WWW.KONF.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Авторефераты, диссертации, конференции
 


Pages:     | 1 || 3 | 4 |   ...   | 9 |

«Материалы III Международной научно-практической конференции КЛИМАТ, ЭКОЛОГИЯ, СЕЛЬСКОЕ ХОЗЯЙСТВО ЕВРАЗИИ, посвященной 80-летию образования ИрГСХА (27-29 мая 2014 г.) Часть II ИРКУТСК, ...»

-- [ Страница 2 ] --

Оценка остальных производственно-экономических параметров, входящих в модель, показывает, что они во многих случаях характеризуются тенденциями повышения и могут быть описаны с помощью трендов. В частности, это касается производства основных культур: зерновых, картофеля и рапса. Однако не всегда эти тенденции устойчивы. Некоторые из них являются линейными, а другие могут быть описаны полиномом второй степени.

В таких случаях для оптимизации сочетания производства сельскохозяйственной продукции можно применить модель параметрического программирования [4]. Вместе с тем другие параметры модели могут быть неопределенными, описываться в виде законов распределения вероятностей или интервальных оценок.

С учетом того, что часть параметров является функциональной, а другая

– подвержена непредсказуемым колебаниям математическая модель сочетания отраслей с использованием целевой функции на минимум затрат на производство может быть записана следующим образом:

cs xs ch xh min; (1) sS hH

–  –  –

искомые переменные площади культур s, s1, s2 или вида кормовых угодий, причем S S1 S2 ; cs – затраты на 1 га культуры s или вида кормовых угодий;

fl s (t ) – расход ресурса l1 на единицу площади s-культуры или вида кормовых угодий, зависимый от параметра t; fl s – расход ресурса l2 на единицу площади культуры s или вида кормовых угодий, изменяющийся в интервале fl2 s f l2 s ; Fl1 и Fl2 – наличие ресурса вида l1 и l2 ; Vq1 и Vq2 – гарантированный f l2 s объем производства продукции вида q1 и q2; p js – выход с единицы площади культуры s вида корма j ; x j – вспомогательная переменная (количество кормов вида j ), которая используется для скотоводства; n r, n r – максимально и минимально возможная площадь культур группы r; vq1s1 и vq2 s2 – выход товарной продукции вида q1 с единицы площади культуры s1; vq2 s2 – выход товарной продукции вида q2 с единицы площади культуры s2, варьирующий в пределах v q s vq s v q s ; ps – выход основной кормовой продукции с единицы площади культуры s или вида кормовых угодий; d kh, d kh – минимально и максимально допустимый нормативный размер потребности в кормах группы k единицы поголовья вида (группы) животныхh, выраженный в кормовых единицах; ais – содержание элемента питания i в единице кормовой продукции, получаемое от культурыs; aij – содержание элемента i питания в виде корма j или компоненте кормосмеси; s – коэффициент, учитывающий площадь семенных посевов для культурыs; a1 j – содержание элемента питания i в виде корма j или компоненте кормосмеси; a1s – содержание кормовых единиц в единице корма, получаемого от культуры s, f ms – расход вида удобрений m и средств защиты на единицу площади культуры s или вида кормовых угодий; xh

–искомая переменная, поголовье вида скотаh; fl h и fl h – расход ресурса на единицу поголовья вида (группы) животныхh; vqh – выход товарной продукции вида q с единицы поголовья видаh; bih – минимальная потребность в элементе питания i единицы поголовья вида (группы) h; ch – затраты на содержание единицы поголовья вида (группы) животных h без учета стоимости кормов; h – группы животных; hh – коэффициент пропорциональности между поголовьем животных hи их группами h.

Частная задача (1)-(12), когда коэффициенты левых частей ограничений зависят от параметра t или являются постоянными величинами, решена для ОАО "Барки". Здесь в качестве параметров, связанных со временем, использовались: урожайность картофеля и зерновых культур. Согласно трендам по данным 2008-2012 гг. урожайность картофеля составила 174, а зерновых – 15.2 ц/га. При решении задачи оптимизации сочетания растениеводства и животноводства на минимум затрат с полученными прогностическими значениями биопродуктивности картофеля и зерновых, максимальными оценками трудовых ресурсов в левых частях ограничений целевая функция составила около 83.8 млн. руб. В ситуации максимальной производительности труда критерий оптимальности соответствует немногим менее 78.8 млн. руб. Другими словами, различие между значениями целевой функции составили 6.4%. При этом имеет место значительное расхождение в структуре производства, различие между площадями посевных и произведенной продукции колеблются от -10.3 до 20% (табл. 1).

Таблица 1 – Результаты решения задачи оптимизации производства сочетания отраслей с прогностическими значениями урожайности картофеля и зерновых для ОАО "Барки" Иркутского района

–  –  –

Анализ параметров модели (1)-(12) показывает, что многие из них не всегда являются определенными. В частности, к таким параметрам относятся левые части ограничения (3), характеризующие трудовые ресурсы; условие по производству конечной продукции в натуральных и денежных единицах (8).

Задача (1)-(12) с учетом (3) и (8) применена для оптимизации сочетания отраслей сельского хозяйства ОАО Барки. При этом урожайность картофеля и зерновых принималась аналогично предыдущей задаче. Колебание трудовых ресурсов определялось в пределах 92% согласно росту производительности труда (табл. 2).

Таблица 2 – Нижние и верхние оценки затрат труда на производство продукции в ОАО “Барки”

–  –  –

Аналогичным образом использованы верхние и нижние оценки цен на произведенную продукцию (табл. 3).

Таблица 3 – Нижние и верхние оценки цен на реализованную продукцию ОАО "Барки

–  –  –

Предложенные задачи параметрического программирования с интервальными оценками решались по следующему алгоритму. Согласно трендам урожайности картофеля и зерновых определялись прогностические значения с упреждением один год. На основе метода Монте-Карло моделировались значения интервальных параметров. Затем формулировалась задача линейного программирования, которая решалась с помощью симплексметода.

После получения оптимального плана процедура повторялась:

моделирование значений интервальных оценок, построение задачи линейного программирования, нахождение оптимального решения. Число циклических операций составило 20. Из полученных результатов выделены максимальные и минимальные значения целевой функции и соответствующие им оптимальные планы.

В результате решения задачи параметрического программирования с интервальными параметрами амплитуда значений целевой функции составила 78.6-81.4 млн. руб. или 3.6%.

Таким образом, изменчивость трудовых ресурсов, связанная с повышением производительности труда и внедрением новых технологий, влияет на производственные затраты – уменьшение удельных затрат труда на получение продукции на 92% способствует сокращению значения целевой функции на 6.4%.

Список литературы

1. Барсукова М.Н. Оптимизационные модели планирования производства стабильных сельскохозяйственных предприятий / М.Н. Барсукова, Я.М. Иваньо – Иркутск: Изд-во ИрГСХА, 2010. – 160 с.

2. Городовская Ж.И. О трудовых ресурсах сельского хозяйства Иркутской области / Ж.И. Городовская, Я.М. Иваньо // Матер. регион. науч.-метод. конф. с международным участием, посвящ. 80-летию ФГБОУ ВПО ИрГСХА Современные проблемы и перспективы развития АПК// Иркутск: Изд-во ИрГСХА, 2014. – Ч.1. – С. 10-14.

3. Нормативы и методика расчета потребности сельскохозяйственных машин по агроландшафтным районам Иркутской области / В.И. Солодун, А.М. Зайцев, Г.Н. Поляков, В.М. Перевалов – Иркутск: ИрГСХА, 2014. – 31 с.

4. Решение задач управления аграрным производством в условиях неполной информации: Монография / Я.М. Иваньо и др. - Иркутск: Изд-во ИрГСХА, 2012. – 200 с.

–  –  –

Иркутская государственная сельскохозяйственная академия, г. Иркутск, Россия В настоящее время состояние воспроизводства основных фондов сельскохозяйственных предприятий Иркутской области является одним из факторов развития аграрной экономики региона, повышения качества и конкурентоспособности выпускаемой продукции. В этой связи в статье приведены динамика основных производственных фондов в сельскохозяйственных предприятиях Иркутской области, анализ интенсивности и эффективности их использования, определены основные направления повышения эффективности их использования.

Ключевые слова: основные производственные фонды, активная часть основных производственных фондов, фондообеспеченность, фондоотдача.

–  –  –

Currently, the state of reproduction of agricultural enterprises‘ fixed assets in Irkutsk Region is one of the factors of the region‘s agrarian economy development and of improvement of products quality and competitiveness. In this regard, the dynamics of the basic production assets in the agricultural enterprises of the Irkutsk region, intensity and efficiency analysis of their use are displayed, the main directions for improving their use efficiency are defined.

Key words: basic production assets, the active part of fixed assets, capital-labor ratio, capital productivity.

В настоящее время состояние воспроизводства основных фондов сельскохозяйственных предприятий Иркутской области является одним из факторов развития аграрной экономики региона, повышения качества и конкурентоспособности выпускаемой продукции.

За период 2001-2013 гг. размер основных производственных фондов сельскохозяйственных организаций и доля их активной части имеют тенденцию к увеличению (табл. 1).

Изменение величины основных фондов определяется величиной их поступления, выбытия и снижения остаточной стоимости.

Наибольший удельный вес в структуре основных производственных фондов (в стоимостном выражении) в 2001 году занимала неактивная часть (здания и сооружения) основных фондов – 58.5 %. Доля их в конце 2013 года к общей стоимости ОПФ снизилась и составила 33.6%.

Таблица 1 – Динамика и структура основных производственных фондов (на конец года) сельскохозяйственных организаций региона

–  –  –

Увеличение активной части основных производственных фондов сложилось вследствие их поступления (машины, оборудование и транспортные средства) и увеличения поголовья (продуктивного и рабочего скота). Так удельный вес стоимости видов основных средств – машины, оборудование и транспортные средства в период 2001-2013 гг. вырос на 26.3%.

Динамика роста вида средств – рабочий и продуктивный скот, увеличивалась в анализируемом периоде в абсолютном выражении соответственно рабочий скот на 74.3 млн. руб., продуктивный скот на

904.2млн. руб. Увеличение активных видов средств положительно характеризуют сложившуюся ситуацию в сельском хозяйстве региона.

В итоге размер основных производственных фондов сельскохозяйственных организаций региона увеличился в динамике 2001-2013 гг. на 12437.9 млн. руб., т.е. в 2.59 раза по отношению к 2001 году.

Между тремя важнейшими показателями – объемом производства сельскохозяйственной продукции, объемом ее продаж и величиной основных производственных средств – существует тесная связь.

Оценка эффективности использования основных средств предполагает расчет следующих обобщающих показателей и их анализ в динамике:

- фондоотдача (отношение стоимости произведенной или реализованной продукции после вычета НДС и акцизов к среднегодовой стоимости основных средств);

- фондоемкость (обратный показатель фондоотдачи – удельные капитальные вложения на один рубль прироста продукции).

За рассматриваемый период сельскохозяйственные предприятия региона значительно увеличили объем товарной продукции и это во многом обусловлено увеличением размера основных производственных фондов сельскохозяйственного назначения и ростом удельного веса машин и оборудования в общей стоимости основных производственных фондов.

Данные таблицы 2 показывают, что в сельскохозяйственных организациях региона фондоотдача на 1 рубль стоимости основных производственных фондов в динамике лет имеет тенденцию к увеличению, но фондоотдача в 2013 году несколько снизалась.

Это объясняется тем, что особенностью капитальных вложений в сельском хозяйстве является то, что эффект от них проявляется не сразу, в отличие от текущих вложений, а после их освоения и использования их на полную мощность.

Прирост объемов производства валовой и товарной сельскохозяйственной продукции может достигаться за счет абсолютного увеличения основных производственных фондов, т.е. за счет экстенсивного фактора, или за счет повышения фондоотдачи - интенсивного фактора.

Таблица 2 – Влияние уровня использования основных производственных фондов на размер товарной продукции в сельхозпредприятиях Иркутской области

–  –  –

Интенсификация производства характеризуется повышением отдачи (снижением емкости) затрачиваемых ресурсов. Сопоставление результата и стоимости основных средств в динамике позволяет оценить степень использования интенсивных и экстенсивных факторов производства в исследуемом периоде.

Темп роста влияния качественной характеристики (интенсивности) использования основных фондов рассчитывается соотношением темпа прироста выпуска продукции к темпу прироста стоимости основных средств.

Влияние в процентах прироста основных фондов на результативный показатель (выпуск продукции) определяется делением темпа прироста стоимости основных производственных фондов на темп прироста результата (выпуска продукции) и умножением их на 100%: Для определения доли влияния фондоотдачи полученный результат вычитается из 100%:

Данные анализа эффективности и интенсивности использования основных производственных фондов сельского хозяйства региона за последние годы приведен в таблице 3.

Соотношение темпа прироста стоимости основныхпроизводственных фондов и темпов прироста товарной продукции позволяет определить прирост основных средств на 1% прироста продукции (158 / 399 = 0.396) – это предельный показатель фондоемкости. Этот показатель меньше единицы (0.396), это означает, что основные производственные фонды сельскохозяйственных предприятий региона использовались в 2013 году более эффективно, чем в 2001 году.

Рост фондоотдачи (0.372) обусловлен превышением темпов роста объема товарной продукции над темпом роста среднегодовой стоимости основных производственных фондов. На каждый процент прироста основных фондов прирост товарной продукции составил (399 / 158) – 2.52 пункта. Это темп роста влияния на объем товарной продукции фондоотдачи. Данный показатель используется для оценки технологической эффективности производства.

Таблица 3 – Анализ интенсивности использования основных производственных фондов в сельхозпредприятиях Иркутской области

–  –  –

Доля влияния экстенсивности использования основных производственных фондов на прирост выручки от продаж, составляет 39.5%, при интенсивности влияния 60.5%.

Интенсивный путь ведения сельского хозяйства предполагает систематический рост фондоотдачи за счет увеличения производительности труда, технического совершенствования основных фондов и других факторов [1].

На основании выше изложенного, можно сделать вывод, что повышение эффективности и интенсивности использования капитальных вложений в сельское хозяйство может быть достигнуто за счет:

- широкого применения типовых проектов, которые оправдали себя на практике; это позволяет снизить затраты и сроки на проектирование объекта, а также уменьшить риск выбора неэффективного проекта;

- обеспечением комплексности вложений; например, в животноводстве необходимо достичь оптимального сочетания вложений средств в строительство животноводческих помещений, кормоцехов и формирования основного стада;

- осуществление приоритетного вложения средств с учетом эффективности их использования. Так затраты на реконструкцию объектов окупаются в 2-3 раза быстрее, чем затраты на новое строительство;

- недопущения распыления капитальных вложений по многим объектам:

концентрация инвестиций на строительстве отдельных объектов позволяет вести его непрерывно и сократить сроки ввода объекта в эксплуатацию;

- соблюдение режима экономии, удешевления строительства за счет использования более дешевых местных материалов и др. пути [6].

Список литературы

1. Зельднер А. Инвестиции как условие экономического роста АПК / А. Зельднер // Международный сельскохозяйственный журнал. – 2005. – №5. – С. 19-20.

2. Кулов А.Р. Доходность сельского хозяйства и инвестиционная активность в отрасли / А.Р. Кулов // Финансы. – 2006. – №11. – С. 7-10.

3. Лукашев Н.И. Проблемы обновления основных производственных фондов в сельском хозяйстве / Н.И. Лукашев // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2005. – №12. – С. 11-13.

4. Лякишева И. Инвестиционные процессы в сельском хозяйстве / Лякишева И., Шутьков С.// АПК: экономика, управление. – 2006. – №2. – С.22-27.

5. Серов В. Эффективность инвестиционных процессов в региональном АПК / В.Серов// АПК: экономика, управление. – 2005. – №12. – С.23-31.

6. Симичев А. Роль инвестиций в развитии сельскохозяйственного производства / А.

Симичев// Международный сельскохозяйственный журнал. – 2005. –№2. – С.22-23.

–  –  –

Красноярский государственный аграрный университет, г. Красноярск, Россия В статье показывается значимость повышение конкурентоспособности молока в условиях вступления России в ВТО. Рассматривается сущность конкурентоспособности предприятия; признаки, которыми она обуславливается; этапы оценки конкурентоспособности предприятия; методики оценки конкурентоспособности предприятий. В заключении проводится оценка конкурентоспособности конкретного предприятия – ООО Емельяновское, являющегося предприятием федерального значенияобеспечивающего большую долю молока на потребительском рынке города Красноярска и Красноярского края.

Ключевые слова: конкурентоспособность предприятия, матричный метод, оценку продукции предприятия, метод эффективной конкуренции.

THE COMPETITIVENESS OF AIC ENTERPRISES

S.G. Emelyanova, L.V. Kalyagina Krasnoyarsk State Agrarian University, Krasnoyarsk, Russia The paper shows the importance of improving the competitiveness of milk in the conditions of Russia's accession to the WTO. The essence of the enterprise competitiveness and its determining conditions, company competitiveness assessment stages, enterprise competitiveness assessment techniques are considered. In conclusion the competitiveness of a particular company – LLC "Yemelyanovskoye", an enterprise of federal importance providing a major part of milk at the consumer market of Krasnoyarsk and Krasnoyarsk region is assesed.

Key words: competitiveness of enterprises, matrix method, evaluation of enterprise, effective competition.

В условиях вступления России в ВТО, повышение конкурентоспособности молока имеет большую значимость для развития агропромышленного комплекса. Ее решение имеет комплексный характер для экономики страны, связанный с повышением уровня жизни людей, укрепления их здоровья, а также с обеспечением национальной производственной безопасности. С усилением конкурентной борьбы за покупателя и развитием рыночных отношений, повышение конкурентоспособности продукции явилось первостепенной задачей товаропроизводителя в обеспечении его финансовоэкономической устойчивости. Особая значимость приобретается в условиях снижающейся платежеспособного спроса покупателей, которые не создают выгодные конкурентные позиции отечественной продукции на рынке низкого уровня эффективности производства [1].

Конкурентоспособность – характеристика, показывающая отличие продукции от товаров-конкурентов как по степени соответствия конкретной общественной потребности и благу, так и по затратам на ее удовлетворение.

Конкурентоспособность предприятия обусловливается следующими признаками:

1) потребители готовы и довольны, могут приобрести повторно продукцию данного предприятия;

2) партнеры, акционеры, общество претензий к фирме не имеют;

3) в работе предприятия работники своим участием гордятся, а другие считают за честь трудиться в этой компании.

Этапы для оценки конкурентоспособности предприятия:

- анализ и выбор рынка для реализации продукции;

- изучение конкурентов, выпускаемых аналог продукта;

- выбор товара-аналога как базы для сравнения;

- определение подлежащих оценке необходимых групп, параметров;

- выбор методик расчета;

- расчет интегрального показателя конкурентоспособности продукции предприятия [2].

Признаки присущие конкурентоспособности предприятия:

- релевантность – конкурентная позиция и конкурентные преимущества данного экономического субъекта относительно других субъектов внешней среды;

- относительность – проявляется исключительно через сравнение характеристики одного экономического субъекта с характеристиками других субъектов;

- динамичность – критерий конкурентоспособности, характеризующий положение субъекта в конкурентном поле как результат его конкурентной деятельности в координатах времени.

Методики оценки конкурентоспособности:

1) Матричный метод (разработанный Бостонской консалтинговой группой). Репрезентативность оценки в основе методики.

Недостатки метода: осложняет выработку управленческих решений, а также исключает анализ причин происходящего явления.

2) Метод, использующий в качестве основного подхода оценку продукции предприятия.

Аннотация метода базируется на рассуждении о том, что чем выше конкурентоспособность производителя, тем выше конкурентоспособность его продукции. Цена и качество используется как показатель, оценивающий конкурентоспособность продукции. Продукция является наиболее конкурентоспособной, когда имеют оптимальное соотношение этих характеристик.

3) Метод эффективной конкуренции.

Базируется на теории о том, что наиболее конкурентоспособным является то предприятие, где лучше организованы работа основных фондов, организация труда на производстве, а также совершенство технологии изготовления товара.

ООО Емельяновское создано в результате реорганизации ЗАО Емельяновское. Форма собственности – частная. Данное предприятие находится в благоприятном экономико-географическом положении, в непосредственной близости с краевым центром. Центральная усадьба хозяйства находится в районном центре по адресу: Красноярский край, Емельяновский район, п. Емельяново, ул. 2-х Борцов, 23. Производственное направление ООО Емельяновское в 2014 году – молочное, на рынок конечной продукции поставляется молоко и молочная продукция.

Предприятие является предприятием федерального значения, т.к.

обеспечивает большую долю данного вида продукции на потребительском рынке г. Красноярска и Красноярского края.

Конкурентоспособность предприятия должна изучать его слабые и сильные стороны. Также, необходимо более детально оценить конкурентоспособность самого предприятия и предприятия конкурента. Это делается сопоставлением между собой различных производственных подразделений внутри предприятия по уровню конкурентоспособности, оценить их слабые и сильные стороны в этой области. ООО Емельяновское по оценке конкурентоспособности представлено в таблице 1.

Таблица 1 – Контрольный лист для анализа сильных и слабых сторон предприятия ООО “Емельяновское” в конкурентной борьбе

–  –  –

ГРАФА 1 – Лидирующее положения на рынке.

ГРАФА 2 –Положение показателей, которые выше среднего.

ГРАФА 3 – Полное соответствие отраслевым стандартам. Средний уровень.

ГРАФА 4 – Необходимо позаботиться о улучшении позиций на рынке.

Низкий уровень.

ГРАФА 5 –Требуется улучшение позиции на рынке. Предприятие пребывает в ситуации кризиса.

Следует сделать вывод, что ООО Емельяновское в основном характеризуют графа 4 и 5. Руководителю предприятия необходимо задуматься об улучшении своей позиций на рынке сбыта продукции. Следует обратить внимание финансовое состояние, а также платежеспособность предприятия. Требуют внимания и организационно-управленческие факторы.

Усиливается четкость разделения полномочий, появляются проблемы нерационального использования денежных ресурсов, отсутствуют функций в аппарате управления [4].

Следовательно, ожидаемый результат – наращивание объемов производства и повышение конкурентоспособности производимой продукции [3].

Список литературы

1. Гурков И.Б. Тенденции изменения конкурентоспособности отечественной продукции / И.Б. Гуркова, Н.Л. Титова // Маркетинг. – 1997. – № 1. – С. 20-31.

2. Демидова JI.H. О повышении конкурентоспособности предприятий. / Л.Н.

Демидова, С.И. Черняев // Молочная промышленность. – №10. – 1999. – С. 8-11.

3. Кротков А.М. Конкурентоспособность предприятия: подходы к обеспечению, критерии и методы оценки / А.М. Кротков, Ю.А. Еленев // Маркетинг в России и за рубежом.

– 2008. – № 6. – С. 59-69

4. Малахов С.Н. Повышение эффективности и конкурентоспособности производства молока / С.Н. Малахов, М.Ф. Шкляр // Молочное и мясное скотоводство. – 2003. – № 1. – С.

11-14.

УДК 330.4

ВОЗМОЖНОСТИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ

РАСХОДА ТОПЛИВА НА ОТОПЛЕНИЕ

–  –  –

Иркутский государственный университет, г. Иркутск, Россия Институт систем энергетики им. Л.А. Мелентьева СО РАН, г. Иркутск, Россия В статье исследуются возможности прогнозирования объемов расхода топлива на отопление за весь отопительный период на основе расчетных дат начала отопительного периода и оценок расхода топлива на отопление за первые месяцы отопительного года.

Изменения расходов топлива на отопление оцениваются показателем интегральной разности температур внутри и вне зданий за исследуемый период. На основе данных о многолетних наблюдений температур в отдельных пунктах России установлено наличие обратной корреляционной зависимости между датой начала отопительного года и интегральной разностью температур за весь отопительный период. Установлено также наличие прямой статистической зависимости между накопленной за начальные месяцы отопительного периода и остаточной интегральными разностями температур.

Ключевые слова: интегральная разность температур, дата начала отопительного периода, топливопотребление, регрессионная зависимость.

–  –  –

The possibilities of predicting the heating fuel consumption for the whole heating period based on the estimated dates of the beginning of the heating period and of fuel consumption evaluations for heating in the first months of the heating year are considered. Changes in heating fuel consumption are estimated as an integrated temperature difference rate inside and outside the buildings during the analyzed period. An inverse correlation between the heating year starting date and the integral temperature difference for the whole heating season based on longterm temperature observations in some parts of Russia is found. Also established A positive statistical dependence between accumulated during starting months of a heating period and the residual integral temperature differences.

Key words: integral temperature difference, the start date of the heating period, the fuel consumption, the regression dependence.

В силу суровых климатических условия для нашей страны всегда одной из приоритетных задач являлось обеспечение надежного топливоснабжения населения и предприятий в зимний период. Это требует создания специальных резервов и запасов котельно-печного топлива в осенне-зимний период [1].

Уместно отметить, что проблемы регулирования колебаний расхода топлива на отопление, влияния на них метеорологических факторов рассматривались многими учеными-энергетиками СССР, в том числе в работах Л.С. Хрилева, Ю.Я. Мазура, А.С. Некрасова, Т.М.Полянской, М.А. Великанова и др. [2-3].

Одним из важнейших факторов в колебаниях топливопотребления являются метеоусловия зимнего периода.

Возможные отклонения расхода топлива на отопление оцениваются по многолетним рядам показателя интегральной разности температур внутри и вне здания за отопительный период:

r L Br t tr k, 1, T r, (1) k 1 где: T – количество рассматриваемых отопительных периодов, - номер r рассматриваемого отопительного периода, r – номер рассматриваемого района r или пункта наблюдения, k - номера дней отопительного периода, L - общее количество дней отопительного периода в районе k. Символом t обозначено нормативное значение температур внутри здания (в представленных ниже результатах t 18 C ).

Расчетная дата начала отопительного периода определялась по следующему формализованному правилу: если среднесуточная температура в течение 5 суток ниже (выше) 8 C, то считаем, что отопительный период наступил (закончился).

Можно ли прогнозировать показатель интегральной разности температур за весь отопительный период на основе данных метеонаблюдений начала и первой половины отопительного периода? Поиск ответа на этот вопрос и был целью исследований, представленных в данной статье.

Влияние даты начала отопительного периода на расход топлива на отопление. Районы с более холодными зимними температурами обычно имеют более длительный отопительный период, и как следствие, отопительный сезон в таких населенных пунктах начинается раньше, чем в теплых районах.

Естественно предположить: в одном и том же районе при более раннем наступлении расчетной даты начала отопительного периода (определяемой по указанному во введении правилу) возрастает вероятность того, что показатель интегральной разности температур за этот отопительный период будет больше, чем его среднестатистическое значение за многолетний период. При более позднем наступлении расчетной даты начала отопительного периода возрастает вероятность более теплой зимы.

Для проверки этой гипотезы воспользуемся двумя методами. Первый из них – основывается на подсчете и оценке частот распределения наблюдений по квадрантам координатной плоскости.

Множества наблюдений (дата начала отопительного периода и интегральная разность температур) разбиваются на два подмножества по двум признакам: в зависимости от того больше или меньше дата начала данного отопительного периода относительно среднеарифметической даты за весь многолетний период, и от того больше или меньше интегральная разность температур данного отопительного периода среднемноголетнего значения этого показателя. В итоге получаем разбиение множества отопительных периодов на четыре подмножества (рис. 1).

Рисунок 1 можно интерпретировать следующим образом: I квадрант соответствует ситуации позднего наступления холодной зимы, II квадрант ситуации раннего наступления холодной зимы, III квадрант – раннее наступление теплой зимы и IV квадрант – позднее наступление теплой зимы.

Следует пояснить, что «теплой (холодной) зимой» будем считать зиму с интегральной разностью температур меньшей (большей) среднего арифметического значения интегральной разности за весь период наблюдения.

Аналогично, ранней (поздней) зимой будем называть зиму с датой начала отопительного периода меньшей (большей) его среднемноголетнего значения.

интегральная разность температур

–  –  –

Пункты метеонаблюдений, представленные в таблицах 1,2, ранжированы в порядке убывания средней арифметической за весь период наблюдения интегральной разности температур.

Для всех рассматриваемых пунктов коэффициент тесноты связи оказался больше единицы, что подтверждает наше предположение – можно говорить о существовании обратной статистическую зависимость между датой начала отопительного периода и интегральной разностью температур.

Для уточнения зависимости между датой начала отопительного периода и интегральной разностью температур для рассматриваемых районов воспользуемся вторым методом – построение регрессионной зависимости между этими показателями.

Для каждого рассматриваемого зимнего периода определяется зависимость:

Br br a r lr r, 1,T r, (4) где br, a r – искомые коэффициенты, – остаточный член регрессионной r зависимости (показатель погрешности аппроксимации).

Для определения коэффициентов br, a r – используем критерий минимума суммы квадратов остаточного члена:

T

–  –  –

Для оценки тесноты связи между датой начала отопительного периода и интегральной разностью температур (Рисунок 1) вычислим парный коэффициент корреляции:

–  –  –

оказались отрицательными, что свидетельствует об устойчивой убывающей статистической зависимости между рассматриваемыми величинами. Вместе с тем, коэффициент детерминации K d ( y, x) показывает, что эту связь нельзя считать сильной.

Зависимость между накопленной и остаточной интегральной разностью температур. В этом разделе представлены результаты исследований статистических связей между расходами топлива на отопление (интегральной разностью температур) за прошедшую часть отопительного периода и за оставшуюся часть. Если будет выявлено наличие статистической зависимости между прошедшей и оставшейся частями, то тем самым будет доказана возможность прогнозирования уже по ходу зимы отклонений уровней расхода топлива на отопление в оставшейся части зимы.

В представленных здесь исследованиях сопоставляются для каждого отопительного периода дат два показателя: накопленная и остаточная интегральные разности температур за этот отопительный период.

Накопленная интегральная разность температур представляет собой сумму посуточных разностей температур с начала отопительного периода до рассматриваемой даты:

–  –  –

его начала до рассматриваемой даты, r – номер рассматриваемого района или r пункта наблюдения, k – номера дней отопительного периода, L – общее количество дней отопительного периода в районе r.

Остаточная интегральная разность – это разница между интегральной разностью за отопительный период и накопленной к определенной дате интегральной разностью температур:

–  –  –

где L – общее количество дней отопительного периода в районеr.

r Проверяется предположение о том, что если первая половина отопительного года была холодной (теплой), то возрастает вероятность более холодной (теплой) оставшейся части отопительного периода.

Для проверки этой гипотезы воспользуемся двумя методами аналогичными использовавшимися в первой части статьи. Первый из них – основывается на подсчете и оценке частот распределения наблюдений по квадрантам координатной плоскости.

Множества наблюдений (накопленная и остаточная интегральные разности температур) разбиваются на два подмножества по двум признакам.

Далее производится подсчет частот распределения отопительных периодов по квадрантам координатной плоскости.

Распределения отопительных периодов по накопленной и остаточной интегральным разностям температур по г. Иркутск наглядно представлены на Рисунке 2. По оси абсцисс рассматривается показатель накопленной к данной дате интегральной разности температур, по оси ординат – остаточной интегральной разности температур.

Для оценки тесноты связи между этими величинами введем показатель синхронности отклонений потребности в топливе на отопление за прошедший и предстоящий подпериоды отопительных периодов:

n n3 k 1 (10), n2 n4 где ni, i 1.4 частота распределения отопительных периодов по квадрантам координатной плоскости.

В таблице 2 представлены результаты расчета показателя синхронности (10). Из этих данных видно, что рассматриваемая гипотеза о наличии статистической связи в отклонениях интегральной разности температур прошедшего и предстоящего отопительных подпериодов подтверждается – почти всегда показатель синхронности (10) оказался большим единицы.

1 декабря 1 января

–  –  –

Рисунок 2 – Распределение отопительных периодов по накопленной и остаточной интегральным разностям температур, г. Иркутск Таблица 2 – Динамика изменения коэффициента тесноты связи между накопленной и остаточной интегральными разностями температур по мере завершения отопительного периода

–  –  –

Для выявления зависимости между накопленной и остаточной интегральными разностями температур, воспользовавшись формулами (4)-(7), была построена регрессионная зависимость между накопленной и остаточной интегральными разностями температур (рис. 2). Все значения коэффициента XY r оказались положительными, что свидетельствует об устойчивой положительной статистической зависимости между отклонениями накопленной и остаточной интегральной разностью температур. Вместе с тем, коэффициент детерминации K d ( y, x) показывает, что эту связь нельзя считать сильной.

На основе многолетних данных температур в отдельных пунктах России установлено наличие обратной корреляционной зависимости между датой начала отопительного года и интегральной разностью температур за весь отопительный период.

Установлено также наличие прямой статистической зависимости между накопленной за начальные месяцы отопительного периода и остаточной интегральными разностями температур. Это позволяет уверенно говорить о возможности использования как расчетной даты текущего отопительного периода, так и хода температур наружного воздуха в прошедшие месяцы отопительного периода для прогнозирования интегральной разности температур за весь отопительный период.

Список литературы

1. Зоркальцев В.И. Методы прогнозирования и анализа эффективности функционирования системы топливоснабжения / В.И. Зоркальцев – М.: Наука, 1988. – 144 с.

2. Хрилев Л.С. О влиянии климатического фактора на перспективную структуру топливно-энергетического баланса / Л.С. Хрилев // Теплоэнергетика. –1966. - № 2. – С.16- 26.

3. Мазур Ю.Я. Проблемы маневренности в развитии энергетики / Ю.Я. Мазур – М.:

Наука, 1986. – 94 с.

–  –  –

Иркутская государственная сельскохозяйственная академия, г. Иркутск, Россия В работе проведен статистический анализ биопродуктивности продовольственных культур. Выявлено, что для моделирования многолетних рядов урожайности могут использоваться стохастические, авторегрессионные, трендовые и факторные модели. Кроме того, проведена оценка однородности рассматриваемых последовательностей и оценены междурядные связи. На основании выявленных закономерностей изменчивости предложены одно- и многоэтапные модели оптимизации структуры посевов, позволяющие учитывать особенности биопродуктивности в целевой функции и ограничениях. Модель оптимизации структуры посевов с вероятностными параметрами без непосредственного учета мнения эксперта реализована для предприятия Иркутского района.

Ключевые слова: биопродуктивность, продовольственная культура, математическая модель, задача математического программирования, неопределенный параметр.

THE PECULIARITIES OF VARIABILITY OF FOOD CROPS BIOPRODUCTIVITY IN

CROPS PLACEMENT OPTIMIZATION PROBLEMS

Yr.М. Ivan’o, М.N. Polkovskaya Irkutsk State Academy of Agriculture, Irkutsk, Russia In this paper a statistical analysis of bio-productivity of food crops is carried out. It is revealed that stochastic, autoregressive, trend and factor models can be used for modeling longterm productivity series. In addition, an assessment of homogeneity sequences under consideration is made and inter-row connections are evaluated. One- and multi-stage optimization models of cropping patterns considering the bioproductivity peculiarities in the objective function and constraints are proposed on the basis of the identified variability patterns.

Optimization model of cropping patterns with probabilistic parameters without direct regard to the opinion of the expert was implemented for the company in Irkutsk region.

Key words: bioproductivity, food culture, mathematical model, mathematical programming problem, uncertain parameter.

Анализ многолетних рядов урожайности сельскохозяйственных культур показывает, что они не являются детерминированными и зачастую характеризуются высокой степенью неопределенности и неоднородности, что предполагает определение адекватных моделей, описывающих изменчивость параметра биопродуктивности. При этом необходимо учитывать переменность климатических параметров, которые оказывают существенное влияние на аграрное производство, особенно в зонах с резко континентальным климатом.

Свойства изменчивости производственных и природно-климатических параметров необходимо учитывать в задачах оптимизации производства продовольственной продукции [4]. Наличие неопределенных параметров предполагает при решении задач математического программирования использование метода статистических испытаний. Другими словами, в реальных условиях необходимо решать задачи, связанные с определением множества вариантов оптимальных планов и выделением среди них наиболее целесообразных для управления.

Основным параметром, отражающим уровень интенсификации сельскохозяйственного производства, является биопродуктивность сельскохозяйственных культур. От правильного ее прогнозирования во многом зависят себестоимость, рентабельность, затраты и другие экономические показатели.

В работе изменчивость урожайности сельскохозяйственных культур рассматривалась как характеристика различного территориального уровня, обладающая разными статистическими свойствами (рис. 1). При выявлении закономерностей колебаний этого параметра в рамках региона (Иркутская область) использовались данные семнадцати различных групп и видов культур по двадцати семи муниципальным, восьми агроландшафтным районам и трем сельскохозяйственным зонам.

–  –  –

Проверка рядов биопродуктивности на случайность и оценка наличия тренда показала, что 61% исследуемых рядов являются вероятностными, 33% – слабосвязными, 6% – с сильными значимыми автокорреляционными связями.

На основании критериев согласия для случайных и слабосвязных рядов построены законы распределения вероятностей. Наиболее распространенным законом оказалось распределение Гаусса. Ему подчиняются 45% всех рядов биопродуктивности, в основном – зерновые, овощные культуры, однолетние и многолетние травы на зеленый корм и сено. Что касается гамма-распределения, то оно справедливо для выборок кормовых культур, кукурузы, силосных культур и трав некоторых районов. Логарифмически нормальное распределение вероятностей характерно для рядов урожайности моркови, свеклы, капусты, однолетних и многолетних трав на зеленый корм и сено [1].

Значимые линейные, параболические и степенные авторегрессионные зависимости определены для зерновых культур (пшеница, ячмень, овес) и овощей (морковь, свекла) в районах, относящихся к юго-восточной лесостепи;

многолетних трав на сено – в Тайшетском районе.

Общий вид моделей, полученных для различных урожайностей в разных районах, приведен в таблице 1.

Немаловажное значение для решения практических задач имеют выводы о связях между рядами урожайности различных сельскохозяйственных культур. Исследования показали, что между урожайностями различных групп культур в основном наблюдаются слабые корреляционные связи. В годы, когда имеет место высокая урожайность зерновых культур, как правило, наблюдается невысокая урожайность других групп.

На основании критерия Фишера выявлено, что большая часть рядов урожайности зерновых и овощей являются однородными. Вместе с тем неоднородностью на всей территории Иркутской области обладают ряды биопродуктивности кормовых корнеплодов, кукурузы и силосных культур, которые при оптимизации структуры посевов используются как интервальные параметры.

Таблица 1 – Модели оценки биопродуктивности сельскохозяйственных культур

–  –  –

сумма месячных температур за вегетационный период;t2 –сумма месячных осадков за вегетационный период.

При исследовании влияния факторов на урожайность сельскохозяйственных культур использованы ряды средних месячных температур и осадков за вегетационный период, число дней бездождевого и безморозного периода. Для рядов биопродуктивности зерновых, картофеля, овощей и кормовых культур по агроландшафтным и муниципальным районам региона построены одно- и многофакторные модели. При этом обычно на юге территории большее влияние на результативный признак оказывают температуры за вегетационный период, а севернее к ним добавляется второй фактор – осадки [2].

Факторные модели могут использоваться для моделирования урожайности в зависимости от климатических условий в тот или иной год. Для этого предлагается алгоритм с применением метода статистических испытаний, позволяющий моделировать случайные значения факторов и на основе зависимости оценивать урожайность сельскохозяйственных культур для различных благоприятных и неблагоприятных условий. При этом предлагается решать прямые и обратные задачи.

Выявленные особенности урожайности групп и видовсельскохозяйственных культур необходимо учитывать при оптимизации размещения посевов сельскохозяйственных культур. В таблице 2 предлагаются различные постановки задачи оптимизации структуры посевов.

В первой задаче, со случайными параметрами, оптимальные решения предлагается определять в виде функции распределения, вероятность которой представляет собой сумму вероятностей случайных параметров модели. Эта задача математического программирования применима для предприятий агропромышленного комплекса, муниципального района или сельскохозяйственной зоны.

При наличии коротких и неоднородных рядов применима задача математического программирования с интервальными параметрами, в качестве оптимальных решений которой использованы экстремальные значения целевой функции f max, f max и медиана f max.

max min me Поскольку в стабильно работающих хозяйствах и на развитых сельскохозяйственных территориях имеет место устойчивое производство продовольственной продукции, в этих ситуациях предлагается использовать задачи параметрического программирования. При этом урожайность yis (tg) описывается разработанными адекватными моделями линейного и нелинейного типа. Решение такой задачи связано с параметрами tg.

Помимо моделей оптимизации структуры посевов, учитывающих особенности рядов биопродуктивности, предлагается задача оптимизации размещения культур с использованием севооборотов, в которой необходимо учитывать влияние предшественника, качество почв, агротехнические особенности возделывания и др. Поскольку такая задача является сложной, в реальной ситуации определяется множество ее решений, среди которых необходимо выбрать наиболее эффективные для управления. В этом случае предлагается моделировать ситуации с помощью многоэтапных задач математического программирования.

В работе [3] предложены разные варианты многоэтапной задачи оптимизации структуры посевов с детерминированными и неопределенными параметрами, связанные с особенностями предшественников сельскохозяйственных культур.

При оптимизации размещения посевов с учетом влияния предшественников целевая функция и ограничения детерминированной задачи выглядят так dish yis xis cis xis max ( h H ), hh hh (12) iI sS iI sS

–  –  –

l на единицу площади культуры s поля i (тыс. чел.-ч/га, тыс. руб./га), соответствующий некоторой вероятности; Vli – наличие ресурса вида l поля i; Ys – гарантированный (обязательный) объем производства продукции культуры s (ц); n, n – max и min возможная площадь возделывания культур (га); s – коэффициент, учитывающий площадь посевов семян культуры s; wmis – расход удобрения m (средства защиты растений) на единицу площади поля i культуры s (ц/га); Wmi – наличие удобрения вида m для поля i (ц), tg – параметр, влияющий на биопродуктивность культур.

На первом этапе рассчитываются значения критерия оптимальности в зависимости от заданных предшественников h. Затем из полученных вариантов для каждого предшественника выделяются некоторые группы оптимальных решений, используемые при управлении производственными процессами.

Найденные структуры посевов являются исходными для решения аналогичной задачи на втором и последующих этапах.

В случае, когда параметры модели являются детерминированными, решение задачи (12)-(17) сводится к нахождению распределения площадей посевов в зависимости от предшественников. Из множества оптимальных решений выделяется наилучший f max и наихудший f maxn варианты, которым m ax mi

–  –  –

Поскольку некоторые параметры задачи (12)-(17) являются неопределенными, во второй ситуации производственные ресурсы, урожайность, удобрения и средства защиты растений оцениваются в виде верхних и нижних значений.



Pages:     | 1 || 3 | 4 |   ...   | 9 |

Похожие работы:

«Министерство сельского хозяйства Российской Федерации Министерство образования Республики Башкортостан Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Башкирский государственный аграрный университет» Совет молодых ученых университета СТУДЕНТ И АГРАРНАЯ НАУКА Материалы VI Всероссийской студенческой конференции (28-29 марта 2012 г.) Уфа Башкирский ГАУ УДК 63 ББК 4 С 75 Ответственный за выпуск: председатель совета молодых ученых, канд. экон....»

«Министерство сельского хозяйства Российской Федерации Федеральное государственное образовательное учреждение высшего профессионального образования «Ижевская государственная сельскохозяйственная академия» СТУДЕНЧЕСКАЯ НАУКА УСТОЙЧИВОМУ РАЗВИТИЮ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА Материалы Всероссийской студенческой научной конференции 17-20 марта 2015 г. Ижевск ФГБОУ ВПО Ижевская ГСХА УДК 631.145:001(06) ББК 4я43 С 88 Студенческая наука – устойчивому развитию агропромышленС 88 ного комплекса: Материалы...»

«Министерство сельского хозяйства РФ Российская академия сельскохозяйственных наук Федеральное агентство по образованию Администрация Воронежской области ГОУВПО «Воронежская государственная технологическая академия» ГОУВПО «Московский государственный университет прикладной биотехнологии» ГОУВПО «Московский государственный университет пищевых производств» ГОУВПО «Санкт-Петербургский государственный университет низкотемпературных и пищевых технологий» Ассоциация «Объединенный университет имени...»

«ИННОВАЦИОННЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ РОССИЙСКОЙ НАУКИ Министерство сельского хозяйства Российской Федерации Департамент научно-технологической политики и образования Федеральное государственное образовательное учреждение высшего профессионального образования «Красноярский государственный аграрный университет» Красноярское региональное отделение Общероссийской общественной организации «Российский союз молодых ученых» Совет молодых ученых КрасГАУ ИННОВАЦИОННЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ РОССИЙСКОЙ НАУКИ VII...»

«Министерство сельского хозяйства Российской Федерации1 Министерство сельского, лесного хозяйства и природных ресурсов Ульяновской области ФГБОУ ВПО «Ульяновская государственная сельскохозяйственная академия имени П.А. Столыпина» МАТЕРИАЛЫ Международной научно-практической конференции «Фундаментальные и прикладные проблемы повышения продуктивности животных и конкурентоспособности продукции животноводства в современных экономических условиях АПК РФ» Том СЕКЦИИ: I «РАЗВЕДЕНИЕ, СЕЛЕКЦИЯ И ГЕНЕТИКА...»

«Федеральное государственное бюджетное научное учреждение Сибирский научно-исследовательский институт экономики сельского хозяйства ФОРМИРОВАНИЕ КОНКУРЕНТОСПОСОБНОЙ ЭКОНОМИКИ АПК РЕГИОНА: ТЕОРЕТИЧЕСКИЙ И ПРАКТИЧЕСКИЙ АСПЕКТЫ Материалы XIII Международной научно-практической конференции Барнаул, 23-24 сентября 2014 года Барнаул 2014 УДК 338.431.009.12 ББК 65.32 Ф796 Редакционная коллегия: П.М. Першукевич, академик РАН, д.э.н., проф., директор ФГБНУ СибНИИЭСХ Г.М. Гриценко, д.э.н., проф.,...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РФ ДЕПАРТАМЕНТ НАУЧНО-ТЕХНОЛОГИЧЕСКОЙ ПОЛИТИКИ И ОБРАЗОВАНИЯ ФГБОУ ВПО КОСТРОМСКАЯ ГСХА ТРУДЫ КОСТРОМСКОЙ ГОСУДАРСТВЕННОЙ СЕЛЬСКОХОЗЯЙСТВЕННОЙ АКАДЕМИИ Выпуск 74 КОСТРОМА КГСХА УДК 631 ББК 40 Редакционная коллегия: Бородий С.А., Кузнецов С.Г., Парамонова Н.Ю., Полозов С.А., Сидоренко Ю.И., Репина Т.В., Рожнов А.В., Яцюк И.А. Ответственный за выпуск: Филончиков А.В. Труды Костромской государственной сельскохозяйственной академии. — Выпуск 74. — Кострома : КГСХА,...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ РОССИЙСКАЯ АКАДЕЛМИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ НАУК ПРАВИТЕЛЬСТВО Г. МОСКВЫ АССОЦИАЦИЯ ПРЕДПРИЯТИЙ КОНДИТЕРСКОЙ ПРОМЫШЛЕННОСТИ РОССИЙСКОЙ ФЕДЕРАЦИИ «АСКОНД» АССОЦИАЦИЯ «УНИВЕРСИСТЕТСКИЙ КОМПЛЕКС ПРИКЛАДНОЙ БИОТЕХНОЛОГИИ» ФГБОУ ВПО «МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПИЩЕВЫХ ПРОИЗВОДСТВ» МАТЕРИАЛЫ ПЕРВОЙ МЕЖДУНАРОДНОЙ НАУЧНО-ПРАКТИЧЕСКОЙ КОНФЕРЕНЦИИ-ВЫСТАВКИ «ПЛАНИРОВАНИЕ И ОБЕСПЕЧЕНИЕ...»

«ИННОВАЦИОННЫЙ ЦЕНТР РАЗВИТИЯ ОБРАЗОВАНИЯ И НАУКИ INNOVATIVE DEVELOPMENT CENTER OF EDUCATION AND SCIENCE АКТУАЛЬНЫЕ ПРОБЛЕМЫ СЕЛЬСКОХОЗЯЙСТВЕННЫХ НАУК В РОССИИ И ЗА РУБЕЖОМ Выпуск II Сборник научных трудов по итогам международной научно-практической конференции (10 февраля 2015г.) г. Новосибирск 2015 г. УДК 63(06) ББК 4я43 Актуальные проблемы сельскохозяйственных наук в России и за рубежом / Сборник научных трудов по итогам международной научно-практической конференции. № 2. Новосибирск, 2015....»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БАШКОРТОСТАН ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «БАШКИРСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ» СОВЕТ МОЛОДЫХ УЧЕНЫХ УНИВЕРСИТЕТА МОЛОДЕЖНАЯ НАУКА И АПК: ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ МАТЕРИАЛЫ VII ВСЕРОССИЙСКОЙ НАУЧНО-ПРАКТИЧЕСКОЙ КОНФЕРЕНЦИИ МОЛОДЫХ УЧЕНЫХ 22 декабря 2014 г. Часть I ИННОВАЦИОННЫЕ ТЕХНОЛОГИИ В АГРОНОМИИ И ЛЕСНОМ ХОЗЯЙСТВЕ...»

«Фонд поддержки развития биосферного хозяйства и аграрного сектора «Сибирский земельный конгресс» Иркутская государственная сельскохозяйственная академия ООО «Абсолютная Сибирь» Гуманитарные аспекты охоты и охотничьего хозяйства II Международная научно-практическая конференция 28-31 октября 2014 г. Иркутск – 201 УДК 639. ББК 47. Г 94 Гуманитарные аспекты охоты и охотничьего хозяйства: Сб. материалов I международной научно-практической конференции (Иркутск, 4-7 апреля – 2014 г.) / редкол.: А.В....»

«Министерство сельского хозяйства Российской Федерации Красноярский государственный аграрный университет ЗАКОН И ОБЩЕСТВО: ИСТОРИЯ, ПРОБЛЕМЫ, ПЕРСПЕКТИВЫ Часть 2 Материалы межвузовской студенческой научной конференции (апрель 2013 г.) Секция уголовного права и криминологии Секция уголовного процесса, криминалистики, судебной экспертизы Секция истории Секция политологии Секция социологии и психологии Секция социологии и культурологии Секция иностранного права Секция философии Красноярск 2013 ББК...»

«Министерство сельского хозяйства Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Самарская государственная сельскохозяйственная академия» ВКЛАД МОЛОДЫХ УЧЕНЫХ В АГРАРНУЮНАУКУ Сборник трудов Международной научно-практической конференци конференции, посвященной 95-летиюФГБОУ ВПО Самарской ГСХА летиюФГБОУ Кинель УДК 630 ББК 4 В-56 В-56 Вклад молодых ученых в аграрную науку :сборник трудов. – Кинель : РИЦ СГСХА, 2014. –...»

«Министерство сельского хозяйства Российской Федерации Министерство сельского хозяйства Республики Башкортостан ФГБОУ ВПО «Башкирский государственный аграрный университет» ООО «Башкирская выставочная компания» АГРАРНАЯ НАУКА В ИННОВАЦИОННОМ РАЗВИТИИ АПК МАТЕРИАЛЫ МЕЖДУНАРОДНОЙ НАУЧНО-ПРАКТИЧЕСКОЙ КОНФЕРЕНЦИИ В РАМКАХ XXV МЕЖДУНАРОДНОЙ СПЕЦИАЛИЗИРОВАННОЙ ВЫСТАВКИ «АГРОКОМПЛЕКС–2015» 1719 марта 2015 г. Часть II ИННОВАЦИОННОЕ РАЗВИТИЕ ЖИВОТНОВОДСТВА И ВЕТЕРИНАРНОЙ МЕДИЦИНЫ ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ...»

«МЕЖДУНАРОДНАЯ АКАДЕМИЯ НАУК ЭКОЛОГИИ И БЕЗОПАСНОСТИ ЖИЗНЕДЕЯТЕЛЬНОСТИ АКАДЕМИЯ ВОДОХОЗЯЙСТВЕННЫХ НАУК РФ ТОЛЬЯТТИНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ МЕЖОТРАСЛЕВОЙ НАУЧНО-ИНФОРМАЦИОННЫЙ ЦЕНТР ПЕНЗЕНСКОЙ ГОСУДАРСТВЕННОЙ СЕЛЬСКОХОЗЯЙСТВЕННОЙ АКАДЕМИИ ПРИРОДНОРЕСУРСНЫЙ ПОТЕНЦИАЛ, ЭКОЛОГИЯ И УСТОЙЧИВОЕ РАЗВИТИЕ РЕГИОНОВ РОССИИ XIII Международная научно-практическая конференция Сборник статей январь 2015 г. Пенза УДК 574 ББК 28.08 П 77 Под общей редакцией: доктора технических наук, профессора...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Пензенская государственная сельскохозяйственная академия» Совет молодых ученых Пензенской ГСХА ОБРАЗОВАНИЕ, НАУКА, ПРАКТИКА: ИННОВАЦИОННЫЙ АСПЕКТ Сборник материалов Международной научно-практической конференции, посвященной Дню российской науки 5-6 февраля 2015 г. ТОМ II Пенза 2015 МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РФ Федеральное...»

«Министерство сельского хозяйства Российской Федерации Департамент научно-технологической политики и образования Министерство сельского хозяйства Иркутской области Иркутский государственный аграрный университет им. А.А. Ежевского Совет молодых ученых и студентов ИрГАУ * N Материалы международной научно-практической конференции молодых ученых, посвященной 70-летию Победы в Великой Отечественной Войне и 100-летию со Дня рождения А.А. Ежевского (15-16 апреля 2015 года) И Р К У Т С К, 20 1 УДК...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ САРАТОВСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ ИМЕНИ Н.И. ВАВИЛОВА МЕЖДУНАРОДНАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ, ПОСВЯЩЕННОЙ 15-ЛЕТИЮ СОЗДАНИЯ КАФЕДРЫ «ЗЕМЛЕУСТРОЙСТВО И КАДАСТРЫ» И 70-ЛЕТИЮ СО ДНЯ РОЖДЕНИЯ ОСНОВАТЕЛЯ КАФЕДРЫ, ДОКТОРА СЕЛЬСКОХОЗЯЙСТВЕННЫХ НАУК, ПРОФЕССОРА ТУКТАРОВА Б.И. Сборник статей 16-18 сентября 2015 г. Саратов 2015 УДК 339.13 ББК...»

«Министерство сельского хозяйства РФ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Иркутская государственная сельскохозяйственная академия Материалы Международной научно-практической конференции молодых учных «НАУЧНЫЕ ИССЛЕДОВАНИЯ И РАЗРАБОТКИ К ВНЕДРЕНИЮ В АПК» (17-18 апреля 2013 г.) Часть II ИРКУТСК, 201 УДК 63:001 ББК 4 Н 347 Научные исследования и разработки к внедрению в АПК: Материалы Международной научно-практической конференции...»

«Министерство сельского хозяйства Российской Федерации ФГБОУ ВПО «Вологодская государственная молочнохозяйственная академия имени Н.В. Верещагина» «Первая ступень в науке» Сборник трудов ВГМХА по результатам работы IV Ежегодной научно-практической студенческой конференции (технологический факультет) 130 лет со дня рождения Инихова Г.С. 110 лет со дня рождения Фиалкова А.Н. Вологда – Молочное ББК 65.9 (2 Рос – 4 Вол) П-266 Редакционная коллегия: д.т.н., проф. Гнездилова А.И. к.ф-м.н., проф....»







 
2016 www.konf.x-pdf.ru - «Бесплатная электронная библиотека - Авторефераты, диссертации, конференции»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.