Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Prognoza" wg kryterium: Temat


Tytuł:
Adaptacyjne metody predykcji
Adaptive prediction metods
Autorzy:
Ampuła, D.
Powiązania:
https://bibliotekanauki.pl/articles/235657.pdf
Data publikacji:
2013
Wydawca:
Wojskowy Instytut Techniczny Uzbrojenia
Tematy:
predykcja
prognoza
zdarzenie
zjawisko
metoda
model
horyzont
prediction
prognosis
event
effect
method
horizon
Opis:
Artykuł jest kontynuacją cyklu dotyczącego metod naukowego przewidywania przyszłych zdarzeń i zjawisk. W artykule tym przedstawiono sposoby określania horyzontu predykcji, którego długość jest ograniczona możliwościami predykcyjnymi zastosowanego modelu predykcji. Przedstawiono także, graficzną interpretację horyzontu predykcji dla dwóch przypadków długości okresu czasu, dla którego sporządzana jest predykcja. Omówiono metody predykcji budowane na podstawie modeli adaptacyjnych, które są określane za pomocą metod matematyczno-statystycznych. Modele te, tworzone są w taki sposób, aby spełnione były zmodyfikowane założenia teorii predykcji, z których głównym założeniem, koniecznym do poprawnego zastosowania tego typu modeli w procesie predykcji, jest założenie stacjonarności w czasie błędów predykcji. Scharakteryzowano metodę średniej ruchomej, metodę wyrównywania wykładniczego, metodę Holta i Wintersa jako głównych reprezentantów procesu predykcji za pomocą modeli adaptacyjnych. Różnice w tych metodach polegają na sposobie oszacowania szeregu czasowego zmiennej predykcji oraz uwzględnieniu wahań sezonowych. Przedstawiono także praktyczny sposób obliczenia predykcji za pomocą metody Holta. Na końcu artykułu przedstawiono zwięzłe wnioski dotyczące podstawowych założeń teorii predykcji.
The article is the continuation of a cycle relating to the scientific expectation methods of future events and effects. Was presented the ways of defining the horizon prediction, whose length is limited by the prediction possibilities of the prediction model applied. The graphic interpretation of horizon prediction for two cases of the length of the time period for which the prediction is prepared, is also introduced. The prediction methods built on the basis of the adaptive models which are defined using the mathematical-statistical methods are discussed. These models, which are created so that they fulfilled modified premises the prediction theory. They main premise, necessary to the correct use of this type of models in the prediction process, is the stationary assumption during prediction errors. The method of the movable average, the method of leveling exponential, Holt and Winters methods as the main representatives of prediction process using the adaptive models are characterized. Differences in these methods consist in the estimation way of the temporary series prediction variable and taking or not taking into consideration of seasonal fluctuation. The practical way of prediction calculation using Holt method, is also introduced. Concise conclusions relating to the basic premises of the prediction theory are presented at the end of the article.
Źródło:
Problemy Techniki Uzbrojenia; 2013, 42, 127; 75-85
1230-3801
Pojawia się w:
Problemy Techniki Uzbrojenia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Proces predykcji zdarzeń i zjawisk
Rediction process of events and effects
Autorzy:
Ampuła, D.
Powiązania:
https://bibliotekanauki.pl/articles/234942.pdf
Data publikacji:
2012
Wydawca:
Wojskowy Instytut Techniczny Uzbrojenia
Tematy:
predykcja
prognoza
zdarzenie
zjawisko
dokładność
błąd
metoda
model
prediction
prognosis
event
effect
precision
error
method
Opis:
W artykule przedstawiono ogólną definicję procesu predykcji zdarzeń i zjawisk. Określono schemat klasyfikacyjny rodzajów predykcji oraz przedstawiono schemat główny stosowanych metod predykcji, który jest zamieszczany w wielu publikacjach literatury. Stwierdzono, że główną przesłanką rozróżniania predykcji jest jej horyzont stosowania. Określono także dokładność procesu predykcji z jego błędami ex post i ex ante. Przedstawiono typowy model ekonometryczny predykcji, którego konstrukcja stanowi podstawę wnioskowania w przyszłość. Jego pięć głównych etapów charakteryzuje w pełni ten model, który posiada szereg zalet prakseologicznych, takich jak poprawność, ścisłość i uniwersalność. Rozpatrzono klasyczne i zmodyfikowane założenia teorii predykcji. Dokonano analizy tych założeń oraz określono niektóre zasady predykcji ilościowej. Predykcja ta kończy się obliczeniem prognozy ilościowej, czyli podaniem wartości liczbowej w postaci pojedynczej wartości, przedziału liczbowego lub wektora liczb. Na końcu artykułu przedstawiono zwięzłe wnioski dotyczące procesu predykcji zdarzeń i zjawisk.
In the paper a general definition of prediction process of events and effects was presented. There was also defined a classifying scheme of prediction sorts and there was presented the main scheme of applied methods of prediction, which is published in many publications of the literature. It was stated that the main premise of prediction distinguishing is its horizon of application. A precision of prediction process was also defined with its errors ex post and ex ante. A typical econometric prediction model was presented, the construction of which makes up the basis of inference concerning the future. Its five main stages characterize this model fully and it possesses many praxeologic advantages, such as correctness, exactness and generality. Classic and modified foundations of the prediction theory were considered. Analysis of these foundations was conducted and some principles of quantitative prediction were outlined. This prediction leads to calculation of a numerical value in the form of a single value, numerical range or the vector of numbers. Concise conclusions relating to the prediction process of events and effects were presented at the end of the paper.
Źródło:
Problemy Techniki Uzbrojenia; 2012, 41, 122; 29-40
1230-3801
Pojawia się w:
Problemy Techniki Uzbrojenia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kształcenie uczniów i studentów w perspektywie prognoz demograficznych
Education of pupils and students in demographic prognosis perspective
Autorzy:
Antczak, Barbara
Powiązania:
https://bibliotekanauki.pl/articles/452239.pdf
Data publikacji:
2017
Wydawca:
Wyższa Szkoła Gospodarki Euroregionalnej im. Alcide De Gasperi w Józefowie
Tematy:
demography
education
prognosis
students
demografia
edukacja
prognoza
uczniowie
Opis:
Significant changes in the age structure of the population in Poland entail concrete consequences in the education system, due to the fact that either very numerous or very low number of children and teenagers go through the system. Since 1995, the number of students at various levels of education has been gradually decreasing, due to the decline in population at school age. In the field of education, determination of the perspectives and knowledge of demographic data is the basis for planning and organization of educational policy and at the lower levels – specific institutions (their number, size – opportunities and threats in the educational services market). The number of children and young people at every level of educati on is the starting point for functioning of educational institutions.
Znaczące zmiany w strukturze wieku ludności Polski pociągają za sobą określone skutki w systemie edukacji, związane z przechodzeniem przez ten system bardzo licznych („wyże” urodzeń) i mniej licznych („niże” urodzeń) generacji dzieci i młodzieży. Od 1995 r. stopniowo maleje liczba uczniów na poszczególnych poziomach kształcenia, w związku ze spadkiem liczby ludności w wieku szkolnym. W dziedzinie edukacji określenie perspektywy i znajomość danych demograficznych to baza do planowania i organizacji polityki edukacyjnej, a przechodząc na niższe szczeble – konkretnych placówek (ich liczby, wielkości – szans i zagro- żeń na rynku usług edukacyjnych). Liczba dzieci i młodzieży na każdym poziomie kształcenia to punkt wyjścia funkcjonowania placówek oświatowych, następnie szkół wyższych i w dłuższej perspektywie czasowej – miejsc pracy. Celem artykułu jest ukazanie negatywnych zjawisk demograficznych w Polsce na podstawie analizy dostępnych danych liczbowych o charakterze wtórnym.
Źródło:
Journal of Modern Science; 2017, 33, 2; 337-354
1734-2031
Pojawia się w:
Journal of Modern Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda kombinatoryczna prognozowania stanu obiektu zarządzania
Combinatorial method of forecasting a state of management object
Autorzy:
Ariefiew, I. B.
Powiązania:
https://bibliotekanauki.pl/articles/359018.pdf
Data publikacji:
2009
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
sytuacja precedensowa
kombinacja stanów
prognoza sytuacji
czynnik stanu
precedent situation
combination of states
situation forecast
state factor
Opis:
W artykule zaproponowano kombinatoryczną metodę oceny stanu obiektu zarządzania według oznak sytuacyjnych prognozy jego zachowania na podstawie rozwiązań probabilistycznych.
Combinatorial method of an assessment of management object state is suggested according to the situational symptoms of the forecast behavior based on probabilistic solutions.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2009, 16 (88); 5-8
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of fine particulate matter in low-emission zones using a modified numerical method for a system of ordinary differential equations
Autorzy:
Asenov, Asen
Georgiev, Ivan
Pencheva, Velizara
Mineva, Kremena
Powiązania:
https://bibliotekanauki.pl/articles/2203898.pdf
Data publikacji:
2022
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
low-emission zone
PM10
PM2.5
prediction
strefa niskiej emisji
PM2,5
prognoza
Opis:
Currently, many European cities have severely exceeded the EU air quality standards and are struggling with high concentrations of fine particulate matter PM10 and PM2.5 in the air, with road transport often being one of the major polluters. One of the forms for correction of the problem that many cities in the EU are currently using is the construction of low-emission zones. For the prediction of PM10 and PM2.5, a modified numerical method for a system of ordinary differential equations has been proposed. In the right part of this system, in addition to the main trend and the periodicity of PM10 and PM2.5, their correlation is taken into account. Against the background of the best solution obtained, a forecast is made fo the emission levels in a period of one week in the town of Ruse.
Źródło:
Transport Problems; 2022, 17, 3; 197--210
1896-0596
2300-861X
Pojawia się w:
Transport Problems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognoza jednodniowa średniego stężenia metanu na wylocie z rejonu ściany eksploatującej w systemie sześciodniowego tygodnia pracy - studium przypadku
The one-day forecast of average concentration of methane at the outlet from the area of wall mined at six-day work system - case study
Autorzy:
Badura, H.
Szczęsny, K.
Powiązania:
https://bibliotekanauki.pl/articles/165573.pdf
Data publikacji:
2016
Wydawca:
Stowarzyszenie Inżynierów i Techników Górnictwa
Tematy:
zagrożenie metanowe
średnie stężenie metanu
prognoza stężenia metanu
błędy prognozy
methane threat
average methane concentration
methane concentration forecast
forecast errors
Opis:
W artykule przedstawiono i przeanalizowano wyniki jednodniowych prognoz średniego stężenia metanu na wylocie z rejonu ściany 160 w pokładzie 315 w PG „Silesia". Eksploatacja ścianą była prowadzona w systemie sześciodniowego tygodnia pracy kopalni. Prognozami objęto okres 340 dni. Posłużono się trzema wariantami prognoz, przy czym w wariancie podstawowym zastosowano modele prognostyczne opracowane w pracy [1] dla pięciodniowego tygodnia pracy, a dwa pozostałe warianty stanowią modyfikacje tych modeli. Na podstawie analizy błędów bezwzględnych i względnych oceniono dokładność prognoz według poszczególnych wariantów. W najlepszym wariancie prognoz 50% błędów bezwzględnych nie przekraczało 0,065%CH4, a 90% błędów bezwzględnych nie przekraczało 0,166%CH4.
This paper presents and analyzes the results of one-day forecasts of average methane concentration at the outlet from the area of longwall 160 in seam no. 315 at the Mining Enterprise „Silesia". The wall exploitation was carried out in the six-day working week system. The forecasting period comprised 340 days. Three forecasting variants were used - the basic variant used the forecasting models developed in paper [1] for the five-day week and the other two variants constitute modifications of the models. The accuracy of forecasts was estimated on the basis of absolute and relative error analysis, following the given variants. In the best forecasting variant 50% of absolute errors did not exceed 0.065% CH4, and 90% of absolute errors did not exceed 0.166% CH4.
Źródło:
Przegląd Górniczy; 2016, 72, 4; 87-95
0033-216X
Pojawia się w:
Przegląd Górniczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognoza jednodniowa stężenia metanu na wylocie z rejonu ściany N-6 W POKŁADZIE 330 w KWK „K3”
Autorzy:
Badura, H.
Powiązania:
https://bibliotekanauki.pl/articles/113329.pdf
Data publikacji:
2014
Wydawca:
STE GROUP
Tematy:
metan
prognoza stężenia metanu
błąd prognozy
kopalnia węgla
methane
methane concentration forecast
forecast error
coal mine
Opis:
W pracy przedstawiono dwa warianty prognozy jednodniowej średniego stężenia metanu na wylocie z rejonu ściany i obliczono błędy prognoz. Trafność prognoz była bardzo wysoka. Wykonano również dwie wersje jednodniowej prognozy maksymalnego stężenia metanu na wylocie z rejonu ściany. Analiza błędów tych prognoz wykazała także ich przydatność dla praktyki górniczej.
Źródło:
Systemy Wspomagania w Inżynierii Produkcji; 2014, 3 (9); 11-21
2391-9361
Pojawia się w:
Systemy Wspomagania w Inżynierii Produkcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognoza stężenia metanu na wylocie ze ściany oraz w chodniku wentylacyjnym - studium przypadku
Forecast of methane concentration at the end of and in the ventilating roadway - a case study
Autorzy:
Badura, Henryk
Powiązania:
https://bibliotekanauki.pl/articles/27323733.pdf
Data publikacji:
2023
Wydawca:
STE GROUP
Tematy:
prognoza metanowości
ściana metanowa
chodnik wentylacyjny
ściana
dokładność prognoz
forecast of methane concentration
methane longwall
ventilating airway
longwall
forecast accuracy
Opis:
Dotychczas stosowne jednodniowe prognozy średniego stężenia metanu dotyczące ścian odnosiły się przede wszystkim do wylotu z chodnika wentylacyjnego, gdyż na podstawie pomiarów w tym miejscu zostały opracowane. W przedstawionym artykule równania prognostyczne zostały zastosowane do prognozowania stężenia metanu na wylocie z chodnika wentylacyjnego, w chodniku wentylacyjnym w odległości do 10 m od czoła ściany oraz na wylocie ze ściany. Wyniki prognoz na wylocie z chodnika stanowiły materiał porównawczy w stosunku do wyników prognoz w pozostałych wymienionych miejscach. Uzyskane wyniki prognoz są bardzo zbliżone do wartości pomiarowych i zachęcają do przeprowadzenia dalszych prac sprawdzających ich praktyczna przydatność.
Until now, the appropriate one-day forecasts of average methane concentration for walls were related primarily to the end of the ventilating roadway, as they were developed on the basis of the measurements made in that place. In the presented article, predictive equations were used to estimate the methane concentration at the end of the ventilating roadway, in a ventilating roadway at a distance of up to 10 m from the face of the wall, and at the wall end. The results of the forecasts at the end of the ventilating roadway were used as a reference material to compare to the results of forecasts in other, above-mentioned, places. The forecast results obtained are very similar to the measured values and encourage further work to be done in order to check their practical usefulness.
Źródło:
Systemy Wspomagania w Inżynierii Produkcji; 2023, 12, 1; 84--94
2391-9361
Pojawia się w:
Systemy Wspomagania w Inżynierii Produkcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dependence of extraction and production of construction aggregates on selected indicators of economic development in Poland
Zależność wydobycia i produkcji kruszyw budowlanych od wybranych wskaźników rozwoju gospodarczego polski
Autorzy:
Baic, Ireneusz Ryszard
Kozioł, Wiesław
Miros, Artur
Powiązania:
https://bibliotekanauki.pl/articles/1852328.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
kruszywo budowlane
kruszywo mineralne
wydobycie
produkcja
prognoza
produkcja cementu
wskaźnik koniunktury
budownictwo
mineral aggregate
construction aggregate
mining
production
forecast
cement production
general business climate indicator
construction industry
Opis:
The document presents current methods of forecasting aggregate production, mainly depending on the size and dynamics of changes in GDP. With a view to developing more accurate forecasts, this article presents the dependence of extraction and consumption of mineral aggregates used in construction on two indicators: the general business climate indicator in the construction industry and the cement consumption volume. The results obtained from regression and correlation analysis turned out more favourable for the dependence of aggregates production on cement consumption. This particularly applies to the dependence of sand and gravel aggregate production and total natural aggregate production on cement consumption. Good dependence has also been confirmed for other European countries as well as for the USA. For Poland, the indicator of sand and gravel aggregates production for cement production in recent years was between 9.5 and 12 Mg/Mg. The values of this indicator vary from country to country, mainly depending on the share of different types of aggregates in total production of aggregates in construction industry. Although the indicator values vary considerably, its advantage is that cement production is identified and included in the industrial production balance sheets of most countries, which is not the case when it comes to the identification or accurate record for the production of construction aggregates. The adoption of this indicator makes it possible to monitor the extraction of natural construction aggregates for individual countries and regions more accurately, as called for – among other things - by UN resolutions.
Wzrost ludności świata, urbanizacja oraz rozwój gospodarczy i przemysłowy przyczyniają się do ciągłego wzrostu zapotrzebowania na kruszywa mineralne. Szacuje się, że obecna światowa produkcja kruszyw mineralnych wynosi ok. 50 mld Mg, co stanowi ok. 6,5 Mg na statystycznego mieszkańca. Pomimo tak dużej skali, w wielu krajach i regionach świata produkcja kruszyw należy do najmniej uregulowanych sektorów działalności człowieka. Dotyczy to szczególnie krajów Azji, Afryki i Ameryki Południowej, w których to krajach zarówno zasoby jak i wydobycie kruszyw, szczególnie piasków i żwirów nie są monitorowane i ewidencjonowane lub też prowadzone ewidencje są mało dokładne. Nie kontrolowana eksploatacja ma duży wpływ na niekorzystne oddziaływanie na środowisko przyrodnicze, w postaci niszczenia koryt rzek i starorzeczy, erozji wybrzeży morskich, wysychania obszarów uprawnych, itp. Dla uregulowania tej nie korzystnej sytuacji związanej z gospodarką zasobami kruszyw naturalnych, jeden z głównych wniosków Raportu UNEP2019 (agenda ONZ), postuluje konieczność powszechnego wprowadzenia planowania i monitorowania procesu pozyskiwania kruszyw naturalnych. W pracy przedstawiono możliwość monitorowania i prognozowania wydobycia i produkcji kruszyw na podstawie różnych wskaźników rozwoju gospodarczego. Dotychczas podstawowym wskaźnikiem wykorzystywanym do opracowania takich prognoz zarówno w kraju jak i zagranicą był PKB.
Źródło:
Archives of Civil Engineering; 2021, 67, 3; 437-453
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Engineering forecasting of the local scour around the circular bridge pier on the basis of experiments
Inżynierskie prognozowanie rozmyć miejscowych wokół walcowego filara mostowego na podstawie doświadczeń
Autorzy:
Bajkowski, Sławomir
Kiraga, Marta
Urbański, Janusz
Powiązania:
https://bibliotekanauki.pl/articles/1852299.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
filar
most
rozmycie
prognoza
badania modelowe
bridge
pier
scour
forecast
model calculations
Opis:
The aim of the study was to indicate the procedure of using laboratory physical model tests of scour around bridge piers for the purposes of determining the potential scour of a riverbed on field bridge crossings. The determination of the uniform modeling scale coefficient according to the criterion of reliable sediment diameter limits the application of the results of tests on physical models to selected types of sediment. The projected depths of scouring of the riverbed at the pier in nature were determined for an object reproduced in the scale of 1:15 determined from the relationship of flow resistance, expressed by hydraulic losses described by the Chézy velocity coefficient, the value of which, in the model and in nature, should be the same. Expressing the value of the Chézy velocity coefficient with the Manning roughness coefficient and introducing the Strickler parameter, it was shown that the coarse sand used in the laboratory bed models the flow resistance corresponding to the resistance generated by gravel in nature. The verification of the calculated size of scouring was based on popular formulas from Russian literature by Begam and Volčenkov [16], Laursen and Toch’s [20] from the English, and use in Poland according to the Regulation ... (Journal of Laws of 2000, No. 63, item 735) [32].
Celem pracy było wskazanie procedury wykorzystania laboratoryjnych fizycznych badań modelowych rozmyć wokół filarów mostowych dla potrzeb określenia potencjalnego rozmycia koryta rzecznego na terenowych przeprawach mostowych. Wykorzystanie wyników badań laboratoryjnych w prognozowaniu rozmyć wokół filarów nowo projektowanych mostów wymaga uwzględnienia wpływu skali modelu. W warunkach analizowanego zadania skalę modelu ustalono z relacji parametrów granulometrycznych rumowiska wykorzystanego w badaniach modelowych i rumowiska rzecznego w cieku, dla którego prowadzono prognozę rozmyć. Określenie współczynnika nieskażonej skali modelowania według kryterium miarodajnej średnicy rumowiska ogranicza zastosowanie wyników badań na modelach fizycznych do wybranych rodzajów rumowiska rzecznego. Prognozowane głębokości rozmycia dna przy filarze w naturze zostały określone dla obiektu modelowanego w skali 1:15 ustalonej z relacji oporów przepływu, wyrażonych stratami hydraulicznymi opisanymi współczynnikiem prędkości Chezy, którego wartość na modelu i w naturze powinna być taka sama. Wyrażając wartość współczynnika prędkości Chezy, współczynnikiem szorstkości Manninga i wprowadzając parametr Stricklera, wykazano, że piasek gruby zastosowany w korycie laboratoryjnym modeluje opory przepływu odpowiadające oporom jakie generuje żwir w naturze. Do weryfikacji obliczonych wielkości rozmyć wykorzystano popularne wśród projektantów formuły z literatury rosyjskiej Begama i Volčenkova [35], angielskiej Laursena i Tocha [36] oraz zalecane do stosowania w Polsce według Rozporządzenia… [5]. W rezultacie otrzymano wzory opisujące wielkości rozmyć dla badanego obiektu ze wskazaniem zakresów ich stosowania.
Źródło:
Archives of Civil Engineering; 2021, 67, 3; 469-488
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda prognozowania zamulenia zbiornika wodnego na podstawie pomiaru pejemności
Method of predicting siltation of a water reservoir based on measurements of its capacity
Autorzy:
Bąk, Ł.
Dąbkowski, Sz. L.
Górski, J.
Powiązania:
https://bibliotekanauki.pl/articles/339392.pdf
Data publikacji:
2011
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
mały zbiornik wodny
prognoza zamulenia
zamulenie
silting
silting forecast
small water reservoir
Opis:
Prognozowanie czasu zamulania małych zbiorników, gdy nie dysponujemy wynikami pomiarów dopływu rumowiska rzecznego, napotyka na liczne trudności. Prognozę można uściślić po pewnym okresie eksploatacji, dokonując pomiaru objętości osadów zgromadzonych w zbiorniku. Sposób postępowania został opisany w pracy na przykładzie zbiornika wodnego Suchedniów. W pracy przedstawiono również wyniki pomiarów zamulenia zbiornika wodnego w Suchedniowie po 32 latach eksploatacji. Objętość materiału zdeponowanego w zbiorniku oszacowano na 78 tys. m³. Sporządzono prognozę zamulania na podstawie intensywności transportu rumowiska dopływającego do zbiornika, obliczonej metodami Brańskiego i Wilhelma oraz bezpośredniego pomiaru zamulenia obiektu. Najlepszą zgodność prognozy, opartej na pomiarze bezpośrednim, uzyskano z prognozą, w której intensywność transportu unosin określono metodą Brańskiego. Efektywny czas eksploatacji zbiornika określono na 175 lat.
Predicting siltation time of a small water reservoir without measurements of the input of riverine settling matter faces some difficulties. The forecast can be made more precise by measuring the accumulated sediment in the reservoir after a certain period of its exploitation. The procedure was described in this paper using Suchedniów Reservoir as an example. The results of measurements of siltation in Suchedniów Reservoir after 32 years of its operation were described in this paper. The volume of material deposited in the reservoir was estimated at 78 thousand m³. Obtained results were compared with predicted volumes calculated with different models. The best agreement was obtained when the intensity of suspended load transport was determined with the Brański's method. The effective life of the reservoir was set at 175 years.
Źródło:
Woda-Środowisko-Obszary Wiejskie; 2011, 11, 4; 19-29
1642-8145
Pojawia się w:
Woda-Środowisko-Obszary Wiejskie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Perspektywy zatrudnienia absolwentów na polskim rynku pracy
Perspectives of graduates employment in the Polish labour market
Autorzy:
Balcerowicz-Szkutnik, Maria
Wąsowicz, Jarosław
Skórska, Anna
Powiązania:
https://bibliotekanauki.pl/articles/590366.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Niedopasowania strukturalne
Prognoza struktury popytu na pracę
Rynek pracy młodzieży
Struktura zawodowa podaży absolwentów
Forecast of labour demand structure
Structural mismatch
Vocational structure of graduates supply
Youth labour market
Opis:
Celem artykułu jest identyfikacja perspektyw zatrudnienia polskich absolwentów szkół wyższych. Osiągnięcie celu artykułu wymagało skonfrontowania bieżącej struktury specjalnościowej podaży absolwentów i prognozowanych zmian popytu na poszczególne zawody w Polsce. W analizie uwzględniono także regionalne zróżnicowanie wybranych charakterystyk statystycznych. Struktura popytu na pracę w przyszłości będzie uzależniona od zdolności polskiej gospodarki do kreowania miejsc pracy. W przyszłości absolwenci będą mogli znaleźć pracę głównie w zawodach wymagających wysokich kwalifikacji, np. lekarzy, specjalistów, teleinformatycznych, operatorów maszyn, a także w niektórych zawodach niewymagających wysokich kwalifikacji, np. w lecznictwie, usług osobistych – opiekuńczych, handlu. Absolwenci posiadający hybrydowe umiejętności, np. w zakresie informatyki oraz finansów i rachunkowości prawdopodobnie będą lepiej dopasowani do potrzeb pracodawców. Przyszli pracownicy będą musieli brać udział w szkoleniach i rozwijać posiadane umiejętności przez całe swoje zawodowe życie. Rozwiązywanie przyszłych wyzwań stojących przed polskimi absolwentami będzie także wymagało bardziej elastycznego i reaktywnego systemu edukacji i szkoleń.
The main objective of the paper is to identify the employment prospects of Polish graduates. To achieve the objective of the paper the evidence on recent vocational structure of graduates supply and prospective changes in labour demand is reviewed for Poland. The analysis also takes into account regional differences in selected statistical characteristics of youth labour market. Future structure of labour demand will depend on the types of jobs that the Polish economy creates. Growth is projected mainly in high level occupations (medical doctors, professionals, associate professionals, ICT) and some lower skilled occupations (hospitality, personal service e.g. caring, trade, etc.). Graduates equipped with hybrid skillsets e.g. information technology and for example project accountancy skills are likely to be in demand and workers will need to continue training to develop new skills throughout their life-long careers. Meeting future graduates challenges will require a more flexible and responsive education and skills system.
Źródło:
Studia Ekonomiczne; 2017, 316; 7-17
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Global aerospace industry risks
Autorzy:
Balcerzak, T.
Powiązania:
https://bibliotekanauki.pl/articles/196964.pdf
Data publikacji:
2019
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
aerospace
aerospace risk
aviation technology
aerospace sector
passenger travel
commercial aircraft
aerospace forecast
lotnictwo
ryzyko lotnicze
technologia lotnicza
sektor lotniczy
podróże pasażerskie
samolot komercyjny
prognoza kosmiczna
Opis:
The global Aerospace industry is expected to improve in 2018 as its revenue is predicted to rise by 4.1% , doubling last year’s 2.1% growth. The recovery of global gross domestic product (GDP), stable commodity prices, and increased passenger travel demand are likely to ramp up growth in the commercial aircraft sector in 2018. This article reviews the performance of the aerospace industry in 2017 and 2018 and speculates its growth in the incoming years. It also outlines the performance across the major aerospace markets and discusses trends that will impact the industry. The article forecasts the mergers and acquisitions activity in 2018 that lays the foundation for further growth in this space. Key findings are: • Commercial aircraft sector revenues are expected to grow by 4.8% as production levels are likely to be robust while the defence sector revenues are likely to record 3.6% growth as the US defence budget recovers after experiencing multi-year declines. • The spiralling demand for passenger travel is driving commercial aircraft production and is responsible for the record high backlog of 14,215 units at the end of 2017. • In 2018, global Mergers and Acquisitions (M&A) activity is expected to remain strong in the aerospace sector, being driven by pricing pressures from aircraft OEMs and their expansion of high-margin aftermarket services. This has pushed suppliers to consolidate for scale and cost-effectiveness.
Źródło:
Zeszyty Naukowe. Transport / Politechnika Śląska; 2019, 102; 05-27
0209-3324
2450-1549
Pojawia się w:
Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przykład prognozy zagrożenia sejsmicznego z wykorzystaniem szacowanych zmian energii właściwej odkształcenia sprężystego
The example of seismic hazard prediction with the use of estimated changes of specific elastic strain energy
Autorzy:
Bańka, P.
Cichy, T.
Powiązania:
https://bibliotekanauki.pl/articles/164800.pdf
Data publikacji:
2016
Wydawca:
Stowarzyszenie Inżynierów i Techników Górnictwa
Tematy:
sejsmiczność indukowana
energia odkształcenia sprężystego
prognoza sejsmiczności
induced seismicity
elastic strain energy
seismicity prediction
Opis:
W artykule przedstawiono wyniki badań nad możliwością wykorzystania obliczanych zmian energii właściwej odkształcenia sprężystego do opisu obserwowanego poziomu sejsmiczności indukowanej oraz w celu prognozowania jego wielkości na wybiegach projektowanych robót górniczych. Do szacowania zmian energetycznych wykorzystano rozwiązanie przemieszczeniowego zadania brzegowego przestrzennej teorii sprężystości podane przez H.Gila. Poziom sejsmiczności charakteryzowano wyznaczając gęstość energii wstrząsów. Ze względu na skomplikowany charakter badanych związków w prowadzonych badaniach zastosowano metodę analizy regresji. Obliczenia przeprowadzone dla wybranego, silnie zagrożonego sejsmicznie rejonu kopalni GZW pozwoliły stwierdzić istnienie zależności korelacyjnych pomiędzy parametrami charakteryzującymi przebieg procesów energetycznych zachodzących w warstwach skalnych a rejestrowanym poziomem sejsmiczności indukowanej (charakteryzowanym gęstością energii wstrząsów). Opracowany model regresji, po estymacji jego parametrów na podstawie sejsmiczności indukowanej w rozpatrywanym rejonie w trakcie prowadzenia dotychczasowych robót, może być wykorzystany do oceny poziomu sejsmiczności na wybiegach projektowanych robót w tym samym rejonie.
This paper presents the results of studies on the possibility of using calculated specific elastic strain energy changes for the description of the observed level of induced seismicity and for the prediction of seismicity for planned mining works. Energy changes were calculated using the solution of spatial dislocation boundary condition of elastic strain theory given by H. Gil. Level of seismicity was characterized by determining the energy density of tremors. Due to a very complicated nature of the investigated relationship, the regression analysis method was applied in the studies. The calculations carried out for the selected area in Upper Silesian coal mine, subject to strong seismic hazards, demonstrated the presence of correlative dependences between the parameters characterizing the run of energy processes taking place in rock layers and the recorded level of induced seismicity (characterized by the energy density of tremors). The elaborated regression model, after the estimation of its parameters, basing on the induced seismicity in the investigated area during the current works, can be applied for the assessment of seismicity levels along the panel lengths of the planned works in the same area.
Źródło:
Przegląd Górniczy; 2016, 72, 6; 23-30
0033-216X
Pojawia się w:
Przegląd Górniczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
DLACZEGO PROGNOZY EKONOMICZNE SĄ NIETRAFNE?
Autorzy:
Beata, Bazeli,
Powiązania:
https://bibliotekanauki.pl/articles/898128.pdf
Data publikacji:
2018-12-11
Wydawca:
Kujawsko-Pomorska Szkoła Wyższa w Bydgoszczy
Tematy:
prognozowanie
prognoza
metody prognozowania
trafność prognozy
Opis:
Przewidywanie przyszłości jest niezbędnym elementem w przygotowaniu ludzkiego działania, a jedną z form przewidywania przyszłości jest prognozowanie. Metodologia prognozowania zjawisk ekonomicznych jest bardzo bogata i nadzwyczaj trudna warsztatowo i dlatego istnieje wiele metod prognozowania. W artykule omówione zostały warunki, w których można wyznaczyć mniej lub bardziej trafne prognozy przyszłego stanu. Celem opracowania jest wskazanie głównych przyczyn zawodności prognoz przy jednoczesnym podkreśleniu konieczności ich opracowywania. Możliwość dowiedzenia się, co nas czeka w przyszłości, jest bardzo kusząca. Gdyby kryło się w niej jakieś niebezpieczeństwo, można by spróbować mu zapobiec albo przynajmniej przygotować się na nie. Jeśliby zaś przyszłość okazała się pomyślna, oczekiwałoby się jej w spokoju. W każdym przypadku, umiejętność przewidywania zmniejsza niepewność i ryzyko związane z przyszłością. Dotyczy to również zjawisk gospodarczych. Niepewność towarzyszy każdej działalności gospodarczej, zarówno w skali mikroekonomicznej, jak i makroekonomicznej. W literaturze często wyróżnia się niepewność behawioralną i niepewność egzogeniczną1. Pierwszy rodzaj związany jest z zachowaniem się uczestników życia gospodarczego, drugi natomiast dotyczy tzw. „stanu natury”. Można powiedzieć, że w przypadku niepewności behawioralnej prawdopodobieństwo pojawienia się danego zdarzenia jest zależne od indywidualnego zachowania się jednostki i nie jest niezmienne w czasie. Poprzez wymianę informacji, umowy handlowe itp. można zredukować rozmiary tego rodzaju niepewności. W przypadku niepewności egzogenicznej na prawdopodobieństwo pojawienia się zdarzenia nie ma wpływu decyzja jednostki. Należy podkreślić, że pojęcia przewidywanie przeszłości nie powinno się rozumieć identycznie jak pojęcia prognozowanie. Są ze sobą powiązane jednak nie są tożsame. Prognozowanie jest jedną z form przewidywania przyszłości. Jest to przewidywanie przyszłych faktów, zjawisk czy zdarzeń na podstawie uzasadnionych przesłanek ustalonych w toku badań naukowych. Jeśli jest ono wykonywane za pomocą metod naukowych i jeśli dotyczy ono zdarzeń związanych z gospodarowaniem, nazywa się je, na ogół, prognozowaniem gospodarczym. Definicja prognozowania jednoznacznie wskazuje, że jest to działanie mające na celu przewidywanie przyszłości z wykorzystaniem dorobku nauki. Wynikiem tego działania jest prognoza2 . Użytkownicy prognozy (zwłaszcza gospodarczej) wymagają, aby przedstawione im prognozy były uzasadnione, a najlepiej uzasadnione naukowo. Zainteresowanie przyszłością w działalności ludzkiej występowało zawsze i ma ono charakter powszechny. Stopień tego zainteresowania bardzo wzrósł w ostatnim okresie. Główną tego przyczyną jest fakt, iż przewidywanie przyszłości jest niezbędnym elementem w przygotowaniu ludzkiego działania. Nie można gospodarować racjonalnie bez konstrukcji prognozy. Jest ona niezbędna zarówno rządowi, politykowi gospodarczemu, samorządowi lokalnemu, producentowi, menedżerom, jak i zwykłemu człowiekowi, który musi w konkretnych warunkach podjąć decyzję wyboru jednej ze stojących do dyspozycji możliwości. Ich znaczenie wzrasta szczególnie w sytuacjach wymagających częstego podejmowania decyzji, które najczęściej dotyczą dalszej lub bliższej przyszłości. Główną trudnością, która się wówczas pojawia, to całkowity brak danych na temat przyszłych stanów różnych procesów i zjawisk w momencie ustalania decyzji. A zatem nie istnieje możliwość ustalenia jednoznacznej miary korzyści płynących z podejmowanych decyzji. Prognozy mogą być zatem konstruowane w celu dostarczania tych dodatkowych informacji zmniejszających lukę informacyjną, a tym samym mogą przyczynić się do zmniejszania ryzyka związanego z podejmowanymi decyzjami i ułatwianie ich podjęcia. W celu zachowania racjonalności podejmowanych decyzji makroekonomicznych należy podejmować próby konstrukcji prognoz, np. określenia poziomów liczbowych takich wielkości jak: inflacja, stopa procentowa, stopa bezrobocia, PKB, płaca, cena itp. Prawidłowy proces prognozowania tych wielkości wymaga uwzględniania szeregu czynników wpływających na nie, czyli m. in.: liczbę ludności, skłonność do konsumpcji, oszczędzania, poziom tych wielkości, wrażliwość indywidualnych konsumentów i podmiotów gospodarczych. Na otoczenie makroekonomiczne składają się zatem: prognozy demograficzne, ekonomiczne, naturalne, technologiczne, polityczno-prawne i społeczno-kulturowe. Zarządzanie gospodarką narodową łączy się z konstrukcją prognoz zarówno wielkości przyszłych dochodów państwa, jak i wydatków. Ze sporządzanych prognoz wynika również konieczność podejmowania określonych działań celem uniknięcia występowania niekorzystnych sytuacji, czy też zmniejszenia ich skutków, ale również celem przyśpieszenia przebiegu pożądanego procesu. Prognozy te są również podstawą sporządzania planów gospodarczych dotyczących polityki państwa: fiskalnej, monetarnej, czy też odnośnie działań na rynku pracy itp. A zatem decyzje oparte na zupełnie nietrafnych prognozach mogą okazać się katastrofalne w skutkach. W gospodarce rynkowej decyzje dotyczące rodzaju i wielkości działalności, wyboru rynków zaopatrzenia i zbytu, cen sprzedaży, technologii itp. podejmuje samodzielny podmiot gospodarczy-przedsiębiorstwo. Prowadzenie działalności gospodarczej w ramach systemu ekonomicznego wymaga opanowania trudnej sztuki podejmowania trafnych decyzji. Decyzje te są określane na podstawie antycypowanych, przyszłych sytuacji, a ich skutki ujawniają się po pewnym czasie od ich wdrożenia. W procesie podejmowania decyzji przyszłość jest więc brana pod uwagę ze względu zarówno na warunki, w jakich będzie realizowana. Potrzeba prognozowania występuje w każdym przedsiębiorstwie, bez względu na to, czy zajmuje się działalnością wytwórczą, usługową czy handlową. Prognozy są zatem częścią systemu wspomagania decyzji menedżerskich i są stosowane w zdecydowanej większości przedsiębiorstw. Współczesne, szybko zmieniające się i konkurencyjne warunki funkcjonowania przedsiębiorstw w gospodarce rynkowej powodują, że decydującego znaczenia w ich efektywnym zarządzaniu nabiera informacja zorientowana na przyszłość. Jedną z najważniejszych umiejętności współczesnego menedżera powinna być zdolność do wykorzystania dostępnych mu danych do sporządzania prognoz i przewidywania przyszłego kierunku rozwoju zjawisk ekonomicznych. Im menedżerowie bardziej precyzyjnie zrozumieją czego należy oczekiwać w przyszłości, tym bardziej będą wykorzystywać pojawiające się szanse i tym skuteczniej unikać zagrożeń. Nowoczesny proces zarządzania i podejmowania decyzji wymaga opracowania obiektywnych rozwiązań, które uzyskiwane są na podstawie wiarygodnych informacji i reprezentatywnych danych. Złożoność problemów zarządzania oraz szybki rozwój produkcji, dystrybucji i transportu implikuje konieczność coraz szerszego stosowania naukowych metod pozwalających na racjonalizację i optymalizację gospodarowania w wielu obszarach działalności. Bez stosowania metod naukowych rozwój nowoczesnego i efektywnego zarządzania jest obecnie niemożliwy. Za pomocą metod prognozowania można uzyskiwać zbiory informacji prognostycznych, dzięki którym współczesny człowiek ma możliwość wyeliminowania niekorzystnych, a czasami wręcz szkodliwych, przedsięwzięć w różnych obszarach swojej działalności. Aby podejmować racjonalne decyzje i stymulować rozwój interesujących nas zjawisk gospodarczych trzeba posiadać umiejętność przewidywania procesów rozwojowych tych zjawisk. Zagadnienia prognostyczne stosowane są zarówno w problemach poznawczych, jak i decyzyjnych. Należy wyraźnie podkreślić, że w podejmowaniu decyzji ważnym okazuje się, poza świadomością korzyści płynących z prognozowania, znajomość jego ograniczeń. Termin „prognoza” wywodzi się od greckiego prognosis i oznacza przewidywanie na podstawie określonych danych. W greckim źródłosłowie pojęcia „pro- -gnoza” można wyróżnić dwa człony: przedrostek pro oraz gnosis. Przedrostek wskazuje na wstępną, przygotowawczą fazę, a określenie gnosis oznacza wiedzę o czymś, co jeszcze nie nastąpiło. Prognozę należy zatem odróżnić od wróżby, przypuszczenia, wizji, przepowiedni, itp. Na gruncie prognozowania sformułowano różnorodne definicje prognozy. Oto dwa kontrastujące ze sobą ujęcia: Z. Czerwiński uważa, że: „Przez prognozę rozumiemy sąd o zajściu określonego zdarzenia w czasie określonym z dokładnością co do momentu (punktu) lub okresu (przedziału) czasu, należącego do przyszłości”3 . Z. Hellwig podaje zaś taką definicję: „Prognozą statystyczną nazywać będziemy każdy sąd, którego prawdziwość jest zdarzeniem losowym, przy czym prawdopodobieństwo tego zdarzenia jest znane i wystarczająco duże dla celów praktycznych”4 . Powyższe definicje są jednymi z wielu definicji. Jest to uwarunkowane różnorodnością sytuacji prognostycznych, celów i metod badań. Zdaniem M. Cieślak5 , prognoza to sąd charakteryzujący się następującymi właściwościami: ■ jest sformułowany z wykorzystaniem dorobku nauki,
■ odnosi się do określonej przyszłości, jest weryfikowany empirycznie, tzn. jest sformułowany precyzyjnie i możliwy do sprawdzenia,

■ jest niepewny, ale akceptowany.
Prognoza służy wspomaganiu procesów decyzyjnych. W związku z tym wyróżnia się trzy podstawowe funkcje prognoz6 : 1. preparacyjną,
2. aktywizującą,

3. informacyjną.
Preparacyjna funkcja prognoz wynika z tego, że jest ona działaniem, które przygotowuje inne działania podejmowane przez decydenta (pojedynczego człowieka, grupę osób, podmiot gospodarczy lub instytucję). Decydent opierając się na sformułowanej przez prognostę prognozie jest w stanie postępować racjonalnie wtedy, kiedy będzie miał do niej zaufanie. Aktywizująca funkcja prognoz polega na pobudzaniu do podejmowania działań sprzyjających realizacji prognozy zapowiadającej korzystne zdarzenia oraz przeciwstawiającej się jej spełnieniu, jeśli przewidywane zdarzenia są oceniane negatywnie (np. prognoza spadku sprzedaży w firmie, czy wzrostu udziału produktów nie odpowiadających normom jakościowym). Informacyjna funkcja prognoz związana jest z oswajaniem społeczeństwa z nadchodzącymi zmianami i zmniejszaniem lęku przed przyszłością. Taką rolę odgrywały w przeszłości proroctwa przepowiadające, np. pomór bydła czy suszę. Ogłoszenie niektórych prognoz może wywołać opanowane reakcje na zmiany, a nawet pełną ich akceptację. Oprócz wymienionych trzech podstawowych, wyróżnia się również funkcje pomocnicze prognoz, a mianowicie7 : ■ funkcję argumentacyjną – prognoza dostarcza decydentom argumentów ułatwiających podejmowanie takich, a nie innych decyzji;
■ funkcję doradczą – prognoza przygotowuje odpowiednie informacje odnoszące się do zjawisk będących przedmiotem procesu decyzyjnego;

■ funkcję mediacyjną – prognoza jest pomocna przy określaniu cen transakcyjnych (np. w procesie kupna-sprzedaży działki budowlanej).
Szeroka tematyka prognozowania oraz formy sporządzanych prognoz wymagają ich usystematyzowania (klasyfikacji). Przy klasyfikacji prognoz wykorzystuje się różne kryteria. Najczęstszą przesłanką klasyfikacji prognoz jest horyzont czasowy, tj. okres, na który zostały one zbudowane. Ze względu na to kryterium wyróżnia się prognozy: krótkookresowe, średniookresowe i długookresowe. Z horyzontem czasowym wiąże się również podział na prognozy operacyjne i strategiczne. Ze względu na charakter czy strukturę prognoz dzielimy je na: prognozy proste i złożone. Ze względu na charakter lub strukturę prognoz, dzieli się je również na ilościowe oraz jakościowe. Kryterium charakteru lub struktury prognoz pozwala na ich podział na jednorazowe i powtarzalne. Prognozy dzielimy również na kompleksowe i sekwencyjne, na samosprawdzające się i destruktywne, na realistyczne i badawcze (w tym ostrzegawcze), prognozy zmiennych sterowalnych i nie sterowalnych itd.8 Prognozy dotyczące zjawisk ekonomiczno-społecznych są zwykle budowane przy wykorzystaniu opinii ekspertów lub modeli, które najlepiej – według określonego kryterium – opisują analizowane zagadnienie. Prognoza jest efektem prognozowania, które jest metodą przewidywania przyszłości. Prognozowanie jest mniej lub bardziej trafne w zależności od wybranej metodologii, przyjętych założeń, celu badania, ilości zmiennych, okresu na podstawie którego prognozujemy oraz okresu na jaki tworzymy prognozę. Dlatego istnieje wiele metod prognozowania. W literaturze przedmiotu brak jest jednoznacznego podziału metod prognozowania9 . Wynika to z faktu, że istnienie wielu złożonych metod prognostycznych i kryteriów ich klasyfikacji utrudnia jednoznaczne zakwalifikowanie poszczególnych metod do określonej grupy. Jedną z najczęściej stosowanych klasyfikacji metod jest ich podział na ilościowe i jakościowe. Metody jakościowe są oparte na sądach, opiniach czy oczekiwaniach. Istotne jest to, że nie jest budowany w tym przypadku model formalny (o charakterze statystyczno-ekonometrycznym). Stanowią one niejako zaprzeczenie podejścia ilościowego do prognozowania. Inną z klasyfikacji metod prognozowania, do której w literaturze jest dużo odwołań, jest podział zaproponowany przez A. Zeliasia10 na metody statystyczno-matematyczne i niematematyczne. W praktyce jest to zbieżne z podziałem na metody ilościowe i jakościowe. Takie klasyfikacje mogą sugerować, że do prognozowania wykorzystuje się jedną z metod, a tak naprawdę nigdy tak nie jest. Przewidywaniem zajmują się praktycznie zawsze eksperci, którzy wykorzystują swoją wiedzę, doświadczenie i intuicję. Mogą oni wykorzystywać m.in. modele matematyczne, statystyczne lub ekonometryczne. W praktyce, w zależności od tego, czy w konkretnym przypadku przeważa modelowanie matematyczne, statystyczne lub ekonometryczne, czy też wiedza, doświadczenie i intuicja eksperta (ekspertów), mówi się o przewidywaniu metodami matematycznymi (ilościowymi) (tj. na podstawie modeli matematycznych, statystycznych lub ekonometrycznych), bądź niematematycznymi, jakościowymi (ekspertologicznymi, heurystycznymi). Metody te w dużej mierze nakładają się na siebie. Powszechnie wiadomo, że eksperci w dużej mierze korzystają z modeli matematycznych, statystycznych lub ekonometrycznych. Z drugiej strony, wiedza, doświadczenie i intuicja ekspertów są niezbędne do wyboru: celu, przedmiotu i okresu badania, zmiennych objaśniających oraz modelu (matematycznego, statystycznego albo ekonometrycznego) przewidywania. Dlatego w praktyce zwykle stosuje się określoną mieszankę metod. Podział na przewidywanie heurystyczne oraz na podstawie modeli matematycznych, statystycznych i ekonometrycznych jest jednak bardzo wygodny, zwłaszcza z dydaktycznego punktu widzenia Metodologia prognozowania zjawisk ekonomicznych jest bardzo bogata i nadzwyczaj trudna warsztatowo. Obserwuje się wiele różnych podejść do tych samych problemów i często w wyniku zastosowania różnych metod otrzymuje się różne prognozy. Każdy prognostyk posługuje się pewną metodą, która także zależy od horyzontu prognozy, dostępności danych, łatwości użycia, łatwości interpretacji wyników oraz od kosztu tworzenia prognozy. Sama przez się narzuca się więc myśl, że trafność prognozy zależy od jakości metody prognozowania i podejścia prognostyka. Istnienie wielu złożonych metod prognostycznych i różny stopień „umiejętności” prognostyka wyklucza otrzymanie takich samych prognoz analizowanego zjawiska. Pomimo dość zaawansowanej metodologii prognozowania, nazbyt często nie udaje się przewidzieć tego, co czeka nas w bliższej lub dalszej przyszłości. Po pierwsze nie istnieją niezawodne metody prognozowania, po drugie zależą od wiedzy, doświadczenia i intuicji prognostyka. Sam fakt występowania różnych definicji i klasyfikacji prognoz, jak również istnienie wielu metod ich wyznaczania świadczy o niemożności wyznaczania jednakowo prawdopodobnych i trafnych prognoz. Wynikiem prognozowania jest prognoza, która w zależności od różnych czynników, w tym przede wszystkim jej wiarygodności, może zostać zaakceptowana lub nie. Niezależnie od tego, prognoza ta może zostać, po upływie momentu lub okresu, na który została zbudowana, zbadana pod względem trafności, co stanowi ocenę pojętej jej wąsko lub szeroko jakości. Analiza trafności prognoz (monitorowanie prognoz) jest również oceną samego działania jakim jest prognozowanie. Oceniając prognozę i prognozowanie często używa się pojęcia błędu prognozy ex ante i błędu prognozy ex post. Nie wchodząc w szczegóły, warto podkreślić, że właściwie tylko niewielka część prognoz może być uzupełniona przez błąd prognozy w momencie jej wyznaczenia (błąd ex ante). Są to głównie prognozy oparte na metodach ekonometrycznych. Dla zdecydowanej większości prognoz, w momencie ich wyznaczenia nie można wyznaczyć prawdopodobieństwa stawianej prognozy. Natomiast wszystkie prognozy mogą być zweryfikowane dopiero po zrealizowaniu się okresu prognozowanego (błędy ex post). Jednakże pomimo dość zaawansowanej metodologii prognozowania, nazbyt często nie udaje się przewidzieć tego, co czeka nas w bliższej lub dalszej przyszłości; błędy prognoz są zbyt duże. W związku z tym pojawia się pytanie: dlaczego prognozy społeczne (w tym ekonomiczne) są nietrafne. Z. Czerwiński podaje warunki, w których można wyznaczyć trafne i dokładne prognozy przyszłego stanu obiektu. Należą do nich11: ■ obiekt jest odizolowany od otoczenia,
■ istnieje prawo nauki obiektu, znane prognostykowi,

■ aktualny stan obiektu jest w pełni rozpoznawalny przez prognostyka.
Nie trzeba nikogo przekonywać, że żaden z warunków potrzebnych do istnienia niezawodnej metody prognozowania nie jest spełniony w sferze zjawisk ekonomicznych. Żaden obiekt ekonomiczny (zjawisko ekonomiczne) nie jest odizolowany od otoczenia. Brak uniwersalnych, niezmiennych w czasie praw, a także brak dokładnego rozpoznania aktualnego stanu obiektów ekonomicznych wyklucza istnienie niezawodnych metod prognozowania. Zdając sobie sprawę z niepewności prognoz, można zapytać czy w ogóle warto się nimi zajmować? Prognozy społeczne nie mogą eliminować niepewności co do przyszłego stanu świata; prognozy te są użyteczne, gdyż tą niepewność redukują. Warto jednak znać i zdawać sobie sprawę z ograniczeń. Do postawienia trafnej prognozy stanu obiektu potrzebna jest z jednej strony znajomość przeszłości obiektu i otoczenia, a z drugiej strony- znajomość powiązań między zmiennymi charakteryzującymi obiekt i otoczenie. Słabość prognozowania jest następstwem słabego rozeznania w powiązaniach między zmiennymi. Brak znajomości praw podobnych do praw przyrody zmusza prognostyków do uciekania się do „substytutów” tych praw, jakimi są modele. Trzeba podkreślić rolę teorii jako ważnego źródła wiedzy o prognozowanym zjawisku. W naukach społecznych zwykle istnieje kilka teorii tego samego zjawiska. Teorie te różnią się założeniami instytucjonalnymi, założeniami behawiorystycznymi, założeniami technicznymi. Określony zbiór założeń stanowi podstawę każdej teorii. Analizując różne teorie, można wybrać te z nich, które wydają się adekwatne do sytuacji prognostycznej oraz wybrać modele z nich wynikające. Występuje tu więc oczywisty związek między trafnością prognoz a rozpoznaniem obiektu tj. wiedzą o obiekcie, którą dysponuje prognostyk, w szczególności znajomością praw rządzących obiektem. Niestety osiągnięty poziom rozwoju nauk ekonomicznych wydaje się relatywnie niski, bo nie ma wypracowanej spójnej całościowej teorii. Świadczy o tym najlepiej rozrzut opinii panujący wśród ekonomistów odnośnie różnych kwestii np. ostatniego kryzysu finansowego. Obecny stan wiedzy ekonomicznej nie pozwala w pełni wyjaśnić tych kwestii, a zatem wykorzystanie tej wiedzy do ingerowania w rzeczywistość oraz do prognozowania tej rzeczywistości jest obciążone wieloma ryzykami, z czego nie wszyscy zdają sobie sprawę. Przyczynowe zależności w ekonomii charakteryzują się na ogół tym, że między zdarzeniem-przyczyną i zdarzeniem-skutkiem występuje pośrednie stadium w postaci ekonomicznej decyzji. Przy czym przyczyna wpływa najpierw na np. na konsumenta, producenta, inwestora podejmującego odpowiednią decyzję, której realizacja jest skutkiem. W ekonomii zazwyczaj mamy do czynienia z taką sytuacją, że pewien skutek jest wynikiem jednoczesnego oddziaływania większej liczby przyczyn. Biorąc pod uwagę fakt, że pomiędzy przyczyną i skutkiem występuje ekonomiczna decyzja jako etap pośredni, można te przyczyny ująć w następujących grupach12: przyczyny ekonomiczne,
■ przyczyny techniczno-przyrodniczo-ekologiczne,

■ przyczyny polityczne i światopoglądowe oraz związane z wykształceniem fachowym,
■ przyczyny psychologiczne.
Na te przyczyny reaguje decydent. Trzecia i czwarta grupa przyczyn różnicuje decydentów ze względu na ich reakcje na przyczyny grupy pierwszej i drugiej. Wiele przyczyn szczególnie z grupy trzeciej i czwartej, najczęściej pomija się w analizie. Teoria ekonomiczna podaje jedynie istotne czynniki zmian zjawiska ekonomicznego. Te czynniki nie mogą wyjaśnić zmian w sposób wyczerpujący, jak również nie pozwalają na przewidywanie zmian w przyszłości z zadowalającą dokładnością. Gdy chodzi o sferę zjawisk ekonomicznych istnieje brak praw naukowych tak dokładnych i bezwyjątkowych, jak prawa przyrody. Korzystanie z dorobku nauki nie gwarantuje więc „prawdziwego” odczytu rzeczywistości i co za tym idzie prawdziwego obrazu przyszłości. Za to ułatwia drogę do owej „prawdy” przez korzystanie ze wskazówek. Wśród przyczyn wpływających na zjawiska ekonomiczne wymienia się, między innymi, przyczyny polityczne i światopoglądowe. I właśnie zmieniająca się sytuacja polityczna często zmienia reguły gry ekonomicznej i przepisy prawno-finansowe. W procesie prognozowania wykorzystuje się dane o obiekcie dla którego sporządza się prognozę, oraz o obiektach stanowiących jego otoczenie. Zmiany zasad gospodarowania niszczą porównywalność tych danych liczbowych. W takich warunkach jest zrozumiałe, że budowa modeli prognostycznych jest zadaniem trudnym, niewdzięcznym i ryzykownym. Powszechnie jednak wiadomo, że prognozy jednych zjawisk gospodarczych okazują się być obarczone niewielkimi błędami, innych zaś-znacznie większymi. Wynika to z faktu, że niektóre zjawiska ekonomiczne są w różnym stopniu sterowane, czyli zależne od decydenta, a niektóre temu nie podlegają. Tylko prognozy zmiennych w pełni sterowanych byłyby bezbłędne, ponieważ ich stany byłyby wyznaczone mocą decyzji. W zagadnieniach społecznych, w tym gospodarczych, siła oddziaływania owych decyzji rzadko jest absolutna, zmienne sterowane zależą bowiem także od zmiennych nie sterowanych, na które decydent nie ma wpływu. Opracowuje się więc prognozy zarówno zmiennych nie sterowanych, jak i sterowanych. Trudność prognozowania w sferze zjawisk ekonomicznych bierze się także stąd, że obiekty gospodarcze nie są ani całkiem sterowane, ani całkiem automatyczne. Wyznaczając prognozę jednej zmiennej najczęściej opieramy się na przyszłych wartościach (prognozach) innych zmiennych, które wpływają na badaną zmienną. Powstaje więc łańcuch prognoz, gdzie trafność prognozy jednej zmiennej zależy od trafności prognoz innych zmiennych. Z uwagi na fakt, że rzadko ma się pewność do tego, jakie to będą wartości, nie chcąc ryzykować podania nietrafnej prognozy, można sformułować tzw. prognozę warunkową. Tak naprawdę, większość prognoz ekonomicznych ma właśnie charakter warunkowy. Jeżeli nie zostaną spełnione „warunki” (założenia) to formułowana prognoza okaże się nietrafna. Dlatego trzeba mieć na uwadze, iż duża część prognoz ma charakter warunkowy i że pozwala jedynie odpowiedzieć na pytanie: co będzie, jeśli? Nawet jednak najbardziej wiarygodna prognoza, dotycząca stabilnych i długotrwałych procesów ekonomicznych, nigdy nie jest i nie może być doskonała. Wynika to z dwóch przyczyn. Po pierwsze, ludzie dostosowują swoje działania do oczekiwań. Jeśli na przykład udałoby się przewidzieć, że za dwa miesiące nastąpi załamanie gospodarcze, to taka prognoza na pewno nie sprawdziłaby się. Jeśli prognoza byłaby wiarygodna, przedsiębiorcy zdążyliby dostosować się do sytuacji przede wszystkim poprzez zmniejszenie kosztów działalności: renegocjację umów o pracę, efektywniejsze wykorzystanie czynników produkcji bądź zastosowanie tańszej metody wytwarzania. W wyniku takiego postępowania załamanie gospodarcze zaczęłoby się wcześniej, miałoby łagodniejszy przebieg albo wręcz w ogóle nie byłoby zauważalne. W każdym przypadku wcześniejsza prognoza nie sprawdziłaby się. Tego typu prognozy często określa się jako prognozy ostrzegawcze, których zadaniem jest przewidywanie zdarzeń niekorzystnych dla odbiorców prognozy. Wówczas taka prognoza jest stymulatorem działań w stosunku do zmiennych sterowanych. Drugą z przyczyn niemożności doskonałego przewidywania jest to, że pewne wydarzenia, mające często decydujący wpływ na przyszłość, cechują się fundamentalną niepewnością. Dobry przykład stanowią wynalazki i odkrycia naukowe. Niektóre z nich, na przykład elektryczność, powodują rewolucyjne zmiany w funkcjonowaniu społeczeństw i kształcie gospodarki. Przewidzenie odkrycia byłoby jednak równoznaczne z jego dokonaniem. Trzeba się więc pogodzić z tym, że o przyszłości nigdy nie będziemy w stanie wiedzieć nic z absolutną pewnością. Prognozy społeczne (w tym gospodarcze) są zawsze niepewne, ale gdyby z nich zrezygnować, błędy w zachowaniu gospodarczym byłyby większe. Warto jednak pamiętać, że: ■ przyszły stan badanej zmiennej ekonomicznej jest wyznaczony przez przyszłe wartości innych zmiennych ekonomicznych i nieekonomicznych. Powstaje w ten sposób łańcuch prognoz, w którym jedne zawieszone są na drugich i trafność prognozy badanej zmiennej zależy od tego czy trafne były prognozy zmiennych objaśniających. Dlatego często prognoza jest jedynie słowem oczekiwań co do prawdopodobnego kierunku rozwoju, przy obecnym stanie wiedzy na temat wszystkich czynników wpływających na kierunek zmian i przy określonych założeniach co do polityki gospodarczej;
■ dodatkowym utrudnieniem prognozowania społecznego ( w tym gospodarczego) jest to, że sama prognoza stanowi zjawisko społeczne, które łącznie z innymi może oddziaływać na prognozowane zdarzenie;

■ im dłuższy horyzont prognozy, tym więcej założeń musi przyjąć prognozujący. Generalnie więc, im dłuższa prognoza, tym bardziej jest ona niepewna;
■ prognozy są często „skażone” osobistymi poglądami tego, kto ich dokonuje. Każdy prognostyk posługuje się pewną metodą, a więc pewnym systematycznym sposobem postępowania (w tym modelem), prowadzącym do postawionego sobie celu, którym jest prognoza. Same modele nie zawsze wystarczą do postawienia prognozy, gdyż prognoza, najczęściej makroekonomiczna, bazuje na połączeniu rezultatów z modelu ekonometrycznego i wiedzy eksperckiej (prognosty). Często zresztą operuje się prognozami eksperckimi, które w ogóle nie są oparte na żadnym modelu, a jedynie na wiedzy i intuicji eksperta.
■ nietrafna prognoza może być wynikiem nadużywania metod ekonometrycznych przez ludzi, którzy ani nie zgłębili ich istoty, ani też nie potrafią ich poprawnie stosować. Używają oni niewłaściwych modeli, przyjmując nieprawidłowe założenia dotyczące zmiennych egzogenicznych;

■ mimo wszelkich postępów w konstrukcji prognoz, coraz inteligentniejszych komputerów i programów służących celom prognostycznym, ekonomiści nie są w stanie zmienić natury obiektów ekonomicznych, które czasem zachowują się nieoczekiwanie, różnie od dotychczas obserwowanych zachowań;

■ zjawiska gospodarcze są bardziej skomplikowane niż np. zjawiska fizyczne. Każde takie zjawisko jest powiązane z dużą liczbą innych zjawisk ekonomicznych i społecznych, a także czysto biologicznych, chemicznych, fizycznych itd. Uwikłanie zjawisk społecznych w dużą liczbę czynników różnej stabilności sprawia, że prawidłowości kształtowania się tych zjawisk są na ogół mniej wyraziste i mniej trwałe w czasie niż w przypadku zjawisk fizycznych. Te okoliczności, a także niesłychanie rzadko występująca możliwość prowadzenia eksperymentów, sprawiają, że prawa nauk społecznych są „słabsze” niż prawa fizyki, a więc stanowią też słabszą podstawę przewidywań;

■ nie można zapominać, że proces prognozowania wymaga odpowiednich nakładów, zarówno pieniężnych jak i czasowych. Stąd rozważanie go w oderwaniu od tych nakładów jest nieuzasadnionym uproszczeniem. Wymaga wysokich kwalifikacji prognostów, stosowania różnych metod, często bardzo zaawansowanych, dużej liczby trudno dostępnych danych, specjalistycznego oprogramowania itp. Wiarygodność prognozy generalnie wzrasta wraz z kosztami poniesionymi na ten proces. Jednak po przekroczeniu pewnej wielkości tych kosztów, całkowite koszty prognozowania, uwzględniające również koszty strat, nie maleją, ponieważ nigdy nie uda się całkowicie wyeliminować czynnika niepewności13.

■ jakkolwiek za jakość prognozy odpowiada prognosta, to decydent musi mieć umiejętność jej oceny, gdyż skutki jego dzisiejszej decyzji ujawnią się w przyszłości.
1 M H. Pesaran, The Limits to Rational Expectations, Basil Blackwell, Oxford 1989
2 P. Dittmann, Prognozowanie w przedsiębiorstwie, Oficyna Ekonomiczna, Kraków 2004; M. Cieślak (red.), Prognozowanie gospodarcze. Metody i zastosowania, PWN, Warszawa 2005; E. Nowak, Prognozowanie gospodarcze. Metody, Modele, Zastosowania, Przykłady, Placet, Warszawa 1998; A. Zeliaś, B. Pawełek, S. Wanat, Prognozowanie ekonomiczne: teoria, przykłady, zadania, PWN, Warszawa 2004; A. Zeliaś, Teoria prognozy, PWE, Warszawa 1997.

3 Z. Czerwiński, Moje zmagania z ekonomią, Akademia Ekonomiczna, Poznań 2002.

4 Z. Hellwig, Prognozy statystyczne, „Zeszyty Naukowe WSE we Wrocławiu” 1963, nr 16.

5 M. Cieślak (red.), Prognozowanie gospodarcze. Metody i zastosowania, PWN, Warszawa 2005.

6 M. Sobczyk, Prognozowanie. Teoria, przykłady, zadania, Placet, Warszawa 2008.

7 M. Witkowski, T. Klimanek, Prognozowanie gospodarcze i symulacje w przykładach i zadaniach, Akademia Ekonomiczna, Poznań 2006.

8 Sama klasyfikacja prognoz mogłaby być przedmiotem osobnego artykułu. Nie jest jednak w tym przypadku niezbędna. Więcej na ten temat klasyfikacji prognoz można znaleźć np. M. Cieślak (red.), Prognozowanie gospodarcze. Metody i zastosowania, PWN, Warszawa 2005; A. Zeliaś, Teoria prognozy, PWE, Warszawa 1997.

9 P. Dittmann, Prognozowanie w przedsiębiorstwie, wyd. 2, Oficyna Ekonomiczna, Kraków 2004; M. Cieślak (red.), Prognozowanie gospodarcze. Metody i zastosowania, PWN, Warszawa 2005; E. Nowak, Prognozowanie gospodarcze. Metody, Modele, Zastosowania, Przykłady, Placet, Warszawa 1998; A. Zeliaś, B. Pawełek, S. Wanat, Prognozowanie ekonomiczne: teoria, przykłady, zadania, PWN, Warszawa 2004; A. Zeliaś, Teoria prognozy, PWE, Warszawa 1997.

10 A. Zeliaś, Teoria prognozy, PWE, Warszawa 1997.

11 Z. Czerwiński, Moje zmagania z ekonomią, Akademia Ekonomiczna, Poznań 2002.

12 Z. Zieliński, Liniowe modele ekonometryczne jako narzędzie opisu i analizy przyczynowych zależności zjawisk ekonomicznych, Wydawnictwo UMK, Toruń 1991.

13 P. Dittmann, Prognozowanie w przedsiębiorstwie, wyd. 2, Oficyna Ekonomiczna, Kraków 2004.
Źródło:
Roczniki Ekonomiczne Kujawsko-Pomorskiej Szkoły Wyższej w Bydgoszczy; 2017, 1(10); 11-23
1899-9573
Pojawia się w:
Roczniki Ekonomiczne Kujawsko-Pomorskiej Szkoły Wyższej w Bydgoszczy
Dostawca treści:
Biblioteka Nauki
Artykuł

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies