Аннотация: Анализ данных, описывающих те или иные объекты и процессы предназначен, прежде всего, для нахождения зависимостей внутри них и выявления динамики их развития. Целями анализа и прогнозирования является подготовка материалов для принятия обоснованных решений. В данной работе рассматриваются этапы, методы и алгоритмы проведения анализа, направленные на получение, в первую очередь, функциональных зависимостей, пригодных не только для описания, но и прогнозирования поведения изучаемых объектов и процессов. Сам анализ рассматривается как многоэтапный процесс, включающий подготовку данных, выявление и удаление по возможности шума в данных, нахождение долговременного тренда, выявление колебательной составляющей, периодичности колебаний, оценку динамики амплитуд колебаний, оценка точности возможной аппроксимации процесса и возможности его прогнозирования с учетом уровня зашумленности данных. Предложен ряд процедур, обеспечивающих обоснованную проверку гипотез о ходе процессов и получение аналитических, в том числе и дифференциальных зависимостей на основе методов оптимизации подбора параметров нелинейных зависимостей. Рассмотренные методы позволяют проводить достаточно объективный анализ данных и создают условия для построения обоснованного прогноза. Проведен численный анализ по данным многолетней статистики динамики производства. Научная новизна исследования заключается в разработке методики декомпозиции процесса на трендовые и колебательные компоненты. В отличие от большинства существующих исследований анализа динамики процессов большое внимание уделяется учету и оценке уровня шума с определением пределов точности получаемых результатов и, тем более, прогнозов, что позволяет избегать необоснованных выводов и решений и построения «слишком» точных результатов на основе недостаточно точных исходных данных, исходя из требований гладкости функции при имеющемся уровне шума. Использование функций ограниченного роста и выявление точек смены тренда позволяет проводить корректное качественное долгосрочное прогнозирование без необоснованного предсказания катастрофического хода изучаемого процесса. Полученные результаты позволяют получить аналитическое выражение изучаемых, прежде всего экономических процессов, что позволяет не только аппроксимировать поведение процесса, но и выявлять его физическую сущность и, соответственно использовать полученные решения на целый класс процессов аналогичной природы.

Abstract: The analysis of data describing certain objects and processes is primarily intended to find dependencies within them and to identify the dynamics of their development. The goals of analysis and forecasting are to prepare materials for making informed decisions. This work examines the stages, methods, and algorithms of conducting analysis aimed at obtaining, primarily, functional dependencies that are suitable not only for description but also for predicting the behavior of the studied objects and processes. The analysis itself is viewed as a multi-stage process that includes data preparation, identifying and removing noise from the data as much as possible, finding a long-term trend, identifying oscillatory components, periodicity of fluctuations, assessing the dynamics of amplitude fluctuations, evaluating the accuracy of possible approximations of the process, and the feasibility of forecasting considering the level of data noise. A number of procedures are proposed to ensure a reasoned verification of hypotheses about the course of processes and to obtain analytical, including differential dependencies based on optimization methods for parameter fitting of nonlinear dependencies. The methods discussed allow for conducting a sufficiently objective data analysis and create conditions for building a reasonable forecast. A numerical analysis was conducted based on multi-year statistics of production dynamics. The scientific novelty of the study lies in the development of a methodology for decomposing the process into trend and oscillatory components. Unlike most existing studies of process dynamics analysis, significant attention is given to accounting for and assessing the noise level by determining the limits of accuracy of the obtained results and, moreover, forecasts, which helps avoid unfounded conclusions and decisions and the construction of "overly" precise results based on insufficiently precise initial data, taking into account the requirements of function smoothness at the existing noise level. The use of limited growth functions and the identification of trend shift points allows for correct qualitative long-term forecasting without unreasonable predictions of a catastrophic course of the studied process. The results obtained allow for an analytical expression of the studied processes, primarily economic ones, which not only enables the approximation of the process behavior but also reveals its physical essence, thus allowing the application of these solutions to a whole class of processes of a similar nature.

Аннотация: Предметом исследования является рассмотрение и анализ набора алгоритмов численного нахождения корней многочленов, прежде всего комплексных на основе методов поиска приближенного разложения исходных полиномов на множители. Если численное нахождение действительных корней обычно не вызывает трудностей, то с нахождением комплексных корней возникает ряд сложностей. В данной статье предлагается набор алгоритмов последовательного нахождения кратных корней многочленов с действительными корнями, далее действительных корней выделением интервалов, потенциально содержащих корни и заведомо не содержащих их, а затем комплексных корней многочленов. Для нахождения комплексных корней используется итеративное приближение исходного многочлена произведением трехчлена на многочлен меньшей степени с последующим использованием метода касательных в комплексной области в окрестности корней полученного трехчлена. Для нахождения корней многочлена с комплексными коэффициентами предлагается решение эквивалентной задачи с действительными коэффициентами. Реализация поставленных задач осуществляется поэтапным применением комплекса алгоритмов. После каждого этапа выделяется группа корней и решается та же задача для многочлена меньшей степени. Последовательность предлагаемых алгоритмов позволяет найти все как действительные, так и комплексные корни многочлена. Для нахождения корней многочлена с действительными коэффициентами строится алгоритм, включающий следующие основные этапы: определение кратных корней с соответствующим снижением степени полинома; выделение диапазона корней; нахождение интервалов, гарантированно содержащих корни и их нахождением, по их выделении остается найти только пары комплексно сопряженных корней; итеративное построение трехчленов, служащих оценкой значений таких пар с минимальной точностью, достаточной для их локализации; собственно поиск корней в комплексной области методом касательных. Вычислительная трудность предлагаемых алгоритмов является полиномиальной и не превосходит куба от степени многочлена, что позволяет получить решение для практически любых многочленов, возникающих в реальных задачах. Областью приложения помимо собственно полиномиальных уравнений является и сводимые к ним задачи оптимизации, дифференциальных уравнений и оптимального управления.

Abstract: The subject of the article is the consideration and analysis of a set of algorithms for numerically finding the roots of polynomials, primarily complex ones based on methods for searching for an approximate decomposition of the initial polynomials into multipliers. If the numerical finding of real roots usually does not cause difficulties, then a number of difficulties arise with finding complex roots. This article proposes a set of algorithms for sequentially finding multiple roots of polynomials with real roots, then real roots by highlighting intervals that potentially contain roots and obviously do not contain them, and then complex roots of polynomials. To find complex roots, an iterative approximation of the original polynomial by the product of a trinomial by a polynomial of a lesser degree is used, followed by the use of the tangent method in the complex domain in the vicinity of the roots of the resulting trinomial. To find the roots of a polynomial with complex coefficients, we propose a solution to an equivalent problem with real coefficients.  The implementation of the tasks is carried out by step-by-step application of a set of algorithms. After each stage, a group of roots is allocated and the same problem is solved for a polynomial of lesser degree. The sequence of the proposed algorithms makes it possible to find all the real and complex roots of the polynomial. To find the roots of a polynomial with real coefficients, an algorithm is constructed that includes the following main steps: determining multiple roots with a corresponding decrease in the degree of the polynomial; allocating a range of roots; finding intervals that are guaranteed to contain roots and finding them, after their allocation, it remains to find only pairs of complex conjugate roots; iterative construction of trinomials that serve as an estimate of the values of such pairs with minimal the accuracy sufficient for their localization; the actual search for roots in the complex domain by the tangent method. The computational complexity of the proposed algorithms is polynomial and does not exceed the cube of the degree of the polynomial, which makes it possible to obtain a solution for almost any polynomials arising in real problems. The field of application, in addition to the polynomial equations themselves, is the problems of optimization, differential equations and optimal control that can be reduced to them.

Аннотация: Предметом исследования являются процессы формирования цен на сырьевую продукцию в зависимости от спроса на конечные потребительские продукты. В статье рассматривается математическая модель, основанная на принципе максимальной полезности. Предлагаемая модель основана на поэтапном определении объемов производства и потребления конечных продуктов и соответствующих им цен в зависимости от цен используемого сырья и полуфабрикатов. Цены на промежуточные продукты и сырье формируются на основе потребностей выпуска конечных продуктов с их оптимизацией по спросу. Приведены основные математические соотношения в части использования принципа максимальной полезности применительно к модели спроса – предложения и его применения к многостадийному производству. Результаты, полученные при анализе модели, показывают слабость зависимости объемов производства и цен на конечную продукции от стоимости цен на сырье при его глубокой переработке. При ограниченных возможностях производства сырья динамика цен на него оказывается хорошо прогнозируемой.
Результаты моделирования, сопоставленные с известными статистическими данными, показывают адекватность предлагаемой модели реально происходящим экономическим процессам. Показано на примере статистики цен на нефть и продукты ее переработки значительное различие в вариативности цен на сырье и готовую продукцию. Выявлена ограниченность точности прогнозирования цен на сырьевые продукты при значительном объеме ее последующей переработки.

Abstract: The subject of this research is the processes of price formation for raw materials depending on the demand for end consumer products. The article reviews a mathematical model that is based on the principle of maximum utility. The proposed model is founded on the stage-by-stage determination of the production output and consumption of end products, as well as corresponding prices depending on the prices of used raw materials and semi-finished products. The prices for intermediate products and raw materials are formed depending on the need for end products output with their optimization by demand. The article provides the basic mathematical ration with regards to using principle of maximum utility applicable to the demand-supply model and its implementation in multi-stage production. The acquired results indicate weak dependence of production output and prices for end products on the cost of raw material in terms of advanced refining. With limited production capacity of raw materials, the dynamics of prices is well predicted. The results of modeling, compared to the available statistical data, indicate the adequacy of the proposed model to the unfolding economic processes. It is determined that the accuracy of price prediction for raw products with a significant volume of its subsequent processing is limited.

Аннотация: В статье рассматривается методика оценки шумовой компоненты во временных рядах с переменным шагом, ее обоснование и предлагается алгоритм удаления шума из данных. Анализ строится на основе требования гладкости функции, представляющей исходные данные и имеющей непрерывные производные до третьего порядка. Предлагаемая методика и алгоритмы оценки и устранения шума в данных в предположении о гладкости, представляемой ими функции, позволяют обоснованно определить как абсолютного, так и относительного шума в данных вне зависимости от равномерности шага измерений в исходных данных уровень шума в данных, удалить из данных шумовую компоненту. Алгоритм решения задачи основан на минимизации отклонений рассчитываемых значений от гладкой функции при условии соответствия отклонений от исходных данных уровню шума. Предлагаемая методика и алгоритмы оценки и устранения шума в данных в предположении о гладкости, представляемой ими функции, позволяют обоснованно определить как абсолютный, так и относительный шум в данных вне зависимости от равномерности шага измерений в исходных данных и их зашумленности, удалить из данных шумовую компоненту. Учитывая гладкость данных, получаемых в результате устранения шума, данные полученные удалением шума пригодны для выявления в них как аналитических, так и дифференциальных зависимостей

Abstract: The article discusses the methodology for estimating the noise component in time series with variable pitch, its justification, and suggests an algorithm for removing noise from data. The analysis is based on the requirement of smoothness of a function representing the original data and having continuous derivatives up to the third order. The proposed method and algorithms for estimating and eliminating noise in the data under the assumption of smoothness, the function they represent, allow reasonably determining both absolute and relative noise in the data, regardless of the uniformity of the measurement step in the source data, the noise level in the data, remove the noise component from the data . The algorithm for solving the problem is based on minimizing the deviations of the calculated values from the smooth function, provided that the deviations from the source data correspond to the noise level. The proposed method and algorithms for estimating and eliminating noise in the data under the assumption of smoothness, the function they represent, allow reasonably determining both absolute and relative noise in the data, regardless of the uniformity of the measurement step in the source data and their noise, and remove the noise component from the data. Considering the smoothness of the data obtained as a result of noise elimination, the data obtained by noise elimination are suitable for detecting both analytical and differential dependencies in them.

Аннотация: Предметом исследования является методика оценки шумовой компоненты во временных рядах и ее удаление, выделение тренда и колебаний c различными периодами, вводится понятие Т-ε и Т-h-ε почти периодов для конечных рядов. В основу анализа положено требование гладкости функции, представляющей исходные данные и имеющей производные до четвертого порядка включительно и выделение почти периодов на основе функций типа Альтера – Джонсона. Отдельно выделяется тренд длины периодов, выявленных в данных ряда колебаний. Алгоритм решения задачи основан на минимизации отклонений рассчитываемых значений от гладкой функции при условии соответствия отклонений от исходных данных уровню шума. Для выявления колебательной составляющей и тренда почти периодов используется модифицированная функция Альтера – Джонсона. Предлагаемая методика и алгоритмы оценки и устранения шума в данных позволяют обоснованно определить уровень шума в данных, удалить из данных шумовую компоненту, выявить почти периоды в данных в смысле введенных в статье определений, выделить в данных трендовую и колебательную составляющие, выявить, при необходимости, тренд изменения почти периодов.

Abstract: The subject of research is the method of estimating the noise component in the time series and its removal, the selection of the trend and fluctuations with different periods, the concept of T-ε and T-h-ε almost periods for the final series is introduced. The analysis is based on the requirement of smoothness of a function representing the original data and having derivatives up to the fourth order inclusive and the allocation of almost periods based on functions of the Alter-Johnson type. Separately, the trend of the length of the periods identified in the data of a number of fluctuations. The algorithm for solving the problem is based on minimizing the deviations of the calculated values from the smooth function, provided that the deviations from the source data correspond to the noise level. To identify the oscillatory component and the trend of almost periods, the modified Alter-Johnson function is used. The proposed methodology and algorithms for estimating and eliminating noise in the data allow us to reasonably determine the noise level in the data, remove the noise component from the data, identify almost the periods in the data in the sense of the definitions introduced in the article, highlight the trend and oscillation components in the data, identify, if necessary, the trend of changes almost periods.