О преимуществах и недостатках статистических методов прогноза объема образования отходов предприятий минерально-сырьевого комплекса

Научная статья посвящена вопросам применения методов прогноза (экстраполяции и корреляционно-регрессионного анализа) для прогноза объема образования отходов предприятий минерально-сырьевого комплекса. Приведено определение термина минерально-сырьевого комплекса, сформулированное авторами на основе других известных определений. Выполнен обзор возможных направлений использования указанных методов прогноза. Выполнен анализ официальных статистических данных динамики изменения объема образования отходов производства и объема производства готовой продукции для предприятий железорудной промышленности в Свердловской области за период с 2010 по 2020 гг. Определены цели и задачи исследования. Сделаны выводы об искаженном характере статистической отчетности в части изменения объема образования отходов и объемов производства готовой продукции. Выявлены и проанализированы с позиций применимости для предприятий минерального-сырьевого комплекса преимущества и недостатки методов экстраполяции и корреляционно-регрессионного анализа для прогноза объема образования отходов. Сделан вывод о необходимости учитывать при прогнозе факторы, характерные для предприятий минерально-сырьевого комплекса. Сделаны выводы о возможных направлениях применения результатов прогноза объема образования отходов предприятий минерально-сырьевого комплекса. Обоснованы основные факторы, влияющие на объем образования отходов производства, характерные для предприятий минерально-сырьевого комплекса.

Цейтлин Е. М., Гребнева А. А. О преимуществах и недостатках статистических методов прогноза объема образования отходов предприятий минерально-сырьевого комплекса // Горный информационно-аналитический бюллетень. — 2022. — № 111. — С. 80—94. DOI: 10.25018/0236_1493_2022_111_0_80.

Цейтлин Евгений Михайлович¹ — канд. геол.-минерал. наук, доцент, доцент кафедры инженерной экологии, e-mail: tseitlin.e.m@gmail.com;
Гребнева Ангелина Алексеевна¹ — магистрант направления подготовки 20.04.01 «Техносферная безопасность» направленность (профиль) «Экологический менеджмент предприятий и территорий», инженер ОХНИР, e-mail: grebneva291@gmail.com;
¹ Уральский государственный горный университет (ФГБОУ ВО «УГГУ»), почтовый адрес: 620144, Свердловская обл., г. Екатеринбург, ул. Куйбышева, д. 30.

1. Цейтлин Е. M. Исследование, оценка и оптимизация уровня экологической безопасности окружающей среды в условиях горного производства : на примере Среднего Урала: автореферат .. кандидата геолого-минералогических наук: 25.00.36 / Цейтлин Евгений Михайлович; [Место защиты: Ур. гос. гор. ун-т].Екатеринбург, 2013.194 с.: ил. РГБ ОД, 61 13−4/85.

2. Антонинова Н. Ю., Рыбникова Л. С., Славиковская Ю. О., Шубина Л. А. Экологоэкономические аспекты выбора направлений реабилитации территорий размещения промышленных отходов горно-металлургического комплекса // Горная промышленность. 2022. № S1. С. 71−77. DOI 10.30686/1609-9192-2022-1S-71−77.

3. Корнилков С. В., Рыбникова Л. С., Рыбников П. А., Смирнов А. Ю. Геоинформационный мониторинг для решения экологических задач горнопромышленных территорий Среднего Урала // Горная промышленность. 2022. № S1. С. 127−133. DOI 10.30686/1609-9192-2022-1S-127−133.

4. Комков Н. И., Ерошкин С. Ю. Методические основы прогнозирования технологического развития // Научные труды: Институт народно-хозяйственного прогнозирования РАН. 2006. Т. 4. С. 176−206.

5. Холова А. Р., Вождаева Ю. С., Мельницкий И. А., Киекбаев Р. И., Серебряков П. В., Мулоджанов Т. Т., Белолипцев И. И., Контор Е. А. Использование регрессионного и нейросетевого моделирования в производственном мониторинге промышленного предприятия // Экология и промышленность России. 2021. Т. 25. №5. C. 58−64 https:// doi.org/10.18412/1816-0395-2021-5-58−64 .

6. Хохряков А. В., Студенок Г. А., Студенок А. Г., Ольховский А. М. Выбор метода защиты окружающей среды от загрязнения при добыче асбестсодержащей руды // Новые огнеупоры. 2020. №8. С. 66−71. https://doi.org/10.17073/1683-4518-2020-8-66−71.

7. Баришнікова Л. П., Кондрашова О. О. Прогноз макроэкономического процесса производства кокса в условиях неопределенности // Менеджер. Вісник Донецького державного університету управління. 2013. Т. 66. № 4. С. 198−204.

8. Коковин П. А. Демографический фактор на пути к устойчивому развитию территории // Аграрный вестник Урала. 2017. Т. 157. № 03. С. 67−74.

9. Валишина А. М., Япарова-Абдулхаликова Г. И. Прогнозирование объемов продукции сельского хозяйства в Республике Башкортостан // Актуальные вопросы экономики региона: анализ, диагностика и прогнозирование: материалы VI Международной студенческой научно-практической конференции. Нижний Новгород, 2016. С. 287−289.

10. Гасумов Э. Р. Прогнозирование времени обводнения и самозадавливания газовых скважин (на примере сеноманской залежи) // Евразийский союз ученых. 2020. Т. 5. № 8. С. 19−22. DOI 10.31618/ESU.2413−9335.2020.5.77.994.

11. Yin H., Hu D., Yan Y., Peng L., Wang K., Zhang K., Deng, M. Study on the transport correlation method of PM2.5 at urban scale-taking beijing as an example. Zhongguo Huanjing Kexue/China Environmental Science. 2022. V. 42. No. 2. Pp. 550−556.

12. Gridina E. B., Pasynkov A. V., Andreev R. E. Comprehensive approach to managing the safety of miners in coal mines. Paper presented at the Innovation-Based Development of the Mineral Resources Sector: Challenges and Prospects — 11th Conference of the RussianGerman Raw Materials, 2018. 2019. P. 85−94.

13. Shinkevich, A. I., Baygildin, D. R., & Vodolazhskaya, E. L. Management of a sustainable development of the oil and gas sector in the context of digitalization. Journal of Environmental Treatment Techniques. 2020. V. 8. No. 2. Pp. 639−645.

14. Шалимова А. В., Филин А. Э. Разработка математической модели прогнозирования производственного травматизма в горном деле // Горный информационно-аналитический бюллетень. 2021. № 2−1. С. 209−219. DOI 10.25018/0236-1493-2021-21−0209−219.

15. Zhang B., Yang T., Hong H., Cheng G., Yang H., Wang T., & Cao D. Research on long short-term decision-making system for excavator market demand forecasting based on improved support vector machine // Applied Sciences. 2021. Vol. 11. No. 14. https://doi. org/10.3390/app11146367.

16. Плакиткин, Ю. А. Экономика и глобальная энергетика: прогноз цен на главный энергоноситель // Энергетическая политика. 2012. № 5. С. 29−39.

17. Ломов И. И., Вахрушева М. Ю. Прогнозирование в экономике с применением интерполяционных полиномов // Актуальные вопросы экономики региона: анализ, диагностика и прогнозирование: материалы VI Международной студенческой научнопрактической конференции, Нижний Новгород, 06 апреля 2016 года. — Нижний Новгород: Стимул-СТ. 2016. С. 63−65.

18. Зубарев Н. Ю., Федулова Д. Д. Прогнозирование демографических показателей в сфере рождаемости населения: инерционный прогноз versus прогноз на основе машинного обучения // Ars Administrandi. Искусство управления. 2021. Т. 13. № 2. С. 204−221. DOI 10.17072/2218-9173-2021-2-204−221.

19. Rana N. M., Ghahramani N., Evans S. G., Small A., Skermer N., McDougall S., Take W. A. Global magnitude-frequency statistics of the failures and impacts of large waterretention dams and mine tailings impoundments. Earth-Science Reviews. 2022. V. 232. No. 3. doi:10.1016/j.earscirev.2022.104144.

20. Vilca Y. C., Ortiz C. E. A., Lana M. S., Pereira F. C., Canabrava R. L. P., Chaves S. S., Lima T. C. A. Geostatistical analyses applied to estimating geotechnical parameters-study case: Córrego do sítio mine. Paper presented at the Rock Mechanics for Natural Resources and Infrastructure DevelopmentProceedings of the 14th International Congress on Rock Mechanics and Rock Engineering, ISRM 2019. 2020. Pp. 2926−2933.

21. Бабокин Г. И., Шпрехер Д. М., Колесников Е. Б. Метод повышения безопасной эксплуатации горного электрооборудования путем прогнозирования сопротивления изоляции // Горный информационно-аналитический бюллетень. 2020. № 2. С. 34−45. DOI 10.25018/0236-1493-2020-2-0−34−45.

22. Темкин И. О., Клебанов Д. А., Дерябин С. А., Конов И. С. Построение интеллектуальной геоинформационной системы горного предприятия с использованием методов прогнозной аналитики // Горный информационно-аналитический бюллетень. 2020. № 3. С. 114−125. DOI 10.25018/0236-1493-2020-3-0−114−125.

23. Корчак П. А. Геомеханический прогноз развития зон хрупкого разрушения в окрестности сопряжения горных выработок в перенапряженном породном массиве // Горный информационно-аналитический бюллетень. 2021. № 5. С. 85–98. DOI: 10.25018/0236_1493_2021_5_0_85.

24. Татаркин А. В. Методика прогноза провалов земной поверхности на примере Верхнекамского месторождения калийно-магниевых солей // Горный информационно-аналитический бюллетень. 2020. № 1. С. 121−132. DOI 10.25018/0236-1493-2020-1-0−121−132.

25. Boltyirov V., Panyak S., Storojenko L., Degtyarev S. Monitoring of Hazardous Geological Processes in the Urals //Engineering and Mining Geophysics 2019 15th Conference and Exhibition. — European Association of Geoscientists & Engineers, 2019. — Vol. 2019. — №. 1. — pp. 412–419. DOI: 10.3997/2214−4609.201901734.26.

26. Лонцих П. А., Елисеев С. В. Трендовое прогнозирование и контроль систем качества // Системы. Методы. Технологии. 2012. № 4. C. 29−35.

27. Даваахуу Н., Потравный И. М., Тишков С. В., Кулаков К. А. Моделирование деятельности горнодобывающего предприятия в условиях истощения ресурсной базы: эколого-экономический аспект // Горный журнал. 2019. № 8. С. 50−54. DOI: 10.17580/ gzh.2019.08.09.

28. Писаренко В. П. Исследование моделей прогнозирования значений концентраций загрязняющих веществ в системе экологического мониторинга // Наукосфера. 2020. № 9. С. 19−25.

29. Khoshouei M., Jalalian M. H., Bagherpour R. The effect of geological properties of dimension stones on the prediction of specific energy (SE) during diamond wire cutting operations // Rudarsko-geološko-naftni zbornik. 2020. No. 35. Pp. 17−27. https://doi. org/10.17794/rgn.2020.3.2 .

30. Moniri-Morad A., Pourgol-Mohammad M., Aghababaei H., Sattarvand J. Reliabilitybased regression model for complex systems considering environmental uncertainties // Probabilistic Safety Assessment and Management. Los Angeles. September, 2018. URL: https://www.researchgate.net/publication/329872255_Reliability-based_regression_ model_for_complex_systems_considering_environmental_uncertainties (дата обращения: 21.10.2022).

31. Болтыров В. Б., Стороженко Л. А., Сапсай М. А. Накопленный экологический вред территорий размещения горнопромышленных отходов прошлых лет // Горный информационно-аналитический бюллетень. — 2021. — № 5−2. — С. 202−217. DOI: 1 0.25018/0236_1493_2021_52_0_202.

32. Huang, D., Liu, Z., Wang, W. Evaluating the Impaction of Coal Mining on Ordovician Karst Water through Statistical Methods // Water. 2018, N 10, 1409. https://doi.org/10.3390/ w10101409.

33. Ермаков А. А., Кириллова Т. К. Метод пошагового сглаживания экспериментальных зависимостей для задач краткосрочного прогнозирования // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2021. № 3. С. 126−133. DOI 10.24143/20729502-2021-3-126−133.

34. Влох Ю. В. Перспективы развития Качканарского ГОКа // Горный журнал, 2016. № 7. С. 46−50. DOI: 10.17580/gzh.2016.07.10.

35. Фадеичев А. Ф. Железорудная база Урала (состояние и перспективы развития) // Изв. вузов. Горный журнал. 1993. № 3. С. 25–43.