Прогнозування стану житлового фонду міста (на прикладі м. Тернопіль) (стр. 5 из 13)

— аналітики бачать і працюють тільки з тими даними, що їм реально потрібні;

— цільова база даних вітрини даних, максимально наближена до кінцевого користувача.

— для реалізації вітрин даних не вимагаються високо могутня обчислювальна техніка.

Але, концепція вітрин даних має і дуже серйозні недоліки. Власне кажучи, тут передбачається реалізація територіально розподіленої інформаційної системи з мало контрольованою надмірністю, але, не пропонується способів, як забезпечити цілісність і несуперечність збережених у ній даних. Тому виникла ідея з'єднати дві концепції - сховища даних і вітрини даних і використовувати сховище даних у якості єдиного інтегрованого джерела даних для вітрин даних.

В основі концепції OLAP лежить принцип багатомірного представлення даних. Багатомірне концептуальне представлення являє собою множинну перспективу, що складається з декількох незалежних вимірів, уздовж яких можуть бути проаналізовані визначені сукупності даних [23]. Одночасний аналіз по декількох вимірах визначається як багатовимірний аналіз. Кожен вимір включає напрямки консолідації даних, що складаються із серії послідовних рівнів узагальнення, де кожен вищестоящий рівень відповідає більшого ступеня агрегації даних по відповідному вимірі.

Ціль Data Mining складається у виявленні схованих правил і закономірностей у наборах даних. Сучасні технології Data Mining перевіряють інформацію з метою автоматичного пошуку шаблонів, характерних для яких-небудь фрагментів неоднорідних багатомірних даних. На відміну від оперативної аналітичної обробки даних у Data Mining тягар формулювання гіпотез і виявлення незвичайних шаблонів перекладено з людини на комп'ютер [14].

Ідея систем міркувань на основі аналогічних випадків на перший погляд проста. Для того щоб зробити прогноз на майбутнє чи вибрати правильне рішення, ці системи знаходять у минулому близькі аналоги наявної ситуації і вибирають ту ж відповідь, що була для них правильною. Ці системи показують дуже гарні результати в найрізноманітніших задачах [14]. Головним їхнім мінусом вважають те, що вони взагалі не створюють яких-небудь моделей чи правил, що узагальнюють попередній досвід, — у виборі рішення вони ґрунтуються на всьому масиві доступних історичних даних.

Алгоритми обмеженого перебору минулого запропоновані для пошуку логічних закономірностей у даних. З тих пір вони продемонстрували свою ефективність при вирішенні безлічі задач із всіляких областей.

Отже, новими комп'ютерними технологіями, що здійснюють інтелектуальний аналіз даних є експертні й інтелектуальні системи, бази знань, бази даних [3]. Вони дозволяють створювати нові знання, виявляючи сховані закономірності, прогнозуючи майбутнє стан систем. Ефективним методом моделювання розвитку житлово-комунального господарства є метод імітаційного моделювання, що дозволяє досліджувати галузі за допомогою системного підходу. Це дає можливість на моделі пробувати різні стратегії розвитку галузі, врахувати вплив багатьох факторів, у тому числі з елементами невизначеності.

Таким чином, технології Data Mining дозволяють в автоматичному та напівавтоматичному режимі відшукувати сховані залежності і взаємозв'язки у величезних масивах інформації.Технології OLAP тісно зв'язані з технологіями побудови Data Warehouse і методами інтелектуальної обробки - Data Mining. Тому найкращим варіантом є комплексний підхід до їхнього впровадження.

2.2 Загальні принципи побудови системи підтримки прийняття рішень у житлово-комунальній сфері

Проектована система прогнозування стану житлового фонду та комунальної сфери призначена для інформаційної, методичної та інструментальної підтримки процесів підготовки і прийняття управлінських рішень на рівні місцевих органів влади у житлово-комунальній сфері.

Для досягнення цієї мети в рамках роботи вирішуються наступні задачі:

— формування і ведення аналітичної бази даних соціально-економічних показників галузі;

— комплексний аналіз сформованої соціально-економічної ситуації в житлово-комунальному господарстві;

— динамічне моделювання соціально-економічних і фінансових процесів у галузі;

— планування бюджетних витрат у частині житлового фонду;

— виконання різноманітних прогнозних розрахунків розвитку житлового фонду міста на основі комплексу динамічних моделей;

У відповідності з поставленою метою і тематикою роботи виділяються слідуючі підсистеми:

— бюджет;

— підприємства;

— житловий фонд;

— населення

До бюджету здійснюються податкові і неподаткові надходження від населення, підприємств і житлового фонду. Бюджетні кошти використовуються на соціальне забезпечення населення, на утримання і розвиток житлового фонду, на створення міського замовлення будівельним підприємствам. Населення проживає в житловому фонді, створює попит на послуги будівельних підприємств, купуючи у власність об'єкти житлового фонду Підприємства роблять послуги населенню, будуючи новий житловий фонд, обслуговуючи населення і житловий фонд.

При аналізі предметної області були виділені наступні чинники, які необхідно врахувати при моделюванні:

— витрати місцевого бюджету на житловий фонд (витрати на утримання, капремонт і будівництво житла);

— еволюція житлового фонду (будівництво нових будинків, знос житлового фонду, знос старих будов);

— населення (міграція, народжуваність і смертність населення);

— економічна активність будівельних і обслуговуючих підприємств;

Для обліку цих чинників при моделюванні необхідно деталізувати деякі підсистеми, як показано на рисунку 2.2.

Рисунок 2.2 - Деталізація підсистем

До будівельних підприємств відносяться будівельні організації і їх постачальники матеріалів і техніки. Інші підприємства розглядаються як обслуговуючі підприємства, які забезпечують роботу будівельних підприємств і обслуговують населення, що проживає на території міста (комунальне господарство, сфера послуг).

Розподіл житлового фонду на муніципальний і немуніципальний здійснюється за формою власності. Розподіл житлового фонду на новий, нормальний і зношений проводиться для обліку еволюції житлового фонду. Кожна одиниця житлового фонду проходить всі три стадії свого існування при природному ході подій. Ремонт одиниці житлового фонду може сповільнити процес її старіння, а капітальний ремонт здатний перетворити зношений житловий фонд в нормальний, цілком придатний для житла.

В аналітичній базі даних системи розробляються звітні форми експрес-перегляду й аналізу інформації в різних розрізах, аналітичні форми для агрегування, ранжування, кластеризації та інших видів обробки інформації.Також є блок звітних форм, орієнтованих на моніторинг виконання місцевого бюджету та інших показників. Звіти представляються в табличному і графічному виді.

Система включає підсистему короткострокового прогнозування стану житлового фонду призначену для щомісячного прогнозування основних показників розвитку житлово-комунальної сфери вцілому і житлового фонду зокрема та оцінки на їхній основі річних прогнозів. Підсистема щомісячного прогнозування дозволяє оперативно оцінити динаміку зміни аналізованих показників протягом року й у випадку різких відхилень від планованого курсу вчасно прийняти відповідні рішення [6].

Система включає підсистему середньострокового і довгострокового прогнозування. Розрахунок різноманітних середньострокових і довгострокових прогнозів розвитку ґрунтується на комплексній динамічній імітаційній моделі житлово-комунальної сфери. При формуванні моделі всі основні процеси у даній сфері відбиваються у взаємозв'язку за допомогою різницевих, балансових і статистичних рівнянь.

Вартісні показники представлені в поточних і порівняльних цінах. Сукупність макроекономічних параметрів і керуючих впливів регіонального рівня формує цільові альтернативи та настанови розвитку галузі. На основі комплексу сценаріїв модель виконує варіантні цільові та імітаційні прогнозні розрахунки розвитку житлового фонду.

Програмні засоби дозволяють довільно визначати інтервал прогнозування, формувати сценарії варіантів прогнозів, переглядати і візуально порівнювати результати розрахунку варіантів прогнозів [10]. Результати представляються у формі різноманітних табличних, графічних і картографічних звітів.

Система є відкритою, з можливістю подальшого розширення функцій в необхідному напрямку в режимі нарощування її ресурсів, тобто без перепроектування [10]. Система може бути виконана на основі аналітичного комплексу "Прогноз", у середовищі "сервер-клієнт-сервер" з використанням будь-якого SQL-сумісного СУБД (Oracle, Informix, MS-SQL Server і ін.).

Таким чином, загальна схема проходження інформації виглядає у такий спосіб: різні управління і відділи місцевих органів влади надають необхідну від них інформацію у потрібному обсязі.

З різних гетерогенних джерел даних інформація збирається й агрегується в сховище даних, що включає наступні вітрини даних: Бюджет, Населення, Житлово-комунальне господарство і Підприємства. Кожна вітрина даних надає інформацію з визначеної сфери:

Вітрина даних «Населення» надає інформацію по наступних показниках: чисельність населення, темпи народжуваності і смертності, середній розмір родини, чисельність населення з деталізацією по класі, прогноз динаміки доходів населення на родину та ін.

Вітрина даних «Житлово-комунальне господарство» надає інформацію по наступних показниках: площа житлового фонду з деталізацією по ступені зносу і категорії, прогноз необхідних витрат на утримання, капремонт і будівництво 1 кв. м., середня ринкова ціна 1 кв. м житла різної категорії, середня площа квартири, кількість одиниць устаткування інфраструктури, їх потужність, потреба в ресурсі на душу населення у рік, витрати на житлове господарство, тарифи на житло для населення, фактичний рівень неплатежів, фактична забезпеченість населення житлом.