Прогнозирование это предсказание с помощью научных методов

НАУЧНОЕ ПРОГНОЗИРОВАНИЕ

Философия науки: Словарь основных терминов. — М.: Академический Проект . С. А. Лебедев . 2004 .

Смотреть что такое «НАУЧНОЕ ПРОГНОЗИРОВАНИЕ» в других словарях:

прогнозирование — ПРОГНОЗИРОВАНИЕ (от греч. prognosis предузнавание) рассуждение, направляемое вопросом: «Какое событие (явление, ситуация, свойство, процесс) возможно, если имеет место ситуация q?». Термин «П.» традиционно связывали с терминами… … Энциклопедия эпистемологии и философии науки

Прогнозирование политическое — (от греч. prognosis – предвидение) – научное исследование явлений и процессов политики с целью определения конкретных перспектив развития политических событий. Подобное исследование опирается на постоянно развивающуюся методологию политического… … Политология. Словарь.

Прогнозирование — научное предвидение, или исследование перспектив развития, в частности природных явлений. Напр., прогноз изменений внешней среды и экосистем при том или ином воздействии человека; прогноз изменений метеорологических и гидрологических режимов,… … Экологический словарь

ПРОГНОЗИРОВАНИЕ ЭКОЛОГИЧЕСКОЕ — научное предвидение вероятного состояния экосистем или биомов, а также окружающей среды, определяемого естественными процессами и воздействием на них человека. Важным моментом экологического прогнозирования должно быть составление кадастров… … Экологический словарь

ПРОГНОЗИРОВАНИЕ — (от греческого prognosis предвидение, предсказание), разработка прогноза; первоначально предсказание хода болезни, затем всякое предсказание, суждение о состоянии какого либо явления в будущем (предсказание погоды, исхода выборов и т.п.); в узком … Современная энциклопедия

ПРОГНОЗИРОВАНИЕ — в узком значении специальное научное исследование перспектив развития какого либо явления. П. в этом значении выступает в качестве формы научного предвидения. По предмету могут быть выделены П. естествоведческое и обществоведческое. Объекты… … Новейший философский словарь

ПРОГНОЗИРОВАНИЕ — англ. forecasting; нем. Prognostizierung. 1. Разработка прогнозов. 2. Научное исследование перспектив развития к. л. явления или процесса, преимущественно с количественными оценками и с указанием более или менее определенных сроков их изменения.… … Энциклопедия социологии

ПРОГНОЗИРОВАНИЕ НАУЧНО—ТЕХНИЧЕСКОГО РАЗВИТИЯ — научное исследование и оценка вероятных перспектив, направлений совершенствования технологий, техники, создания новых направлений. (См. прогноз, проект, инновационная система). Г.В. Бромберг … Философия науки: Словарь основных терминов

Прогнозирование — разработка Прогноза; в узком значении специальное научное исследование конкретных перспектив развития какого либо явления. П. как одна из форм конкретизации предвидения научного (См. Предвидение научное) в социальной сфере находится во… … Большая советская энциклопедия

Прогнозирование — Прогноз (от греч. πρόγνωσις предвидение, предсказание) предсказание будущего с помощью научных методов или сам результат предсказания. Прогноз это научная модель будущего события, явлений и т.п.). Прогнозирование, разработка прогноза; в узком… … Википедия

Источник

Научное прогнозирование. Особенности предсказания в общественных науках.

Прогнозирование, разработка прогноза в узком значении — специальное научное исследование конкретных перспектив развития какого-либо явления как одна из форм конкретизации предвидения научного в социальной сфере прогнозирование находится во взаимосвязи с планированием, программированием, проектированием, управлением, целеполаганием. Это проявляется в параллельных прогнозно-плановых, прогнозно-проектных и т.п. разработках (целевое, плановое, программное, проектное, организационное). Различают поисковое (генетическое, изыскательское, исследовательское) и нормативное прогнозирование. Первое имеет целью получить предсказание состояния объекта исследования в будущем при наблюдаемых тенденциях, если допустить, что последние не будут изменены посредством решений (планов, проектов и т.п.). Второе имеет в виду предсказание путей достижения желательного состояния объекта на основе заранее заданных критериев, целей, норм. Важную роль в прогнозировании играет обратная связь между предсказанием и решением. Интенсивность её неодинакова для различных объектов исследования. Теоретически она нигде не равна нулю: человек в отдалённой перспективе сможет изменять посредством решений и действий всё более широкий круг объектов предсказания. Но практически многие объекты, особенно в естественных науках, неуправляемы и допускают лишь безусловное предсказание с целью приспособить действия к ожидаемому состоянию объекта. С другой стороны, нередко, особенно в общественных науках, обратная связь достигает высокой степени интенсивности и приводит к эффекту т. н. самоосуществления или «саморазрушения» прогноза путём решений и действий с учётом последнего. Так, предсказания валютных кризисов на Западе часто приводят к панике и действительному обострению ситуации. Вместе с тем своевременное вмешательство при предвидении надвигающейся опасности способно предотвратить её и, разрушив прогноз, спасти положение. Отсюда методологическая ориентация прогнозирования управляемых (большей частью социальных) явлений не на безусловное предсказание, а на оценку вероятного (при условии сохранения наблюдаемых тенденций) и желательного (при условии заранее заданных норм) состояния объекта. Ожидаемый результат исследования — использование прогностической информации, полученной на основе сопоставления данных поискового и нормативного прогнозирования, для повышения обоснованности целей и решений, в том числе планов, программ, проектов. Эшелоны прогнозирования. По времени упреждения прогнозирование разделяется на текущее (когда не ожидается существенных изменений исследуемого объекта и имеются в виду лишь отдельные, частные количественные оценки), краткосрочное (общие количественные оценки), среднесрочное (количественно-качественные оценки), долгосрочное (качественно-количественные оценки), сверхдолгосрочное (общие качественные оценки). В зависимости от характера и цели прогнозирования диапазон каждого из эшелонов может простираться от долей секунды (например, в физике) до миллиардов лет (в космологии). В общественных науках время упреждения варьируется в пределах от 10 лет (в политике) до 100 и более лет (в градостроительстве). Обычно эшелоны прогнозирования в общественных науках для оперативных целей приравниваются к эшелонам планирования: краткосрочные на 1-2 года, среднесрочные на 5-10 лет, долгосрочные на 15-20 лет, сверхдолгосрочные на 50-100 лет. Прогнозирование в общественных науках на более отдалённые сроки нецелесообразно, т.к. становится чрезмерно большим разрыв между профилем и фоном исследования, а также между условным предсказанием и возможным многократным изменением объекта прогнозирования путём решений и действий, в результате чего резко падает степень надёжности прогнозирование Научное предвидение в этом случае ограничивается рамками общих законов развития природы и общества. Методы прогнозирования в отличие от расчётов жестко детерминированных явлений (например, солнечных и лунных затмений), с одной стороны, и ненаучных прорицаний — с другой, Оно отличается вероятностным подходом к предметам исследования. Этим определяется характер и структура методов П. К 70-м гг. их насчитывают свыше 100, начиная с общенаучных, действительных для всех наук (анализ и синтез, экстраполяция и интерполяция, индукция и дедукция, аналогия, гипотеза, эксперимент и т.д.) и кончая меж- (интер-) и частнонаучными, пригодными лишь для нескольких или даже только для одной науки. Наиболее распространено 10-15 обще- и межнаучных методов: экстраполяция (с учётом особенностей динамики развития объекта прогнозирования, возможных отклонений динамического временного ряда под воздействием факторов прогностического фона), моделирование (имитационные, игровые, операциональные, сетевые и др. модели), опрос экспертов и населения, историческая аналогия, прогнозные сценарии, матрицы взаимовлияющих факторов типа «проблемы — возможные способы их решения»,«затраты — выпуск» и т.п., а также методы, основанные на построении графов и «дерева проблем» или «дерева целей», методы, основанные на использовании патентов и т.д. Обычно выделяют три класса методов прогнозирования: экстраполяция, моделирование, опрос экспертов. Но такая классификация условна, т.к. прогностические модели предполагают экстраполяцию и экспертные оценки, последние представляют итог экстраполяции и моделирования экспертом исследуемого объекта и т.д. Конкретные методики, по которым ведётся прогнозирование., образуются путём оптимального сочетания нескольких методов сообразно цели и задачам исследования. Иногда несколько методик объединяются в комплексную систему прогнозирования (т. н. прогнозирующую систему) в совокупности с системами целеполагания, планирования, программирования, проектирования, управления в целом. Примером может служить система «FAME» («Прогнозы и оценки для управления разработками»), на основе которой в США в 1960-х — начале 1970-х гг. осуществлялась программа космических исследований.

Концепция роста научного знания К.Поппера и эволюционной эпистемологии. Роль биологических аналогий в трактовке роста знания. Роль понятия истины в трактовке прогресса научного знания.

В современной западной философии проблема роста, развития знания является центральной в философии науки, представленной особенно ярко в таких течениях, как эволюционная (генетическая) эпистемология и постпозитивизм. Эволюционная эпистемология — направление в западной философско-гносеологической мысли, основная задача которого — выявление генезиса и этапов развития познания, его форм и механизмов в эволюционном ключе и, в частности, построение на этой основе теории эволюции науки. Эволюционная эпистемология стремится создать обобщенную теорию развития науки, положив в основу принцип историзма и пытаясь опосредовать крайности рационализма и иррационализма, эмпиризма и рационализма, когнитивного и социального, естествознания и социально-гуманитарных наук и т.д.

Особенно активно проблему роста (развития, изменения) знания разрабатывали, начиная с 60-х гг. XX столетия сторонники постпозитивизма — К. Поппер, Т. Кун, И. Лакатос, П. Фейерабенд, Ст. Тулмин и др. В постпозитивизме происходит существенное изменение проблематики философских исследований: если логический позитивизм основное внимание обращал на анализ структуры научного познания, то постпозитивизм главной своей проблемой делает понимание роста, развития знания.

Поппер рассматривает знание не только как готовую, ставшую систему, но также и как систему изменяющуюся, развивающуюся. Рост знания не является повторяющимся или кумулятивным процессом, он есть процесс устранения ошибок, «дарвиновский отбор». Рост научного знания осуществляется методом проб и ошибок и есть не что иное, как способ выбора теории в определенной проблемной ситуации — вот что делает науку рациональной и обеспечивает ее прогресс.

Эволюционная эпистемология Поппера (как и теория Дарвина) ничего не говорит о возможности и необходимости появления новых теорий (как и новых биологических видов), лишь описывают процесс перехода от одной теории к другой. Но никаким методом проб и ошибок, постепенным улучшением теорий нельзя из классической механики получить квантовую. Да и сами ошибки, устранением которых и должна заниматься наука по Попперу, есть не внутренние ошибки теорий, а несоответствия их предсказаний результатам наблюдений и экспериментов, что говорит лишь об ограниченности области применения теории. И следует заметить, что понятие ограниченности теоретической системы должно быть одним из исходных положений эпистемологии.

Источник

Прогноз

Прогноз (от греч. πρόγνωσις — предвидение, предсказание) — предсказание будущего с помощью научных методов, а также сам результат предсказания.

Прогноз — это вероятностное суждение о будущем состоянии объекта исследования (последнее научное определение).

Прогноз — это научная модель будущего события, явлений и т.п.

Прогноз — это расчет неизвестного экономического показателя по заданным факторам на основании модели.

Прогнозирование — это разработка прогноза; в узком значении — специальное научное исследование конкретных перспектив развития какого-либо процесса.

Основное условие необходимости в прогнозах — это недостаток исходных данных. Для предсказания будущего данных всегда не хватает, однако и при решении задач в настоящем времени данных очень часто не хватает. Чем больше данных отсутвует, тем сложнее их восстанавливать и делать прогноз. По мере сокращения объемов недостающих данных прогнозы уточняются, при полноте исходных данных прогноз замещается обычным расчетом с некоторой погрешностью.

• по срокам: краткосрочные, среднесрочные, долгосрочные, дальнесрочные;
• по масштабу: личные, на уровне предприятия (организации), местные, региональные, отраслевые, страновые, мировые (глобальные).

К основным методам прогнозирования относятся

Содержание

Основные понятия прогностики

Прогностика — научная дисциплина, изучающая общие принципы и методы прогнозирования развития объектов любой природы, закономерности процесса разработки прогнозов. Как наука прогностика сформировалась в 70 — 80 годы ХХ столетия. Кроме понятия «прогностика», в литературе используют термин футурология. Как любая наука прогностика имеет набор своих терминов, употребляемых для обозначения определенных понятий. Определения понятий прогностики были зафиксированы в 1978 году.

Прогноз — обоснованное суждение о возможном состоянии объекта в будущем или альтернативных путях и сроках достижения этих состояний.

Прогнозирование — процесс разработки прогноза. Этап прогнозирования — часть процесса разработки прогнозов, характеризующаяся своими задачами, методами и результатами. Деление на этапы связано со спецификой построения систематизированного описания объекта прогнозирования, сбора данных, с построением модели, верификацией прогноза.

Прием прогнозирования — одна или несколько математических или логических операций, направленных на получение конкретного результата в процессе разработки прогноза. В качестве приема могут выступать сглаживание динамического ряда, определение компетентности эксперта, вычисление средневзвешенного значения оценок экспертов и т. д.

Модель прогнозирования — модель объекта прогнозирования, исследование которой позволяет получить информацию о возможных состояниях объекта прогнозирования в будущем и (или) путях и сроках их осуществления.

Метод прогнозирования — способ исследования объекта прогнозирования, направленный на разработку прогноза. Методы прогнозирования являются основанием для методик прогнозирования.

Методика прогнозирования — совокупность специальных правил и приемов (одного или нескольких методов) разработки прогнозов.

Прогнозирующая система — система методов и средств их реализации, функционирующая в соответствии с основными принципами прогнозирования. Средствами реализации являются экспертная группа, совокупность программ и т. д. Прогнозирующие системы могут быть автоматизированными и неавтоматизированными.

Прогнозный вариант — один из прогнозов, составляющих группу возможных прогнозов.

Объект прогнозирования — процесс, система, или явление, о состоянии которого даётся прогноз.

Характеристика объекта прогнозирования — качественное или количественное отражение какого-либо свойства объекта прогнозирования.

Переменная объекта прогнозирования — количественная характеристика объекта прогнозирования, которая является или принимается за изменяемую в течение периода основания и (или) периода упреждения прогноза.

Сложность объекта прогнозирования — характеристика объекта прогнозирования, определяющая разнообразие его элементов, свойств и отношений.

Период основания прогноза — промежуток времени, за который используют информацию для разработки прогноза. Этот промежуток времени называют также периодом предыстории.

Период упреждения прогноза — промежуток времени, на который разрабатывается прогноз.

Прогнозный горизонт — максимально возможный период упреждения прогноза заданной точности.

Точность прогноза — оценка доверительного интервала прогноза для заданной вероятности его осуществления.

Достоверность прогноза — оценка вероятности осуществления прогноза для заданного доверительного интервала.

Ошибка прогноза — апостериорная величина отклонения прогноза от действительного состояния объекта.

Источник ошибки прогноза — фактор, способный привести к появлению ошибки прогноза. Различают источники регулярных и нерегулярных ошибок.

Верификация прогноза — оценка достоверности и точности или обоснованности прогноза.

Эксперт — квалифицированный специалист по конкретной проблеме, привлекаемый для вынесения оценки по поставленной задаче прогноза.

При разработке социальных прогнозов в ряде случаев производится выявление мнения представителей различных групп населения, условно приравниваемых к экспертам.

Компетентность эксперта — способность эксперта выносить на базе профессиональных знаний, интуиции и опыта достоверные суждения об объекте прогнозирования. Количественная мера компетентности эксперта называется коэффициентом компетентности.

Экспертная группа — коллектив экспертов, сформированный по определенным правилам для решения поставленной задачи прогноза. Частным случаем экспертной группы выступает экспертная комиссия.

Компетентность группы экспертов — способность экспертной группы выносить суждения об объекте прогнозирования, адекватные мнению генеральной совокупности экспертов. Компетентность экспертной группы определяется различными методиками.

Экспертная оценка — суждение эксперта или экспертной группы относительно поставленной задачи прогноза. В первом случае используется термин «индивидуальная экспертная оценка», во втором — «коллективная экспертная оценка».

Статистические методы прогнозирования

Статистические методы прогнозирования — научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, т. е. функции, определённой в конечном числе точек на оси времени. Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объем денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи — интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К. Гауссом в 1794—1795 гг. Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование. Наиболее часто используется метод наименьших квадратов при нескольких факторах. Метод наименьших модулей, сплайны и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.

Оценивание точности прогноза (в частности, с помощью доверительных интервалов) — необходимая часть процедуры прогнозирования. Обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия. Разработаны параметрические (обычно на основе модели нормальных ошибок) и непараметрические оценки точности прогноза и доверительные границы для него (на основе Центральной Предельной Теоремы теории вероятностей). Применяются также эвристические приемы, не основанные на вероятностно-статистической теории: метод скользящих средних, метод экспоненциального сглаживания.

Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения — основной на настоящий момент статистический аппарат прогнозирования. Нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно; однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной Центральной Предельной Теореме теории вероятностей, технологии линеаризации и наследования сходимости [4]. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.

Весьма важна проблема проверки адекватности модели, а также проблема отбора факторов. Априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить, и крупное направление современных исследований посвящено методам отбора «информативного множества признаков». Однако эта проблема пока еще окончательно не решена. Проявляются необычные эффекты. Так, установлено, что обычно используемые оценки степени полинома имеют в асимптотике геометрическое распределение [1, 3]. Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее общие результаты в этой области получены с помощью подходов статистики нечисловых данных.

К современным статистическим методам прогнозирования относятся также модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.

Для установления возможности применения асимптотических результатов при конечных (т. н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста.

Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет нотны и рационального объема выборки, а также регрессионный анализ нечетких данных, разработанный в [5]. Общая постановка [1] регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи — дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем), давая единый подход к формально различным методам, полезна при программной реализации современных статистических методов прогнозирования.

Основными процедурами обработки прогностических экспертных оценок являются проверка согласованности, кластер-анализ и нахождение группового мнения. Проверка согласованности мнений экспертов, выраженных ранжировками, проводится с помощью коэффициентов ранговой корреляции Кендалла и Спирмена, коэффициента ранговой конкордации Кендалла и Бэбингтона Смита. Используются параметрические модели парных сравнений — Терстоуна, Бредли-Терри-Льюса — и непараметрические модели теории люсианов [1, 3]. Полезна процедура согласования ранжировок и классификаций путем построения согласующих бинарных отношений. При отсутствии согласованности разбиение мнений экспертов на группы сходных между собой проводят методом ближайшего соседа или другими методами кластерного анализа (автоматического построения классификаций, распознавания образов без учителя). Классификация люсианов осуществляется на основе вероятностно-статистической модели.

Используют различные методы построения итогового мнения комиссии экспертов. Своей простотой выделяются методы средних арифметических и медиан рангов. Компьютерное моделирование [3] позволило установить ряд свойств медианы Кемени, часто рекомендуемой для использования в качестве итогового (обобщенного, среднего) мнения комиссии экспертов. Интерпретация закона больших чисел для нечисловых данных в терминах теории экспертного опроса такова: итоговое мнение устойчиво, то есть мало меняется при изменении состава экспертной комиссии, и при росте числа экспертов приближается к «истине». При этом в соответствии с принятым в [4] подходом предполагается, что ответы экспертов можно рассматривать как результаты измерений с ошибками, все они — независимые одинаково распределенные случайные элементы, вероятность принятия определенного значения убывает по мере удаления от некоторого центра — «истины», а общее число экспертов достаточно велико.

Многочисленны примеры ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений [2] в условиях неопределенности (риска). Из-за противоречивости решений, получаемых по различным критериям, очевидна необходимость применения оценок экспертов.

В конкретных задачах прогнозирования необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья причин (в другой терминологии, деревья отказов) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски необходимо учитывать при прогнозировании экономических последствий принимаемых решений, поведения потребителей и конкурентного окружения, внешнеэкономических условий и макроэкономического развития России, экологического состояния окружающей среды, безопасности технологий, экологической опасности промышленных и иных объектов.

Современные компьютерные технологии прогнозирования основаны на интерактивных статистических методах прогнозирования с использованием баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.

Основные виды прогнозов

Относится к уровню технологического развития в прогнозируемой сфере, помогая проанализировать будущие веяния технологий.

Анализ будущего состояния экономических факторов, влияющих на развитие деятельности организации.

Прогнозирование факторов, влияющих на будущий спрос.

Предсказание возможных изменений и дальнейшей стратегии деятельности конкурентов

Прогноз изменения социальных установок людей, а также настроения общества, в целом.

Приложения (компьютерные) для прогнозирования

Для прогнозирования по временному ряду используют компьютерные программы — инструменты прогнозирования. Это позволяет автоматизировать большую часть операций при построении прогноза, а также позволяет избежать ошибок, связанных с вводом данных. Такие приложения могут быть как локальными (для использования на одном компьютере), так и интернет-приложениями (доступными в виде веб-сайта, например). В качестве локальных приложений следует выделить такие программы, как SPSS, Statistica, Forecast Expert.

Источник