Кенжегараева А.С., к.п.н. Кадырова А.С.

Восточно-Казахстанский государственный университет им. С. Аманжолова, Усть-Каменогорск, Казахстан

Автоматизация учета кадастровых номеров методом динамического прогнозирования

Актуальность задач, связанных с прогнозированием состояния какого-либо процесса управления на предприятии, отражена в изучении данных о состоянии предприятия и результатах его деятельности в прошлом с целью оценки будущих условий и результатов деятельности.

Проанализированная нами система показателей земельно-кадастровой информации по нашей области не является статичной во времени. Одни показатели со временем теряют свою значимость для определенного уровня управления, другие, наоборот, — становятся актуальными.

В первом случае, потерявшие актуальность показатели могут быть исключены из процесса принятия решений и соответствующих документов.

Во втором случае — необходимо сформировать новые показатели, определить для них методы и способы регистрации и контроля, ввести их в документацию и разработать систему мероприятий для их оценки и выработки по ним соответствующих управляющих воздействий.

Государственный кадастр недвижимости является единым информационным ресурсом, аккумулирующим сведения об ограничениях использования земельных участков. Кадастр позволяет зафиксировать ограничения (обременения) использования земель в межевых планах и других земельно-кадастровых документах на владение и землепользование, контролировать соблюдение установленных требований.

Наличие средств, позволяющих отследить изменение значений земельно-кадастровых показателей во времени и выявить факторы, влияющие на это изменение, имеет особую значимость в земельно-кадастровых автоматизированных информационных системах (АИС) В условиях АИС актуальность задач прогнозирования определяется необходимостью своевременного учета изменений значений и значимости показателей с целью проведения упреждающих мероприятий по корректировке структур баз данных (БД) АИС, программного обеспечения, запросов, выходных форм, состава, методов, алгоритмов и программ решения задач генерализации.

Предварительный анализ земельно-кадастровой информации нашей области показывает, что за последние годы существенно изменились состав и информационная емкость показателей, отражающих правовое состояние земель разных категорий. Отмечено увеличение информационной емкости и интенсивности использования массивов показателей, связанных с оценкой земель, особенно таких ее частей, как оценка земель, рынок земель населенных пунктов, земель природоохранного, оздоровительного и историко-культурного назначения. Отдельные массивы показателей (данные о загрязнении земель, данные, определяющие ограничения и обременения) испытывают по составу и количеству информации резкие колебания по годам.

Все эти изменения требуют изменения в алгоритмы и программы решения задач генерализации, в структуру баз данных, в структуру и содержание отчетов и документов разных уровней, в процессы сбора информации и ввода ее в базы данных и т. д.

Однако инерционность программного обеспечения АИС и баз данных к изменениям не позволяет быстро и качественно внести необходимые коррективы и перенастроить АИС в соответствии с новыми требованиями.

Решить данную проблему можно с помощью прогнозов развития предметной области. При этом один из важнейших вопросов, на которые должны дать ответ задачи прогнозирования, — выявить общие тенденции изменения состава и информационной емкости массивов показателей, участвующих в процессе генерализации и входящих в БД и отчетные документы.

Каждый показатель определяет некоторое свойство земли или землевладения. Изменение структуры показателя может привести с резким изменениям требований, а свойства земель меняются медленнее и более «плавно». Одно свойство может быть представлено и БД и документах различными наборами показателей.

Наше исследование было направлено на выявление тенденций изменения физических, правовых свойств земель.

В связи с тем, что земельно-кадастровая информация неоднородна по составу и содержанию, на первых этапах имеет смысл проводить исследования отдельно — по разным группам информационных массивов. После проведения предварительных исследований и определения тенденций изменения свойств земель всю совокупность показателей удастся классифицировать по степени актуальности. Прогноз — один из инструментов в процессе принятия такого решения.

Качественный прогноз можно получить через цепь логических рассуждений, используя качественный анализ объекта. Качественный анализ является начальным и конечным этапом процесса прогнозирования.

Количественный прогноз связан с вероятностью, с которой произойдет то или иное событие в будущем, а также с некоторыми количественными характеристиками этого события (его математическим ожиданием, наиболее вероятным значением и т. д.).

В настоящее время существует большое количество методик, методов и способов прогнозирования, которые могут быть использованы для анализа и предсказания поведения земельно-кадастровых показателей.

Например, математическое прогнозирование используется при наличии четко сформулированной математической модели поведения объекта. В специальной литературе методы математического прогнозирования условно подразделяют на методы моделирования процессов движения (развития) и экстраполяции (статистические методы). Первую группу составляют методы, использующие в качестве модели дифференциальные уравнения с заданными начальными условиями. Ко второй группе относятся методы, использующие для выбора и обоснования модели статистические данные об объекте.

Используя методы моделирования процессов или статистические методы обработки результатов наблюдений, строится, модель, по которой дается математический прогноз.

При простом динамическом анализе каждое значение временного ряда может состоять из следующих составляющих: тренда, циклических, сезонных и случайных колебаний. Метод простого динамического анализа используется для определения тренда имеющегося временного ряда. Данную составляющую можно рассматривать в качестве общей направленности изменений значений ряда или основной тенденции ряда. Случайные колебания выявляются путем снятия тренда, циклических и сезонных колебаний для данного значения. Остающаяся после этого величина и есть беспорядочное отклонение, которое необходимо учитывать при определении вероятной точности принятой модели прогнозирования. Метод простого динамического анализа исходит из предпосылки, что прогнозируемый показатель (Y) изменяется прямо (обратно) пропорционально с течением времени. Параметры уравнения регрессии (a, b) находятся методом наименьших квадратов. Существуют также другие критерии адекватности (функции потерь), например метод наименьших модулей или метод минимакса.

Изучение тенденций динамики и колеблемости дает материал для прогнозирования возможных оценок величины изучаемого признака. Такой прогноз предназначен либо для планирования управления объекта, либо для выработки стратегии поведения субъекта. Прогноз предполагает количественное измерение вероятных возможностей ожидаемых значений признаков, но необходимо, чтобы прогностическая модель имела достаточную точность или допустимо малую ошибку прогноза. Ошибка статистического прогноза будет тем меньше, чем меньше срок упреждения и чем длиннее база прогноза.

Для земельно-кадастровых показателей характерно наличие множества значений. Например, учет и оценка качества земель выполняется в разрезе категорий землепользователей и административно-территориального деления (по районам, областям и т.д.). Интегрированные или усредненные значения показателей по регионам или по республике в целом, могут привести к неверной, постановке гипотез и некачественному прогнозу, поэтому нежелательно использование простых методов анализа временных рядов.

Для эффективного прогнозирования поведения тренда необходимо иметь обобщенную аналитическую форму, описывающую тенденцию развития в виде функции времени и соответствующей кривой. Такие кривые мы получаем путем аналитического выравнивания (сглаживания) временного ряда с помощью подбора функций, удовлетворяющих тем или иным условиям. Найденная функция позволит получить выравненые значения уровней ряда и использовать ее для экстраполяции тренда.

На первом этапе проводится выбор типа кривой, форма которой соответствует характеру изменения уровней ряда. Затем осуществляется определение численных значений параметров функции (статистическая оценка). В результате решения этих задач должна быть построена математическая модель прогнозирования процесса по тренду. При выравнивании временных рядов используются функции полиномиальные и экспоненциальные функции.

Рассматриваемая нами проблема связана с расчетом количественного динамического анализа. В информационной системе земельно-кадастровой базы по нашей области происходит постоянное обновление или изменение данных, что требует введение усредненных характеристик, прогнозируемых показателей.

Литература

1. Томас Р. Количественные методы анализа хозяйственной деятельности. – Москва: Дело и Сервис, 1999, 458 с.

2. Дубров  А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – Москва: Финансы и статистика, 1998, 245 с.