ресурсов

ЧЕРЕПОВЕЦ

2007

Рассмотрено на заседании кафедры промышленной экологии, протокол № 9 от 11.05.07 г.

Одобрено редакционно-издательской комиссией Инженерно-экономического института ГОУ ВПО «ЧГУ», протокол № 5 от 21.05.07 г.

Составители: А.И. Фоменко, канд. техн. наук, проф.; Н.В. Вахнова

Рецензенты: А.Г. Каптюшина, канд. техн. наук, доцент (ГОУ ВПО «ЧГУ»); Л.Ю. Кудрявцева, канд. техн. наук, доцент (ГОУ ВПО «ЧГУ»)

Научный редактор: Л.Ю. Кудрявцева, канд. техн. наук, доцент

Введение

Пособие предназначено для студентов специальности 280201 «Охрана окружающей среды и рациональное использование природных ресурсов» по дисциплине «Экономика и прогнозирование промышленного природопользования».

Учебная дисциплина «Экономика и прогнозирование промышленного природопользования» изучает процессы и результаты взаимодействия общества и природной среды экономическими методами, рассматривает комплекс взаимосвязанных проблем обоснования рационального природопользования. Обучение основам экономики природопользования предназначено для формирования у обучаемого знаний функционирования существующих механизмов управления природопользованием, умений рассчитывать объемы платежей за природопользование и загрязнение окружающей среды, оценивать экономический ущерб от загрязнения окружающей среды проводить экономическую оценку природных ресурсов, эколого-экономической эффективности осуществления природоохранных мероприятий.

В пособии рассматриваются основные теоретические положения и методики выполнения расчетов определяемых показателей по темам: «Основные методы прогнозирования» (работа 1), «Определение платы за загрязнение окружающей среды» (работа 2). Приведены примеры решения задач, что способствует более глубокому усвоению материала и формированию профессиональных навыков. В конце каждой работы даны контрольные вопросы, способствующие выявлению уровня усвоения изученного материала по теме дисциплины, приведен список рекомендуемой литературы.

Работа 1

ОСНОВНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ

Цель работы: практически ознакомиться с методами прогнозирования.

Основные теоретические положения

Прогнозирование – совокупность приемов, позволяющих на основе ретроспективного анализа внешних и внутренних связей, присущих объекту, а также их вероятных изменений в рамках рассматриваемого явления или процесса вынести суждения определенной достоверности относительно его будущего развития.

Прогноз в природопользовании – предсказание динамики изменения природно-ресурсного потенциала и потребностей в природных ресурсах в локальном, региональном и глобальном масштабе.

Прогнозирование природопользования по охвату и масштабу явлений относится к комплексным прогнозам, так как проблема природопользования носит межотраслевой, межрегиональный, всеобщий характер. Прогнозирование природопользования включает частные прогнозы: по отраслям, по отдельным производствам, по использованию отдельных ресурсов, даже отдельных свойств и качеств ресурсов.

Прогнозирование позволяет решить широкий круг важнейших задач в области природопользования:

- определить будущее состояние окружающей природной среды в регионе;

- предсказать развитие промышленности, численности населения и изменение других факторов, определяющих антропогенную нагрузку в будущем;

- определить последствия различных альтернативных природоохранных мероприятий;

- выделить важнейшие факторы, воздействующие на природную среду (как положительные, так и отрицательные).

Метод прогнозирования в природопользовании – способ теоретических, а впоследствии и практических действий, направленных на создание представления о вероятном состоянии природных ресурсов, объектов, комплексов.

Методы решения задач прогнозирования можно разделить на две группы: методы экспертных оценок и математико-статистические методы.

Методы экспертных оценок используют в том случае, если:

- нет достаточной статистической информации об изменении анализируемого показателя и влияющих на него факторов;

- показатель не измеряется количественно и имеет только качественные характеристики;

- анализируемый показатель изменяется скачкообразно и природа этих изменений неизвестна.

К основным методам экспертных оценок относятся: метод простого ранжирования, метод задания весовых коэффициентов, метод последовательных сравнений, метод парных сравнений.

Метод простого ранжирования заключается в том, что каждый эксперт располагает признаки в порядке предпочтения. Цифрой 1 обозначается наиболее важный признак, цифрой 2 – следующий по важности признак и т.д. Полученные результаты сводятся в таблицу:

Признаки	Эксперты
Признаки	1	2	3	4	…	n
Х ₁	а ₁₁	а ₁₂	а ₁₃	а ₁₄	…	а ₁ _n
Х ₂	а ₂₁	а ₂₂	а ₂₃	а ₂₄	…	а ₂ _n
…	…	…	…	…	…	…
Х_m	а_m ₁	а_m ₂	а_m ₃	а_m ₄	…	а_mn

После сбора данных от экспертов проводится обработка полученных оценок. Определяется средний ранг j -го признака:

Чем меньше величина , тем больше важность этого признака. Для того, чтобы определить, случайно ли распределение или есть согласованность во мнениях экспертов, производится расчет коэффициента конкордации К, который может принимать значения от 0 до 1. При полной согласованности экспертов К = 1, при полном разногласии экспертов К = 0.

Достоинства метода простого ранжирования - простота процедуры и небольшое количество экспертов для оценки показателей по сравнению с другими методами; недостатки – заведомо равномерное распределение оценок и уменьшение важности признаков.

Метод задания весовых коэффициентов состоит в присвоении всем признакам весовых коэффициентов (коэффициентов важности). Присвоение может производиться так, чтобы сумма баллов была равна какому-либо определенному числу, например 100. Иногда наиболее важному признаку предлагается присвоить фиксированное число, например 100, а остальным признакам – задать коэффициенты, равные долям этого числа. Обобщенное мнение экспертов рассчитывается как среднее арифметическое. Очевидно, что чем больше величина коэффициента, тем больше важность этого признака.

Метод последовательных сравнений можно изложить в виде последовательности действий по пунктам.

1. Эксперт i упорядочивает все признаки в порядке уменьшения их значимости:

Х ₁> Х ₂> Х ₃> … > Х_m.

2. Присваивает первому признаку значение, равное единице (а_ji = 1), а остальным признакам назначает весовые коэффициенты в долях единицы.

3. Проводится сравнение первого признака с суммой коэффициентов всех последующих признаков. При этом можно получить один из трех вариантов:

а _{1 i}> a _{2 i}+ a _{3 i}+ … + a_mi;

а _{1 i}= a _{2 i}+ a _{3 i}+ … + a_mi;

а _{1 i}< a _{2 i}+ a _{3 i}+ … + a_mi.

4. Эксперт выбирает наиболее приемлемый, по его мнению, вариант и приводит в соответствие с ним оценку первого признака.

5. Процедура повторяется с отбраковкой последних признаков по одному до сравнения признака Х ₁ с признаками Х ₂и Х ₃.

6. Эксперт переходит к сравнению Х ₂ с последующими признаками.

7. Процедура заканчивается, когда возможности сравнения будут исчерпаны.

Преимущество данного метода состоит в том, что эксперт анализирует оценки по совокупности признаков. Однако метод последовательных сравнений сложен и громоздок. Его не рекомендуется использовать при количестве признаков более семи.

Метод парных сравнений заключается в следующем:

1. Каждый эксперт проводит попарную оценку приоритетности признаков. При этом каждым экспертом заполняется матрица , элементы которой в зависимости от выбора эксперта определяются по формуле

2. Определяется сумма матриц всех экспертов. Суммирование проводится по элементам матриц и может быть представлено формулой:

3. Определяется результирующая матрица R, каждый элемент которой определяется по формуле

4. Находится сумма баллов, которую набрал каждый признак К:

Достоинства метода парных сравнений заключаются в простоте опроса и легкости процедуры, недостатки – в необходимости использования специальных компьютерных программ при большом числе оцениваемых признаков.

Математико-статистические методы прогнозирования базируются на использовании накопленной статистической информации об изменении показателей, характеризующих объект или процесс. К таким методам относятся методы экстраполяции, интерполяции, корреляции, регрессии, балансовый метод, метод аналогов и др. Используемые в этих методах модели прогнозирования можно разделить на трендовые и многофакторные. В трендовых моделях выводится зависимость анализируемого показателя от времени: у = f (Т). Многофакторные модели позволяют получить зависимость изучаемого показателя от набора факторов, которые определяют его изменение: у = = φ (х ₁, х ₂, … х_m).

Экстраполяция – перенесение данных, полученных в одной точке, на более или менее обширные аналогичные площади, или вычисление последующего ряда значений какого-то свойства, исходя из характера кривой его предыдущего изменения.

Экстраполяция в пространстве (региональная) широко применяется в специальном картографировании, в составлении кадастров и в других случаях, когда натурный охват всего явления физически невозможен. Логическая (аналоговая) экстраполяция используется в случаях, когда необходимо определить вероятный ход процесса до его наблюдения как в пространстве, так и во времени. Общей формой экстраполяции служит перенос с наблюдаемого на численной или натурной модели на реальную местность или процесс. Но здесь большая вероятность ошибок и допущений, так как неизбежно упрощение модели по сравнению с натурой. Кроме того, модель ограничена и замкнута.

Интерполяция – поиск промежуточных значений какого-либо свойства между известными его значениями (точками) во времени или в пространстве. Интерполяция используется при наблюдении природных процессов, особенно при составлении кривых их хода. Чем чаще во времени и ближе в пространстве наблюдаемые точки, тем точнее интерполяция. Поэтому переход от интерполяции и экстраполяции нередко связан с ошибками.

Метод корреляции предполагает учет взаимного отношения, взаимозависимости предметов, явлений, видов в экосистеме. Так, в соответствии с законом экологической корреляции в экосистеме, как и в любом другом целостном образовании, особенно в биотическом сообществе, все входящие в нее виды живого и абиотические экологические компоненты функционально соответствуют друг другу. Выпадение одной части системы (например, уничтожение вида) неминуемо ведет к исключению всех тесно связанных с этой частью системы других ее частей и к функциональному изменению целого в рамках закона внутреннего динамического равновесия. Например, при изменении лесистости территории заметно меняется коэффициент стока. Имея ряд значений коэффициента стока, можно прогнозировать возможное изменение стока с поверхности при лесистости в количественных показателях.

Регрессия – вероятность, степень рассеяния эмпирических точек от линейной зависимости (линия регрессии). Это зависимость среднего значения какой-либо величины от некоторой другой величины или от нескольких величин. С помощью регрессионного метода с применением многофакторных моделей можно, например, прогнозировать воздействие антропогенных факторов на окружающую среду.

Балансовый метод - его можно представить в виде модели межотраслевого, межрегионального процесса обмена продукцией:

где X_i - объем продукции, произведенной в отрасли (регионе) i; х_j - объем продукции, произведенной в отрасли (регионе) j; a_i _j - коэффициент прямых затрат, который характеризует количество продукции отрасли (региона) i, использованной для производства единицы продукции в отрасли (регионе) j; y_i - остаточная продукция отрасли (региона) i; N - количество отраслей (регионов) j.

Используя балансовую модель, можно достаточно определенно проанализировать движение продукции (природных ресурсов) между отраслями, регионами и составить представление о возможных последствиях.

Метод аналогов позволяет прогнозировать вероятность возникновения какого-либо природного явления по типу и подобию уже известного в другой местности при аналогичных условиях явления.

Внастоящее время разрабатываются и внедряются более сложные методы прогнозирования, позволяющие как собрать, проанализировать, классифицировать большое число факторов, так и осуществлять комбинирование большого количества моделей, методов и вариантов обычно на основе использования новейших видов вычислительной техники.